Traitement Signal PDF

TRAITEMENT du SIGNAL M.
SABRI Facult des Sciences et Techniques BENI MELLAL - 2008
TABLE des MATIERES
Ch. I RAPPELS MATHEMATIQUES 03

SERIES et TRANSFORMEES de FOURIER
DISTRIBUTIONS
PROBABILITES
Ch. II INTRODUCTION aux signaux et systmes 09

I- Les DSP
II- CLASSIFICATION des SIGNAUX
III- DEFINITIONS et EXEMPLES
IV- ANALYSE dun SIGNAL
V- CORRELATION
Ch. III ECHANTILLONNAGE 16

I- THEOREME de SHANNON
II- ECHANTILLONNAGE REEL
III- RECONSTITUTION
Ch. IV SYSTEMES NUMERIQUES 22

I- SIGNAUX NUMERIQUES
II- SYSTEMES NUMERIQUES LINEAIRES INVARIANTS
III- EQUATION aux DIFFERENCES
Ch. V TRANSFORMEE de FOURIER DISCRETE ___ 28

I- INTRODUCTION
II- EFFETS de LA DISCRETISATION de LA FREQUENCE
III- TFD dun SIGNAL DUREE LIMITEE
IV- PROPRIETES de LA TFD
V- TFD des SIGNAUX A DUREE ILLIMITEE
VI- APPROXIMATION de LA TF des SIGNAUX ANALOGIQUES
Ch. VI TRANSFORMEE de FOURIER RAPIDE _34

I- Mise en forme de la TFD
II- Algorithme FFT
III- Mise en oeuvre
IV- Organigramme et programme sur Matlab
Ch. VII MODULATIONS NUMERIQUES _42

I- Introduction
II- Principe de modulations numriques
III- Modulation ASK
IV- Modulation PSK
V- Modulation QAM
VI- Modulation FSK
VII- Applications
1
TRAITEMENT du SIGNAL M. SABRI Facult des Sciences et Techniques BENI MELLAL - 2008
Ch. VIII FILTRAGE et DENSITES SPECTRALES 49

I. DENSITES SPECTRALES
II. FILTRAGE
Ch. IX DETECTION et ESTIMATION 56

I- Introduction
II- Rapport signal sur bruit
III- Filtre optimal
IV- Filtre adapt
V- Filtre de Wiener
VI- Dtection par inter corrlation
VII- Estimation de la densit spectrale
Ch. X TRANSFORMEE en Z 66
I- INTRODUCTION
II- DEFINITION
III- TRANSFORMEE en Z INVERSE
IV- PROPRIETES
V- FONCTION de TRANSFERT
Ch. XI FILTRAGE NUMERIQUE 76

I- INTRODUCTION
II- FILTRES IDEAUX et GABARIT
III- FILTRES A REPONSE IMPULSIONNELLE DE DUREE FINIE (RIF)
IV- FILTRES A REPONSE IMPULSIONNELLE DE DUREE INFINIE (RII)
V- SYSTEMES A PHASE MINIMUM
Ch. XII Une INTRODUCTION aux DSP 91

I- INTRODUCTION
II- PRESENTATION
III- CLASSIFICATION
IV- ARCHITECTURES
V- DEVELOPPEMENTS
FORMULAIRES 97
BIBLIOGRAPHIE 98
2
Ch. I : RAPPELS MATHEMATIQUES
SERIES et TRANSFORMEES de FOURIER

DISTRIBUTIONS
PROBABILITES
I. ESPACES des SIGNAUX
On note s(t) un signal physique dterministe dpendant de la variable temps t.
1- signaux intgrables : L1 () {s / s(t ) dt }

On dfinit la norme de la convergence en moyenne :
||s||1= s (t ) dt

s(t ) dt }
2
2- signaux de carr sommable : L2 () {s /

On dfinit la norme de la convergence en moyenne quadratique :
s(t )
2
||s||2= dt

3- signaux dcroissance rapide S(R) :
Cest le sous espace de L1 des signaux s(t) tels que :
(p N ) Lim t p s(t ) 0 .
t

4- signaux indfiniment drivables : C
5- signaux indfiniment drivables support born : D
II. SERIES de FOURIER
Soit s(t) dans L1[0,T] priodique de priode T. La dcomposition en srie de Fourier

de s(t) scrit :
j 2n
t
s (t ) cn e
n
T
(1)
T t
1 j 2n
cn
T0 s(t )e T
dt (2)
(cn) n est le spectre de Fourier du signal s(t). Selon lespace des signaux on a :
Dans lespace L1 Lim cn 0

n

Dans lespace L2
c
2
n
n
Dans lespace C 1
c
n
n
3
Dans lespace C 2 K
cn
n2
Dans lespace C (k ) Lim n k cn 0
n

Thorme de Dirichlet (convergence locale) :
Soit s dans L1[0,T] de priode T. t0 tant un point de discontinuit de s,

si les limites et les drives de s(t) droite et gauche de t0 existent, alors :
N j 2n
t0
1
Lim ( c n e T
) ( s (t 0 ) s (t 0 ))
2
N
Thorme de Perceval N
T
1
c(n) . s(t ) dt
2 2
(4)
T 0
III . TRANSFORMEE de FOURIER et CONVOLUTION
On dfinit la transforme de Fourier S=F(s) dun signal s par :

s(t )e
j 2ft
S( f ) dt (5)

Thorme de Riemann-Lebesgue
Etant donn s dans L1

S est une fonction continue et borne sur R.
F est un oprateur linaire et continu de L1 dans L
Lim S ( f ) 0

f

Thorme de Perceval
S( f ) df s(t ) dt
2 2
(6)

Convolution
On dfinit la convolution de deux signaux x et y par :

( x y )(t ) x(u) y(t u)du

(7)
On a les proprits suivantes, selon lespace des signaux de travail :
x, y dans L1 F(x y)=X.Y

x, y,X, Y dans L1 F(x.y)=X Y
x, y dans L2 F(x.y)=X Y et x y= F*(X.Y)
x dans L2 , y dans L1 x y= F*(X.Y) presque partout
4
Transformes usuelles
x(t) X(f)
x(t-) e-j2fX(f) Retard
ej2t x(t) X(f-) Dphasage
x(a.t) 1 f Changement dchelle
X( )
a a
e-a|t| 2a Lorentzienne, amortissement
; Re(a)>0
a 4 2 f
2 2
e at
2

2
f2 Gaussienne, cas particulier a=
e a
;a>0
a
IV. DISTRIBUTIONS
D tant lespace des signaux indfiniment drivables support born, on appelle

distribution T toute application linaire continue de D dans lespace des complexes C.
Lespace des distributions est not D (Dual topologique de D).
T()=<T,> D (8)
La drive dune distribution T
T(k)()=<T(k),>=(-1)(k)<T,(k)> (9)
Distribution associe une fonction f

<Tf,>=<f,>= f (t ) (t )dt

(10)
Distributions tempres
Ce sont les applications linaires continues de S , espace des signaux dcroissance

rapide, dans C. Leur espace est le dual de S not S.
Distribution de Dirac
()=< ,>=(0) (11.1)
a()=< a,>=(a) (11.2)
()=-(0) (11.3)
()=(0) (11.4)
est llment neutre de la convolution :
< s ,>=<s,> (12)
Usage pratique (abusif) de :

x(t ). (t )dt x( )

(13.1)
5
(t )dt 1

(13.2)
(0)=1 (13.3)
Drive dune fonction discontinue
s tant un signal discontinu au point t0 et ayant des limites finies droite et gauche
de t0, la drive de s est une distribution :
T=[s (t0+)-s(t0-)]. + s (14)
s tant la fonction drive de s pour t diffrent de t0 et nulle au point t0.
V. TRANSFORMEE de FOURIER des DISTRIBUTIONS
La transforme de Fourier F(T) dune distribution T est la distribution F(T)

dfinie par :
<F(T),>=<T,F()> (15)
F(), D.
T F (T)
a e-j2af
ej2at a
sign(t) 1 1
.
j f
u(t) (chelon un au point 0) 1 1 1
.
2 j 2 f
Sin(2f0 t) ( f f0 ) ( f f0 )
2j
Cos(2f0 t) ( f f0 ) ( f f0 )
2
VI. TRANSFORMEE de LAPLACE
On dfinit la transforme de Laplace S(p) dun signal s par :

S ( p) s(t )e pt dt (16)
0
1 1/p
t 1/p2
s (t) p.S(p)-s(0)
Application aux quations diffrentielles linaires coefficients constants
a.x(t)+b.x(t)+c.x(t)=y(t) , devient :
Y ( p) a.x' (0) (a. p b).x(0)
X ( p)
a. p 2 b. p c
6
VII. ELEMENTS de PROBABILITES
Variable alatoire
X est une variable alatoire lorsque les valeurs x quelle peut prendre dpendent du
hasard selon une loi de probabilit appele distribution.
Fonction de rpartition
F(x)=Prob(X x) (17)
Proprits
F (-)= 0 (18.1)
F (+)=1 (18.2)
F est une fonction monotone.
Densit de probabilit
d
p(x)= F (x) (19)
dx
Proprits
0 p(x) x (20.1)

p( x)dx 1

(20.2)
Fonction caractristique
Cet la transforme de Fourier inverse de la densit de probabilit. Elle est Utile pour
le calcul des moments de la v.a.
Esprance mathmatique

E[f(x)]= f ( x). p( x)dx

(21)
La moyenne statistique

E[x]= x. p( x)dx (22)

La Variance et lcart type
2=E[ (x-m)2]= E[x2] m2 (23)
Variables alatoires bidimensionnelles
Soient X et Y deux v.a, (X, Y) est une v.a. bidimensionnelle dont la fonction de
rpartition conjointe est dfinie par :
F(x,y)=Prob( X x et Yy) (24)
et sa densit de probabilit conjointe :

2 F ( x, y)
p(x,y)= (25)
xy
Probabilits marginales
7

p x ( x) p( x, y)dy

(26.1)

p y ( y) p( x, y)dx

(26.2)
Probabilits conditionnelles
p( x, y)
p( x / y ) (27.1)
p y ( y)
p ( x, y )
p ( y / x) (27.2)
p x ( x)
Variables alatoires indpendantes
X et Y sont statistiquement indpendantes si :
p(x,y)=px(x).py(y) (28)
Consquence :
E[X.Y]=E[X].E[Y] (29)
Lois de probabilits usuelles
Variables alatoires discrtes
LOI Support Probabilit Esprance Variance

P(X=k)
Bernoulli : B(p) {0 ;1} P(0)=1-p p p.(1-p)
0< p <1 P(1)=p
Binomiale : B(n,p) {0 ;1 ;n} C k . p k .(1 p) n k n.p n.p(1-p)
n
0< p <1
Poisson : P() N k
>0 e
k!
Gomtrique : G(p) N* p(1-p)k-1 1/p (1-p)/p2
0< p <1
Variables alatoires continues
LOI Support Densit Esprance Variance

Uniforme : U(a,b) [a,b] 1 (a+b)/2 (b-a)2/12
.1[ a ,b ]
a,b rels ba
Normale : N(m,2) R 1
( x m)2 m 2
.e 2.
2
0<, m rel
2
+
Exponentielle : Exp() R .e-x 1/ 1/ 2
>0
8
Ch. II : INTRODUCTION aux SIGNAUX et SYSTEMES

I- Les DSP
IV- ANALYSE dun SIGNAL
V- CORRELATION________________________________________________
I- Les DSP (Digital Signal Processor)
Lomniprsence des processeurs numriques du signal dans presque tous les

systmes dchange et de production de linformation reflte une partie des champs
importants que brasse la discipline du traitement du signal. Cest pour cette raison
quune vue panoramique des DSP peut constituer une bonne introduction ce cours.
Les DSP sont des microprocesseurs spcifiquement conus pour le traitement

des signaux numriques. Ils sont utiliss pour deux tches distinctes :
La manipulation de donnes (Traitement de texte, Bases de donnes)

Le calcul mathmatique.
Les microprocesseurs ordinaires peuvent effectuer chacune de ces tches. Cependant,

il est difficile et coteux doptimiser le circuit pour les deux tches simultanment.
Do lappellation Processeur ddi : Processeur optimis pour une tche prcise.
Les DSP sont caractriss par le grand flux de donnes quils peuvent traiter en
temps rel, ceci en se basant sur des oprations simples et systmatiques MAC :
Multiplier, Additionner et accumuler. Ceci leur confre une vitesse dexcution
accrue. Lune des raisons de leurs performances peut tre attribue en partie lusage
plus important du langage Assembleur par rapport au langage C.
Signal Mmoire
Original
Filtre Conversion Conversion Filtre

Passe Bas Analogique DSP Numrique Passe Bas
Numrique Analogique
Ports Signal
E/S Trait
Chane typique dun systme de traitement numrique du signal
Le march des DSP
Les DSP quipent les tlphones mobiles, les modems, les instruments de
mesure scientifiquePour cette raison la demande en DSP na cess daugmenter : En
9
1995 le march des DSP enregistrait une activit autour de 2 Billions de Dollars, en
2002 il a dj franchi les 15 Billions.
Architecture des DSP
Partant des architectures de Von Neumann (mmoire unique pour les donnes et les
instructions plus un CPU) et celles de Harvard (Double mmoire plus un CPU et un
contrleur dentres sorties), les DSP typiques disposent dune mmoire donnes
seules, une mmoire dinstructions et donnes secondaires, dun contrleur I/O
grande vitesse et dun CPU optimis pour la multiplication, laddition, le dcalage et
laccumulation.
Le multiprocessing est un aspect primordial des DSP qui peuvent tre monts en
srie, en parallle ou selon des architectures plus compliques en rseaux 2D ou 3D
afin de raliser des tches encore plus dlicates avec une rapidit qui ne cesse de
saccrotre avec les annes.
1. GENERALITES
Dfinition dun Signal
Un signal est une reprsentation mathmatique dun phnomne physique. On note

s(t) un signal o t est gnralement le temps et s une tension lectrique, une pression,
une temprature.
On peut avoir un signal plusieurs variables : Une image mobile 3D est un signal
s(x,y,z,t) reprsentant la luminosit linstant t au point de lespace (x,y,z).
Dfinition dune information
Tout signal imprvisible constitue une information.

En effet un signal connu a priori (davance) ne nous informe pas puisquon le connat
dj.
Utilit de la reprsentation dun phnomne par un signal
Le signal permet le transport de linformation relative un phnomne partir dun

metteur vers un rcepteur en traversant un milieu de transmission.
Le traitement dun signal
Le traitement dun signal est toute sorte de transformation du signal le rendant

exploitable pour une fin prcise.
Le bruit
Le bruit est un signal indsirable qui est souvent alatoire. Il altre linformation
contenue dans un signal.
La bande occupe
Cest le domaine frquentiel ou le support de la transforme de Fourier ou du spectre

dun signal.
10
Exemples :
Tlphonie 300Hz<f<3.3kHz
Mobile 0.8Ghz<f<1Ghz
Audio Hi Fi 20Hz<f<20kHz
Tlvision 0Hz<f<8MHz
Remarque : Le bruit occupe en gnral toute la bande dactivit des signaux utiles.
La bande passante
Cest un intervalle de frquences permises. Dans un milieu de transmission (Air, fil,

matriaux..) seuls les signaux occupant des bandes incluses dans la bande passante
peuvent transiter.
2- CLASSIFICATION des SIGNAUX
1ere Classification (phnomnologique)
- Signaux certains
sin(t), exp(t), ils sont prvisibles tout instant t ; ils ne reprsentent aucune
information pour lobservateur.
- Signaux alatoires
Ils sont imprvisibles comme le bruit : ils contiennent de linformation.
1
Signal alatoire 1
Signal dterministe
0.9 0.8
0.8 0.6
0.7 0.4
0.6 0.2
0.5 0
0.4 -0.2
0.3 -0.4
0.2 -0.6
0.1 -0.8
0 -1
0 40 60 80 0 500 1000 1500 2000
Fig.1
2eme Classification (morphologique)
- Signaux analogiques :
Ils prennent des valeurs relles quelconques des instants rels
quelconques.
- Signaux numriques
Le nombre des valeurs prises s(t) est limit, ceci des instants t discrets.
11
signal analogique signal discret

1 20
0.8 18
0.6 16
0.4 14
0.2 12
Amplitude continue
amplitude continue
0 10
-0.2 8
-0.4 6
-0.6 4
-0.8 2
-1 0
0 5 10 15 20 25 30 35 1 2 3 4 5 6 7 8 9 10 11
temps continu en secondes temps discret en secondes
Fig.2
3eme Classification (Energtique)
- Signaux nergie finie
Ce sont les signaux dont lnergie dans le sens physique spuise dans le
temps ; tout signal physique limit dans le temps est de cette catgorie.
- Signaux puissance moyenne finie
Ce sont les signaux dont lnergie dlivre par unit de temps est finie :
signaux priodiques, signaux alatoires (par convention).
- Signaux nergie et puissance infinies
Constituent des signaux thoriques ou modles mathmatiques.
Exemple de chane de traitement du signal : Une conversation.
Source du Codage Canal de Rception du Dtection et

signal lmission transmission signal dcodage
Cerveau Bouche Air Oreille Cerveau
Bruit Bruit Bruit
1. Puissance instantane dun signal
La puissance instantane dun signal s(t) , alatoire ou dterministe, est le carr de

son module :
p s (t ) s (t )
2
(30)
2. Energie dun signal
s(t) tant un signal analogique valeurs relles ou complexes, on dfinit lnergie Es

de s(t) dterministe par :

s(t )
2
Es= dt (31)

Remarque :
la puissance instantane p(t) est bien lnergie E par unit de temps.
12
Exemples :
A A
A
A
T T 2T
Fig.3
T
E s ( At / T ) 2 dt =A 2 T/3 Es=2A 2 T/3
0
3. Puissance moyenne dun signal
s(t) tant un signal possdant une nergie infinie, on dfinit sa puissance moyenne Ps
par :
Si s(t) est dterministe

T /2
1
Ps Lim
T
s(t ) 2 dt
T T / 2
(32.1)
Si s(t) est alatoire

Ps E s (t ) 2 (32.2)
Exemples
S1 : Dents de scie Ps(s) S2 : d.d.p.
A uniforme
A 1/a
s
A
T 2T a
Fig.4
0 T
1 1
(1 t / T ) A (tA / T )
2
Ps1 dt 2
dt =A 2 /3
2T T
2T 0
= s(t )
a
1
Ps 2 E s(t ) ds =a 2 /3
2 2
p s ( s)ds = s 2
0
a
Remarque : on suppose que la puissance du signal alatoire ne dpend pas de
linstant t (voir stationnarit dun signal).
IV- Analyse dun signal (Dcomposition)

[ n (t)]n tant une famille de signaux connus, analyser le signal s(t) selon la
dite famille consiste chercher des coefficients scalaires (complexes ou rels) (C n)n
tels que :
s(t ) C n n (t ) (33)
n
13
Cest une dcomposition ou projection du signal s(t) dans lespace vectoriel des
signaux engendr par la famille [ n (t)]n.
Cas particulier :
Si lnergie de chaque signal de la famille gale lunit et si en plus, pour tout j k :

j (t ). k (t )dt =0
*
(34)

On dit que la famille (ou la dcomposition) est orthonormale.
Exemple : Analyse de Fourier : n (t)= e j 2nt / T dfinies sur [0,T].
On peut dcomposer tout signal dfini sur [0,T] avec comme coefficients :
T
1
Cn= s(t ) * n (t )dt (35)
T0
Ceci est valable pour tout signal priodique de priode T. On dit quon a analys le
signal pour les frquences multiples ou les harmoniques de la frquence
fondamentale 1/T.
Nanmoins cela ne signifie pas que le signal ne contient pas dautres
frquences physiques : On recours alors la transformation intgrale de Fourier qui
dvoile tout le spectre continu du signal et ceci pour tout signal mme support non
born (dure illimite). Les signaux priodiques constituent une exception pour
lesquels les Cn reprsentent le spectre total (qui est discret dans ce cas).
Exercice :
1. Est-ce que la famille de Fourier est orthonormale ?

2. Que devient lnergie du signal s(t) ?
3. Que devient la puissance dun signal priodique ?
V. LA FONCTION de CORRELATION
On cherche comparer linstant deux signaux x(t) et y(t) ; On dfinit alors la

fonction dintercorrlation Rxy( ) :
Si x(t) et y(t) sont nergie finie :

Rxy( )= x(t ) y * (t )dt (36.1)

Si x(t) et y(t) sont priodiques (de mme T) :
T /2
1
T T/ 2
Rxy( )= x(t ) y * (t )dt (36.2)
Si x(t) et y(t) sont puissance moyenne finie :

T /2
1
T T/ 2
Rxy( )= LimT

x(t ) y * (t )dt (36.3)
Si les signaux sont alatoires :
Rxy( )=E[x(t)y*(t+ )] (36.4)
14
Remarque
1- On suppose que les signaux alatoires sont stationnaires au second ordre (E[x(t)]
et E[x(t)y*(t+ )] ne dpendent pas de t).
Cependant il ne faut pas omettre de lesprit que les signaux physiques possdent
gnralement un rgime transitoire non stationnaire et un rgime permanent peu
prs stationnaire.
2- la fonction de corrlation est un produit scalaire entre deux vecteurs.
Fonction dauto-corrlation
La fonction dauto-corrlation est la fonction Rxx( ) note Rx( ), dont la transforme

de Fourier est la densit spectrale de puissance (voir ch. VIII).
Exemple
x(t)=A sin (2 f t+ ). On pose T=1/f.
T /2 T /2
1 A2
T T/ 2 sin(2ft ) sin(2ft 2f )dt
Rx( ) = x (t ) x (t )dt =
T T / 2
T /2 T /2
A2 A2
=
2T cos(
T / 2
2f ) dt
2T cos(4ft 2 2f )dt
T / 2
Soit :
A2
Rx( ) = cos(2f ) (37)
2
Exercice
1. Montrer que Rx( ) est paire. Quel est son maximum ?

2. Que reprsente Rx(0) ?
3. Dans le cas dun signal alatoire, dcomposer Rx(0) en deux termes et interprter.
4. Que pensez vous de Rx( ) pour un signal alatoire lorsque tend vers linfini ?
15
Ch. III : ECHANTILLONNAGE des SIGNAUX

I- THEOREME de SHANNON
II- ECHANTILLONNAGE REEL
III- RECONSTITUTION
I. THEOREME de SHANNON-NIQUIST
1. Dfinition
Soit s(t) un signal analogique de transforme de Fourier X(f) ; Echantillonner le

signal s(t) consiste choisir une frquence Fe et de construire un nouveau signal
s(kTe) avec k un entier et Te=1/Fe.
S(t)
S(kTe)
Signal chantillonn
Signal analogique
t t
Te kTe
3Te
Fig.5
On peut crire s(nTe) sous la forme condense :

s(nTe)= s(kT ) (t kT )
k
e e (38.1)

s(nTe)=s(t). (t kT )
k
e (38.2)
La dernire expression est la multiplication du signal par le peigne de Dirac.
2. Spectre du signal chantillonn
En prenant les transformes de Fourier des termes de lexpression ci-dessus, on

arrive lexpression du spectre du signal chantillonn (Forme sommatoire de
Poisson) :

Y(f)= Fe S ( f kF )
k
e (39)
Cette expression montre que le spectre Y(f) est priodique de priode F e et quil est la
somme des rpliques (copies) du spectre original S(f) dcales de kFe.
Spectre analogique Spectre des chantillons

Rplique 1
f
Fe
Fmax f
Fig.6
16
Remarques :
Si le support du spectre S(f) nest pas born (stale sur laxe rel) il y a un
repliement du spectre des chantillons (aliaising), on ne peut pas isoler le
spectre original partir de celui des chantillons.
Si le spectre S(f) est born entre Fmax et +Fmax on constate le mme
phnomne si Fe est infrieure 2 Fmax.
3. Thorme de Shannon
Pour rcuprer le signal analogique s(t) partir des chantillons s(kTe) il faut deux
conditions :
- Que le support de S(f) soit born de largeur B=2Fmax.
- Que la frquence dchantillonnage soit suprieure la bande occupe par
S(f) : B Fe .
Si ces deux conditions sont runies, lexpression de s(t) en fonction des ses
chantillons scrit :

s(t)=B s(kT ) sin cB(t kT )
k
e e (40)
(Voir la dmonstration en sance dexercices).
Cette formule montre bien quon peut dterminer exactement la valeur du signal
linstant t en fonction uniquement des chantillons de ce mme signal aux instants
kTe. Cependant la sommation infinie sur k pose un problme au niveau de
limplmentation pratique de cette formule. Tout au plus on peut implmenter une
approximation, avec une prcision impose au pralable, en constatant que la
fonction sinc(x) svanouit rapidement vers zro avec le flux des chantillons.
Exemple
s(t)=A.sin(2F0t+).
La transforme de Fourier de s(t) scrit :
S(f)=
A j
2j

e ( f F0 ) e j ( f F0 )(41)
Le spectre de s(t) est compos de deux raies aux frquences F0 et +F0 occupant
ainsi une bande frquentielle B=2F0. pour chantillonner correctement s(t) il faut
choisir une frquence dchantillonnage Fe >2F0.
II. ECHANTILLONNAGE REEL
On peut mettre deux rserves ce qui vient dtre expos :
Prlever des chantillons en multipliant le signal par le peigne de Dirac est

impossible en pratique (linstant kTe est insaisissable matriellement).
La rcupration de s(t) partir des chantillons est une sommation infinie,
donc impossible raliser.
Le prlvement dun chantillon dure en ralit un certain temps :
17
Signal analogique Signal chantillonn

T kTe
3Te
e
Fig.7
Cela signifie que lchantillonnage rel est la multiplication du signal analogique

k
t / 2 kTe
(suppos causal : nul pour t ngatif) par le signal rec( ) qui est un
k 0
train, priodique de priode Te, dimpulsions rectangulaires de dure .
En notant g(t)=rec( -1/2), dont le spectre de Fourier est G(f)= e j 2f / 2 sin cf , le
t

spectre du signal chantillonn devient :
Y(f)= Fe e j 2kFe / 2 sin c(kFe ) S ( f kFe ) (42)

k
Remarques :
1. Le terme exponentiel correspond un retard de /2 secondes : On commence
lchantillonnage linstant /2 et non linstant zro.
2. Le terme Fe= /Te est dcisif quant la qualit du compromis
chantillonnage/rsolution frquentielle : La rsolution frquentielle (pouvoir
discerner le spectre deux frquences trs proches) exige Fe faible et
lchantillonnage exige Fe important et faible.
III. RECONSTITUTION du SIGNAL ANALOGIQUE
On se propose de reconstituer pratiquement le signal analogique s(t) partir de ses

chantillons s(kTe). Cette reconstitution est dans tous les cas approximative .
Lorsque la mthode est linaire on parle de filtre de lissage. Nous traitons ici deux
mthodes linaires de restitution.
1. Extrapolation dordre zro (Bloqueur)

Dans cette mthode on rceptionne les chantillons la cadence Te. Entre kTe et
(k+1) Te le signal reconstruit y(t) prend la mme valeur s(kTe) :
y(t)=s(t) si t = kTe
y(t)=s(kTe) si kTe t < (k+1)Te
Pour connatre la rponse impulsionnelle h(t) du bloqueur, il suffit de

maintenir lunique valeur 1 entre 0 et Te. Ainsi :
t Te / 2
h(t)=Rec( ) (43.1)
Te
Dont la transforme de Fourier est :
H(f)= Te e j 2fTe / 2 sin cTe f (43.2)
18
s(kTe) Bloqueur y(t)
Signal analogique Signal reconstruit
Te 3Te kTe
Rponse impulsionnelle
1 Impulsion unit
1
t
0 Te
Fig.8
Transforme de Fourier d'une impulsion paire de dure Te=1/Fe

1
0.8
0.6
0.4
H(f)/Te
0.2
-0.2
-0.4
-5 -4 -3 -2 -1 0 1 2 3 4 5
Frquence normalise f/Fe
Fig.9
On constate que le bloqueur laisse passer avec une qualit acceptable les signaux
dont le spectre est ngligeable au-del de Fe .
Si le thorme de Shannon est respect, tout le spectre du signal s(t) est rcupr
avec un repliement faible au voisinage de Fe.
Cependant le fait quil agisse comme un passe haut par rapport la bande utile du
signal (B est souvent trs faible devant Fe) introduit des distorsions en prsence de
bruits.
La simplicit et la qualit du bloqueur font quil soit trs utilis dans les
convertisseurs numrique/analogique.
19
2. Interpolateur dordre un
Signal analogique Signal reconstruit
Te 3Te kTe
Rponse impulsionnelle
1 Impulsion unit
1
Te 2Te
0
Fig.10
En tolrant un retard de rception de Te, on peut relier les chantillons par des
segments de droites, cest le principe de linterpolation linaire.
La rponse impulsionnelle de ce systme est :
t Te
h(t)=tri( ) (44.1)
Te
Dont la rponse frquentielle est :
H(f)= Te e j 2fTe / 2 sin c 2 Te f (44.2)
On peut mettre les mmes remarques concernant le bloqueur propos de

linterpolateur actuel, sauf que H(f) est plus condense et plus slective que celle du
bloqueur.
3. Mise en forme
Une chane de traitement du signal chantillonn peut tre schmatise de la

manire suivante :
x(t) x(kTe) y(kTe)

s(t) )
Passe bas Echantill Traiteme Bloqueur Lissage
Et mise en
Forme
Rsultats
analogiques
Fig.11
Le signal analogique s(t) possde probablement et dans la majorit des cas une
bande spectrale large : la premire tape consiste limiter cette bande par un
filtrage passe-bas (mise en forme) afin de pouvoir effectuer lchantillonnage en
respectant le thorme de Shannon.
Une fois le signal chantillonn obtenu, le traitement souhait peut tre effectu sur
les chantillons.
20
La reconstruction des rsultats analogiques, de large bande gnralement, partir

des chantillons traits ncessite une reconstruction (un bloqueur par exemple)
suivie dun filtrage passe-bas adquat (lissage) puis dune mise en forme identique
celle applique lentre afin de limiter la largeur de bande.
21
Ch. IV : SYSTEMES NUMERIQUES

I- SIGNAUX NUMERIQUES
II- SYSTEMES NUMERIQUES LINEAIRES INVARIANTS
III- EQUATION aux DIFFERENCES
I. SIGNAUX NUMERIQUES
1. Dfinitions

Un signal numrique x(k)= x(m). (m k ) est un signal discret dont lamplitude est
m
quantifie. La plage occupe par lamplitude dun signal numrique dfinit la gamme
dynamique de ce signal.
2. Signaux particuliers
Limpulsion unit
(k)=1 si k=0; (k)=0 si k0 (45)
Le saut unit
e(k)=0 si k<0 ; e(k)=1 si k0 (46)
(k) e(k)
1
k
k
1
recN(k)
0 k N-1
Fig.12
Remarque
(k)=e(k)-e(k-1) (47.1)

e(k)= (k-m) (47.2)
m 0
Fentre rectangulaire
rec N (k)=1 si 0k<N-1 (48.1)
rec N (k)=0 si k<0 ou kN (48.2)
Remarque
rec N (k)=e(k)-e(k-N) (49)
N 1
rec N (k)=
m 0
(k-m) (50)
Sinusode numrique
sin(k)=A.sin(2k/N-) , =2k0/N (51)
Elle est priodique en k, de priode N.
22
3. Energie et Puissance
N 1
Signaux nergie finie Ex= x 2 (k ) (52.1)
k 0
K / 2 1
1
Signaux puissance moyenne finie Px= Lim
K

K
x
m K / 2
2
(m) (52.2)
Les signaux x(k) alatoires sont considrs puissance moyenne finie E[x 2 (k)].
II. SYSTEMES NUMERIQUES LINEAIRES INVARIANTS
1. Dfinitions
Un systme numrique est un systme qui agit sur des signaux numriques en
produisant des signaux numriques exclusivement. On note S[x(k)] la sortie y(k) du
systme lorsque lentre est x(k).
Un systme numrique linaire et invariant (SNLI) obit aux rgles suivantes :
S [a. x1(k)+b. x2(k)]=a. S [y1.(k)]+b. S [y2(k)] (linarit) (53.1)
si S [x(k)]=y(k) alors S [x(k-k0)]=y(k-k0) (invariance) (53.2)
x(k) y(k)
S
Fig.13
2- Rponse impulsionnelle
(k) h(k)
S
Fig.14
On dmontre que pour un SNLI il existe un signal h(k) tel que la rponse y(k) du
systme tout signal x(k) soit la convolution :
y(k)=h(k)*x(k)= h(m) x(k m) (54)
m
h(k) est le signal de sortie du SNLI avec comme entre x(k)=(k), do lappellation
rponse impulsionnelle du systme (RI).
3 Rponse frquentielle
La rponse frquentielle (RF) dun SNLI est la transforme de Fourier H(f) de h(k).
Avec une priode dchantillonnage Te :
H(f)= h(kTe )e j 2fkTe (55)
k
23
Cette fonction est dfinie pour la variable continue f. Cette forme analogique de la
rponse frquentielle nest pas utilise, notons tout simplement quelle est priodique
de priode Fe (dailleurs lexpression ci-dessus est le dveloppement en srie de
Fourier de H(f)). On verra dans les chapitres suivants les modifications apporter
H(f) pour la rendre numrique et par la suite exploitable en pratique.
On vrifie facilement la relation entre/sortie :
Y(f)=H(f).X(f) (56)
Rappelons quen vertu du thorme de Parceval, lnergie de h(k) vaut la puissance

moyenne de H(f) (dualit temps/frquence) :
1
. h 2 (k ) H ( f ) df
Fe 2
(57)
Te k 0
4. Causalit, Stabilit
Causalit
Un signal x(k) est dit causal si sa valeur est nulle pour tout k strictement ngatif. De
mme un SNLI est dit causal si sa rponse impulsionnelle est causale.
Stabilit
Un SNLI est stable si sa rponse un signal de gamme dynamique borne est un

signal de gamme dynamique borne. En termes pratiques, un systme est stable si sa
sortie ne dgnre pas, lentre tant un signal ordinaire.
Thorme
Un SNLI de rponse impulsionnelle h(k) est stable si et seulement si :
h( k )
k
est fini (58)
5. Exemples
1. On considre le signal x(k)=recN(k+N/2) ; On suppose Te=1.

x(k)
1 N |X(f)|
k
-N/2 N/2-1 -1/2 1/2 f
Fig.15
Sa TF est donne par :
N / 2 1
X(f) = e
k N / 2
j 2fk
sin(fN )
X(f) = e jf (59)
sin(f )
24
2. La TF du signal retard x(k-k0) est donne par :

Y(f) = x[(k k
k
0 )Te ]e j 2fkTe
j 2fk 0Te
Y(f) = e X( f ) (60)
3. On considre un SNLI dont la RI est h(k)=a k e(k), avec |a|<1.
On cherche la rponse du systme lexcitation x(k)=recN(k).

1 a k 1
pour 0k<N : y(k)= (61.1)
1 a
N
k 1 a
pour Nk : y(k)= a (61.2)
1 a 1
III. Equations aux diffrences
Un systme peut tre entirement dfini par la donne de sa rponse RI h(k) ou sa RF

H(f). On peut aussi le dfinir par la donne dune relation de rcurrence entre les
entres et les sorties successives respectivement.
1. Dfinition
x(k) et y(k) tant lentre et la sortie dun SNLI, on dit que le systme est rgi
par une quation aux diffrences linaire coefficients constants dordre N si :
N M
an y(k n) bm x(k m)
n 0 m 0
(62)
Remarques :
Cest la version discrte des quations diffrentielles linaires coefficients

constants, la drive dx/dt tant remplace par la diffrence [x(k)-x(k-1)]/Te.
On doit disposer des M entres x(0)x(M-1) et des N sorties y(0)y(N-1) pour
pouvoir dmarrer le calcul itratif de y(k).
Implmentabilit algorithmique : On peut rsoudre lquation avec les
oprateurs lmentaires + et x uniquement.
Exemple :
On considre lquation aux diffrences de premier ordre :
y(k)=x(k)-a.y(k-1) (63)
avec la condition initiale :
y(k)=0 pour k<0
on cherche la rponse du systme lexcitation x(k)=e(k) (y(k) est appele rponse
indicielle du systme).
On obtient dune manire itrative :
y(0) = 1-a.y(-1)=1
y(1) = 1-a.y(0)=1-a
y(2) = 1-a+a 2
25
Et finalement :
1 (a) k 1
y(k)= e(k ) (64)
1 a
Avec dautres conditions initiales on aurait obtenu un autre rsultat.
La ralisation pratique de ce systme ncessite un additionneur, un retard (T e) et un
multiplicateur.
x(k) y(k)
Retard T
y(k-1)
-a
Fig.16
2. Rponse frquentielle
A partir de lquation aux diffrences, en prenant les TF, on obtient la

relation (Te=1) :
N M
Y(f). a n e j 2fn =X(f). bm e j 2fm
n 0 m 0
M
b m e j 2fm
Ou encore : H(f)= mN0 (65)
a e
n 0
n
j 2fn
Exemple :
Le systme de premier ordre y(k)=x(k)-ay(k-1) a pour RF :
1
H(f)= (66)
1 ae j 2f
H(f) est priodique de priode 1.
Les spectres de phase et damplitude scrivent pour 0 f 0.5 :
a sin(2f )
( f ) A tan g (67.1)
1 a cos(2f )
1
H( f ) (67.2)
1 a cos(2f ) 2
a sin (2f )
2 2
26
Spectre d'amplitude en dB
a=0.5
8
6
20Log(|H(f)|)
4
-2
-4
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Spectre de phase
0.8
data1
0.6
Phase
0.4
0.2
0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
frquence en Hz
Fig.17
27
Ch. V : TRANSFORMATION DE FOURIER DISCRETE
I- INTRODUCTION
III- TFD dun SIGNAL DUREE LIMITEE
IV- PROPRIETES de LA TFD
V- TFD des SIGNAUX A DUREE ILLIMITEE
VI- APPROXIMATION de LA TF des SIGNAUX ANALOGIQUES
I- INTRODUCTION
Soit x(kTe) un signal chantillonn. On peut l'crire sous la forme tendue suivante :
x(t)= x(kTe ) (t kTe ) (68)
k
Sa transforme de Fourier est la fonction de la variable continue f :
X(f)= x(kTe )e j 2fkTe (69)
k
La transformation inverse s'crit :
1
X ( f )e
j 2fkTe
x(kTe)= df (70)
Te
Proprits :
X(f+Fe)=X(f)
X(f) est priodique de priode Fe. Il suffit d'tudier le comportement de X(f) sur
l'intervalle [-Fe/2,Fe/2].
Dans le cas frquent d'un signal rel : X(-f)=X*(f)

Le module de X(f) est pair et son argument impair. Il suffit d'tudier le
comportement de X(f) sur l'intervalle [0,Fe/2].
L'expression de X(f) pose deux problmes pratiques de taille:
- La frquence f est une variable continue.

- Le nombre d'chantillons x(kTe) est illimit.
Pour pallier ces deux obstacles et pouvoir utiliser le moyen informatique, il faut
absolument :
Discrtiser la frquence
On prlve N frquences quidistantes parmi [-Fe/2,Fe/2] :

F = n. , n = -N/2,,N/2-1 ; = Fe/N
Limiter la dure de x(kTe)
On applique un fentrage W(x) appropri x(k) et on s'intresse la T.F. de W(x). Un

exemple simple de limitation :
W(x)(k)=recM(kTe).x(kTe) (71)
28
Fentre w Signal illimit Signal limit

x(t) W(x)
Fig.18
Les effets de ces deux oprations font l'objet principal de la suite de ce chapitre.
Dornavant, pour allger l'criture, on posera Te=1.
Notations =1/N, f=n/N, X(n/N)=X(n).

La transforme de Fourier discrte scrit alors:

X(n)= x ( k )e
k
j 2nk / N
, -N/2 n N/2-1 (72)
L'approximation de l'intgrale de Fourier inverse par une sommation donne, aprs

discrtisation :
1 N / 21
x(k) X (n)e j 2nk / N =xp(k)
N n N / 2
(73)
Exercice : Dmontrer cette approximation.
On s'intresse aux conditions, sur x(k), qui nous permettent de remplacer

l'approximation x(k) xp(k) par une galit exacte x(k) = xp(k).
On remarque tout d'abord que xp(k) est priodique de priode N dans la mesure o
X(n) l'est aussi.
En tayant lexpression de X(n) dans lapproximation, on obtient :
1 N / 21
xp(k)= x(m)e j 2n( mk ) / N
N n N / 2 m
(74.1)
En permutant les sommations :

xp(k)= x(m) e j 2n ( mk ) / N
1
m N n
(74.2)
En posant (m)= e j 2 ( m k ) / N on aura :

1
xp(k)= x(m) n (m) (75)
m N n
Dautre part :
1 N (m)
n (m) 1 (m)
n
(76)
est nul, sauf pour m-k multiple de N, auquel cas c'est gal N (Dmontrer ce
rsultat).
29
On obtient finalement :

xp(k)= x(k pN )
p
(77)
Le signal xp(k) est une rplique (rptition) de priode N du signal x(k).
Conclusion
Si la dure du signal x(k) est infrieure N, il n'y a pas de recouvrement, et sur une
priode N on peut crire x(k)= xp(k).
Autrement, si Le nombre dchantillons de x(k) dpasse N, un recouvrement a lieu, et
on ne doit pas confondre x(k) et xp(k).
III T.F.D. dun SIGNAL de DUREE LIMITEE N
Elle s'crit :
k 0 N 1
X(n)= x ( k )e
k k0
j 2nk / N
, n= -N/2,..N/2-1 (78.1)
La transformation inverse :
1 N / 21
x(k)= X (n)e j 2nk / N , k= k0,k0+N-1
N n N / 2
(78.2)
Ainsi, X(n) tant la TFD du signal x(k), la reconstitution de x(k) partir de X(n)
ncessite la connaissance a priori de l'intervalle [k0,k0+N-1] qui contient les
chantillons x(k). En gnral on considre k0 =-N/2 ou k0=0.
Remarque
Dans le cas des signaux priodiques, la dfinition de la TFD prend la mme forme, N
tant la priode du signal et k0=0.
IV- PROPRIETES DE LA T.F.D.
Linarit
Soit x(k)=a.x1(k)+b.x2(k), alors X(n)=a.X1(n)+b.X2(n)
Les coefficients X(n) sont calculs pour N=Sup(N1,N2). A dfaut d'chantillons, on
complte par des zros pour des signaux non priodiques.
Corrlation
La corrlation de x(k) et y(k) de mme dures N est dfinie par :

N 1
Rxy(k)= x(m) y (m k ) , k=0N-1 (79)
m 0
La TFD de la fonction Rxy est :
xy(n)=X*(n)Y(n) (80)
Dcalage
Posons y(k)=x(k-k0), avec k0N. On a :
Y(n)= e j 2nk0 / N X(n) (81)
30
Convolution
La convolution de x(k) et y(k) de mme dures N est dfinie par :

N 1
z(k)= x(m) y(k m) , k=02N-2
m 0
(82)
La TFD de la fonction z(k), qui a une dure 2N-1, est :
Z(n)=X(n)Y(n) (83)
V- TFD des SIGNAUX DUREE ILLIMITEE
Soit x(k) un signal dure illimite et non priodique. La dfinition de la TFD dans ce
cas passe par une limitation dans le temps de l'tendue de ce signal.
Ceci revient multiplier x(k) par une fentre w(k) de largeur N (fentre temporelle)
pour obtenir un signal dure limite xw(k). Le choix de w(k) se fait de faon
contenir le plus grand nombre d'chantillons importants de x(k).
La transforme de Fourier de w(k) est appele fentre spectrale W(f).
X(f) et Xw(f) tant les TF de x(k) et xw(k) respectivement, on a :
1
Xw(f)= X (u )W ( f u )du (84)
0
Ceci dcoule du fait que la transforme dun produit gale le produit de convolution
des transformes.
La TFD Xw(n) de xw(k) reprsente approximativement un chantillonnage de X(f)
limit N coefficients.
Formes de la fentre spectrale
W(f), de priode 1, est gnralement compose d'un lobe central principal autour de
zro et de lobes secondaires qui sattnuent rapidement avec f. Ainsi pour une fentre
rectangulaire de largeur N+1 :
w(k)
1 N |W(f)|
Lw fs
k
-N/2 N/2 -3/N -1/N 1/N 3/N f
Fig.19
sin(fN )
w(x)= recN(k+N/2) avec N/2kN/2 W(f)=
sin(f )
On caractrise la fentre spectrale par :
La largeur Lw du lobe principal :

Lw =2/N (85.1)
Qui dpend de N.
31
Le rapport, en dB, rw entre la valeur W(fs) du pic du lobe secondaire le plus

proche et W(0) :
W ( fs )
rw =20log (85.2)
W (0)
Plus ces deux paramtres sont faibles, plus la fentre est intressante.
Lapproximation par X(n) de X(f) fait que des oscillations apparaissent autour des
discontinuits de X(f) (phnomne de Gibbs).
Dans le cas de la fentre rectangulaire :

1
rw =20log| |=-13dB (pour N=9)
4.5
Fentre de Hamming
w(k) = 0.5[1+cos(2k/N)] (86)
Fentre de Blackman
L
m
w(k) = a0+2 a m cos(2k ) (87.1)
m 1 N
L
Avec : a0+2 a m =1 (87.2)
m 1
Exercice : Visualiser ces trois fentres laide de Matlab et observer leurs effets
respectifs sur des signaux choisis.
VI- Approximation de la T.F. des signaux analogiques
L'estimation du spectre d'un signal analogique est une discipline cruciale du

traitement du signal. La ralisation d'analyseurs de spectre analogiques basses
frquences se fait avec beaucoup de difficults (stabilit, prcision rduite..). Les
analyseurs de spectre numriques (quoique leurs bandes soient limites) prsentent
plus d'avantages et exploitent l'existence d'algorithmes rapides de calcul de la TFD
(FFT) pour estimer la TF des signaux analogiques.
1. Signaux priodiques
Soit xp(t) un signal priodique de priode T0 et xp(t,T0) sa restriction l'intervalle

[0,T0] dont la TF est note Xp(f,T0).
La TF de xp(t) est l'chantillonnage frquentiel, avec une cadence F0=1/T0, de
Xp(f,T0) :
1 T0
Xp(nF0)=
T0 0
x p (t )e j 2nF0t dt (88.1)
xp(t)= X p (nF0 )e j 2nF0t (88.2)

n
Les frquences nF0 dfinissent les harmoniques.

Oprons un chantillonnage du signal priodique xp(k) avec une cadence
Te=1/Fe=T0/N de faon prlever N valeurs xp(k), 0kN-1.
La TFD de xp(k) est la rptition de priode Fe de Xp(nf0).
On suppose que N englobe le spectre utile de xp(t). Le thorme
d'chantillonnage exige Nf0 Fe , ce qui est vrifi par Te=T0/N.
32
L'approximation de l'intgrale par une sommation discrte donne :

1 N 1
Xp(nF0)
T0 k 0
x(kTe )e j 2nF0 kTe (89.1)
N 1
1
x(kT
j 2nk / N
Xp(nF0) 0 / N )e (89.2)
N k 0
Qui s'identifie la TFD de xp(k) au facteur 1/N prs.

On peut conclure immdiatement :
La TFD des chantillons d'un signal priodique donne la TF du signal
analogique correspondant en plus d'autres chantillons de la TF d'une priode du
signal considr.
2. Signaux nergie finie
La transforme de Fourier d'un signal analogique xa(t) s'crit:

Xa(f)= x a (t )e j 2ft dt

xa(f)=

X a ( f )e j 2ft df
Oprons un chantillonnage de xa(t) de pas t; L'approximation de la TF donne :
Xa(f)t xa (kt )e
j 2fkt
(90)
k
Oprons maintenant un chantillonnage de Xa(f) de pas f; L'approximation ci-

dessus et son inverse deviennent :
Xa(nf)t xa (kt )e
j 2nkft
(91.1)
k
xa(kt)f X a (nf )e
j 2nkft
(91.2)
n
Le thorme d'chantillonnage ne pouvant tre respect la fois pour t et f (xa(t) et

Xa(f) ne peuvent tre supports borns simultanment), un repliement de spectre est
invitable.
Posons N=1/(f.t) soit, f=1/(N.t)=1/T o N.t=T est la dure d'observation du
signal analogique. Les deux signaux numriques xa(kt) et Xa(nf) sont priodiques
de mme priode N . Finalement les approximations s'crivent :
N 1
Xa(n)t x a (k )e
j 2nk / N
(92.1)
k 0
1 N / 21

j 2nk / N
xa(k) X a ( n )e (92.2)
Nt n N / 2
Ce sont les approximations des TF intgrales directe et inverse d'un signal
analogique. On remarque que c'est la TFD des facteurs multiplicatifs prs.
Remarques
La TFD d'un signal numrique est priodique de priode N, la TF est
priodique de priode 1/t.
Rsolution spectrale (frquentielle) :
Plus la dure d'observation T est grande, plus l'cart entre les composantes
frquentielles Xa(n/T) est faible et plus la TF Xa(f) est approche par la TFD.
33
Ch. VI : TRANSFORMEE DE FOURIER RAPIDE (FFT)
I- Mise en forme
II- Algorithme
III- Mise en oeuvre
IV- Organigramme et programme
La Transforme de Fourier rapide ou TFR (due COOLEY&TUKEY et plus connue

sous le nom anglais Fast Fourier Transform ou FFT) est la plus importante des
transformations utilise par la communaut des traiteurs de signaux. Son importance
est due non seulement au rle quelle joue en traitement digital des signaux, mais
aussi a la possibilit de pouvoir lutiliser dans plusieurs domaines scientifiques. Son
expression mathmatique nest pas diffrente de la TFD. Elle est tout simplement un
algorithme : un moyen efficace et conomique pour calculer la TFD.
I- Mise en forme la TFD :
Nous avons vu que la transforme de Fourier discrte d'un signal x(n) scrit :
N 1 j 2
k
X ( n ) x ( n )e
n
N
n = 0, 1N-1 (93)
k 0
Notation:
On dfinit :
2
j 2 2
WN e N
cos( ) j. sin( ) (94)
N N
Les puissances de WN pour n 0,..., N 1 divisent le cercle unit en N angles gaux :
2
jn 2 2
W e
n
N
N
cos(n ) j. sin( n ) (95)
N N
Fig.20
Le facteur WN (facteur de rotation) vrifie :
wN 1
Priodicit : W Nk N W Nk
N
k
Symtrie : WN 2
WNk
34
Puissance : W N2 W N
2
N 1
La TFD peut alors s'crire : X (n) x(n)WNnk (96)
k 0
Si on spare les lments d'ordre pair et impair, on obtient :
X ( n) x(n)W
kpair
nk
N x(n)W
kimpair
nk
N
Ou encore :
N
1 N
1
X (n) x(2k)W x(2k 1)WN(2k1)n

2 2
2kn
N
k 0 k 0
N
1 N
1
x(2k) W x(2k 1)W

2 2
2 kn 2 kn
N W n
N N
k 0 k 0
Soit :
N
1 N
1
X (n) x(2k )W N W x(2k 1)W

2 2
nK n
N
kn
N (97.1)
2 2
K 0 k 0
Ou encore : X (n) G (n) WNn H (n) (97.2)
G(n) tant la TFD de la suite constitue des lments d'ordre pair de x(n) ; H(n) est
la TFD de la suite constitue des lments d'ordre impair de x(n).
Bien que n varie de 0 N-1, G(n) et H(n) ne seront calcules que pour N/2 valeurs du
moment qu'elles sont priodiques de priode N/2.
Ainsi apparat l'ide de base de la FFT qui est de dcomposer une TFD d'ordre N en
plusieurs TFD d'ordres infrieurs car on peut vrifier dans ce cas que le nombre
d'oprations effectu est plus rduit.
II- Algorithme de la FFT
Traitons le cas N=8 : G(n) et H(n) tant priodiques de priode 4, on a :
G(7) = G(3) , H(7) = H(3) (98)
Ce qui donne l'expression suivante de X(7) :
X (7) G (7) W87 H (7) G (3) W87 H (3) (99)
Cette dmarche peut tre reprsente sur le diagramme ci-dessous ( cas N=8).
35
G(0)
x(0) X(0)
0
TFD G(1) Wn
x(2) X(1)
1
G(2) Wn
x(4) X(2)
N/2 points 2
G(3) Wn
x(6) 3 X(3)
Wn
H(0) 4
x(1) Wn X(4)
TFD H(1) 5
Wn X(5)
x(3)

H(2) 6
x(5) Wn X(6)
N/2 points
H(3) 7
x(7) Wn X(7)
Fig.21 : Dcomposition d'une TFD d'ordre 8 en 2 TFD d'ordre 4
G(0)
x(0) TFD o X(0)
W8 W80
2points G(1)
x(4) X(1)
W82 W81
G(2)
x(2) TFD 4
X(2)
W8
G(3) W82
2points
x(6) X(3)
W86 W83
H(0) W84
x(1) TFD o X(4)
W8
2points H(1) W85
x(5) X(5)
W82
H(2) W86
x(3) TFD 4
X(6)
W8
2points H(3) W87
x(7) X(7)
W86
Fig. 22 : Dcomposition d'une TFD d'ordre 8 en 4 TFD d'ordre 2
En appliquant la mme procdure que prcdemment, nous pouvons de nouveau

dcomposer les TFD 4 points en des TFD 2 points. Pour cela il faut que N/2 soit
pair, ce qui est toujours le cas si on a pris le soin de prendre un nombre N qui est une
puissance de 2. On obtient (Fig.22) :
N
1 N
1
G(n) g (2k )W N W N g (2k 1)W

2 2
nK n kn
N (100.1)
2 2 2
K 0 k 0
N
1 N
1
H (n) h(2k )W N W N h(2k 1)W

2 2
nK n kn
N (100.2)
2 2 2
K 0 k 0
La TFD lmentaire deux points scrit :
36
X (n) x(0)W20 x(1)W2n (101)
X (0) x(0)W20 x(1)W20

, k=1 (102)
X (1) x(0)W2 x(1)W2
0 k
Sachant que W20 = 1 et W2 = -1 on obtient le graphe ci-dessous connu sous le nom de

papillon :
x(0) X(0)
x(1) X(1)
-1
Fig. 23 : Papillon d'une TFD 2 points
En injectant cette structure dans le graphe de la figure prcdente on obtient :
x(0) X(0)
x(4) X(1)
-1
1
x(2) X(2)
-1
W82
x(6) X(3)
-1 -1
1
x(1) X(4)
-1
W81
x(5) -1 -1 X(5)
1 W82
x(3) -1 X(6)
-1
W82 W83
x(7) -1 -1 X(7)
-1
Fig. 24 : Algorithme FFT pour N=8
Bien que ce graphe paraisse assez simple, l'laboration d'un algorithme gnral
fonctionnant pour toutes les valeurs de N n'est pas sans difficults.
III- Mise en uvre de lalgorithme
On remarque d'abord que la squence d'entre n'est pas ordonne, il faut donc
commencer par crire un algorithme ralisant ce classement, dit classement binaire
invers. En effet, on remarque que si on crit les indices ordonns en binaire et si on
inverse lordre de droite gauche, on obtient le classement recherch.
37
indices non classs Binaire Binaire invers indices classs

0 000 000 0
1 001 100 4
2 010 010 2
3 011 110 6
4 100 001 1
5 101 101 5
6 110 011 3
7 111 111 7
On pourrait utiliser cette proprit pour crire un algorithme de classement mais

nous avons prfr crire un algorithme qui retrace la dmarche qui consiste
dcomposer une TFD en d'autres TFD d'ordre plus faible.
Cette dmarche est la suivante :
On part de la squence initiale x(n) avec les indices non classs (dans
l'ordre) et on construit deux squences, l'une contenant les lments
d'ordre (d'indice) impair et l'autre les lments d'ordre pair.
On refait la mme opration avec chaque squence jusqu' ce qu'on
obtienne des squences deux lments.
Exemple pour N=8 :
x(1)
x(1)
x(5)
x(1) x(3)
x(2) x(5)
x(3)
x(3) x(7)
x(7)
x(4)
x(5)
x(2)
x(6) x(2)
x(6)
x(7) x(4)
x(8) x(6)
x(4)
x(8)
x(8)
Fig. 25 : Dmarche de l'algorithme de classement
Pour la commodit de programmation sur MATLAB, les indices commencent 1 et

non 0.
Remarque :
La premire squence (tage) contient 1 paquet de 8

Le deuxime tage contient 2 paquets de 4
Le troisime tage contient 4 paquets de 2
D'une faon gnrale :
Le nombre d'tage est n tel que N = 2n
38
Le nombre de paquets par tage est l = 2i , i est l'indice de l'tage, on ne

traite que n-1 tage, le dernier tage est dj class (i = 0,1, . . . n-2)
La taille des paquets de l'tage i est M = N/l
Les indices de dbut et de fin du paquet k sont d=(k-1)*M+1 , f=d+M-1
tage (i=0:1) 0 1
nombre de paquets (l= 2i) 1 2
Taille paquet (M=8/l) 8 4
indice dbut et fin paquet 1 paquet 2 paquets (k=1:2)
( d=(k-1)*M+1) d=1 k=1 d=1, f=4
(f=d+M-1) f=8 k=2 d=5, f=8
Maintenant on peut entamer l'algorithme de la FFT proprement dit. En observant le

graphe de la figure (fig.), on peut dterminer une dmarche gnrale pour le calcul
d'une TFR N points :
Le graphe est constitu de n tages tels que N = 2n

L'tage k contient M paquets de papillons tels que M = 2n-k
Les points des papillons de l'tage k sont spars de p = 2k-1 (Taille des
papillons)
Si on observe l'exemple N=8 (
Fig. ), le 3me tage est constitu d'un paquet de 4 papillons de taille 4.
Chaque papillon 'possde' un coefficient crit devant son coin bas-gauche.
On remarque que les 4 coefficient sont les puissance d'un coefficient de
base qui est dans ce cas, W81 , les 4 coefficient sont W81 W81 W81 W81 .
0 1 2 3
On peut maintenant gnraliser et dire que le coefficient de base de chaque

1
- 1 p et au papillon i de chaque paquet

N N 1
tage est WB = WN WN
p
2p 2
correspond le coefficient W B .
i 1
On remarque que le premier coefficient d'un paquet est toujours 1 puisque c'est
toujours (WB)0, On commence donc avec un coefficient W=1, et chaque changement
de papillon, on multiplie le coefficient par WB .
IV- Organigramme et programme FFT
Si on note x la squence d'entre d'un tage et X sa squence de sortie, on obtient

l'algorithme suivant :
39
pour k = 1 n faire (tage)
p = 2k-1 taille papillon
Wb = (-1)1/p coef de base
M = 2 n-k nombre de paquets
pour m = 1 M faire (paquet)
W=1 coef de dpart
indice dbut
d = 2p(m-1) + 1 paquet
pour i = 1 p faire (papillon)
indice 1er point

l =d+i -1 du papillon
multiplication
x(l+p) = W.x(l+p) par coef.
X(l) = x(l) + x(l+p) calcul sortie

X(l+p) = x(l) - x(l+p) papillon
coef du
W = W * Wb papillon suivant
fin boucle i
fin boucle m
les sorties de l'tage trmin
x=X deviennent les entre du prochain
fin boucle k
Fig.26 : Organigramme de l'algorithme de la FFT
Voici la transcription sous MATLAB des deux fonctions prcdentes :
function y=bitrvrs(x);
x=x(:);
N=length(x);
n=log2(N);
for i = 2.^(0:n-2) % nombre de paquet chaque passage
y=[];
M=N/i; % taille du paquet
for k=1:i % traitement paquet par paquet
d=(k-1)*M+1; % dbut du paquet
f=d+M-1; % fin du paquet
y=[y; x(d:2:f); x(d+1:2:f)]; % les lments impairs puis paires
end;
x=y; % pour le prochain passage
end;
function X=myfft(x)
N=length(x);
n=log2(N);
if ~(N == 2^n)
disp('pour l''instant cet algorithme ne fonctionne que pour N=puissance de 2');
return;
40
end;
x=x(:);% Classement
x=bitrvrs(x);
X=zeros(size(x));
for k = 1 : n %indice des tages
p = 2^(k-1); % le pas entre points de chaque butterfly
Wb = (-1)^(1/p); % coficient de base
M = 2^(n-k); % nombre de paquets de butterfly
for m = 1 : M % indice paquet
W=1; % coficient de dpart
d = (m-1)*2*p+1; % indice debut paquet
for i = 1 : p % indice butterfly dans paquet
l = d+i-1; % indice 1er point du butterfly
x(l+p)= W*x(l+p);
X(l) = x(l) + x(l+p);
X(l+p) = x(l) - x(l+p);
W = W * Wb; % pour le prochain passage
end;
end;
x = X; % les sorties de cet tage = entres tage suivant
end;
Exemples dexcution de myfft : X=myfft ([0 4 1 8 5 6 9 8])
X=
41.0000 -6.4142 - 9.4142i -5.0000 - 6.0000i -3.5858 + 6.5858i
-11.0000
-3.5858 - 6.5858i -5.0000 + 6.0000i -6.4142 + 9.4142i
Y=myfft ([1 5 9 8 ])
Y=
23.0000
-8.0000 - 3.0000i
-3.0000
-8.0000 + 3.0000i
41
Ch. VII : MODULATIONS NUMERIQUES

I- Introduction
II- Principe de modulations numriques
III- Modulation ASK
IV- Modulation PSK
V- Modulation QAM
VI- Modulation FSK
VII- Applications
_______________________________________________________________________________
I- Introduction
On se propose denvoyer un flux de donnes {ck=ak+j.bk} partir dun metteur et

vers un rcepteur. Le milieu de transmission qui spare lmetteur et le rcepteur
peut tre un cble, une fibre optique ou un canal radiolectrique.
La modulation consiste adapter les donnes ou le signal mettre au canal de
transmission ; Ceci en modifiant les paramtres dune onde, dite porteuse, centre
sur la bande passante du canal.
La porteuse tant s(t)=A.cos(2f0t+0), les paramtres qui peuvent tre modifis
pour porter les donnes sont :
Lamplitude A : On parle de modulation par dplacement damplitude
(ASK : Amplitude Shift Keying).
La phase 0 : On parle de modulation par dplacement de phase (PSK :
Phase Shift Keying).
La frquence f0 : On parle de modulation par dplacement de frquence
(FSK : Frequency Shift Keying).
II- Principes de modulations numriques
1- Formulation gnrale
Les donnes transmettre, tant issues dune source binaire, sont codes et mises
sous forme dun signal appel signal modulant en bande de base :
c(t ) ck (t ) (103.1)
k
c(t ) a (t ) j.b(t ) (103.2)
c k (t ) c k . Re cT (t kT )
(103.3)
c k a k j.bk
Les modulations ASK et PSK transforment le signal c(t) pour donner le signal
modul :

m(t ) Re c k (t ).e j (0t 0 ) (104.1)
k
m(t ) a(t ).cos(0 t 0 ) b(t ).sin(0 t 0 ) (104.2)
a(t) module la porteuse en phase cos(2f0t+0) et b(t) module la porteuse en

quadrature sin(2f0t+0) : On les appelle composante en phase (I) et composante en
quadrature (Q).
42
2- Lalphabet
Les symboles ak et bk prennent leurs valeurs respectivement dans lensemble ou

lalphabet {A1,AM} et {B1,BM}. La transmission est dite M-aire.
Pour M=2 la transmission est binaire, c'est--dire que ak et bk prennent lune des
valeurs 0 ou 1.
3- La constellation
A chaque symbole mis correspond un signal lmentaire :
mk (t ) ak . Re cT (t T ).cos(0 t 0 ) bk . Re cT (t T ).sin(0 t 0 ) (105)
Une reprsentation dans le plan complexe faisant correspondre chaque signal

lmentaire mk(t) un point Ck=Ak+Bk sappelle une constellation (Elle comporte
autant de points que lalphabet). Elle nous permettra de diffrencier les types de
modulations.
Ck est le phaseur de mk(t) : son module est E , E tant lnergie de mk(t) et sa phase
celle de mk(t). e j0t .
Im Ck
bk
Re
ak
Fig. 27 : Constellation dune modulation numrique
Le choix du type de modulation revient au choix de la rpartition des symboles dans

la constellation :
Il faut que les points soient aussi loigns que possible les uns des autres afin
dviter au dmodulateur les confusions entre symboles diffrents et par la
suite afin de minimiser les risques derreurs la rception.
Il faut que lnergie des signaux lmentaires soit la plus faible possible afin
dconomiser la puissance lmission. Ceci contraint les points sagglomrer
autour de lorigine.
Cest le compromis entre ces deux exigences ainsi que loccupation spectrale du signal
modul et la simplicit de ralisation qui dictent le choix de telle ou telle modulation.
III- Modulation ASK
Il ny a pas de porteuse en quadrature (modulation mono dimensionnelle) :
m(t ) ak . Re cT (t k.T ).cos(0 t 0 ) (106)

k
43
Modulation binaire (Tout ou Rien : OOK on off keying) :

Lalphabet comporte deux symboles {0, a} :
m(t)
T
a(t)
a0 t
0 1 1 0 0 1
Fig. 28
La constellation comporte deux points sur laxe en phase :
Fig.29 : Modulation OOK

Modulation ASK M symtrique :
On a M=2n amplitudes possibles ai mettre. La modulation symtrique utilise le
code de Gray faisant que deux points voisins de la constellation diffrent dun seul
bit :
ai = (2.i-M+1).a, i=1,M (107)
000 001 011 010 110 111 101 100
Fig. 30 : Modulation ASK-8

IV- Modulation PSK
Les symboles ck sont rpartis sur un cercle :

c k e j . k (108.1)
2
k k. , si M>2 (108.2)
M M
k 0, , si M=2 (108.3)
Le signal modul sur lintervalle [k.T, (k+1).T[ scrit :
m(t ) a. cos(0 t 0 k ) (109.1)

m(t ) a. cos(0 t 0 ).cos( k ) a. sin(0 t 0 ).sin( k ) (109.2)
44
Modulation BPSK (Binary PSK) :
n=1, M=2 :
m(t ) a. cos(0 t 0 ) (110.1)
k 0, (110.2)
c k e j . k 1,1 (110.3)
Elle est identique la modulation ASK 2 symtrique.
Fig. 31 : Modulation PSK-8
V- Modulation QAM (Quadrature amplitude modultaion)
Cest une modulation sur les deux porteuses en quadrature (bidimensionnelle) :
m(t ) a(t ).cos(0 t 0 ) b(t ).sin(0 t 0 )
Les signaux a(t) et b(t) modulent en amplitudes les deux porteuses en quadrature
cos() et sin().
Les symboles ak et bk prennent leurs valeurs dans deux ensembles M=2n tats.
Modulation QAM-16 :
Les symboles prennent leurs valeurs dans lalphabet d ,3d o d est une constante
donne :
Fig. 32 : Modulation QAM-16
On peut considrer la modulation QAM comme une modulation simultane de

lamplitude et de la phase.
45
En effet pendant une priode T :
m(t ) ak . cos(0 t 0 ) bk . sin(0 t 0 ) Ak . cos(0 t 0 k ) (111.1)

b
Ak a k2 bk2 ; k arctg( k ) (111.2)
ak
Ainsi en maintenant Ak constant cest une modulation de phase et si on prend les bk
nuls cest une modulation damplitude.
VI- Modulation FSK
Le signal modul scrit :

m(t ) Re e j . k (t ) .e j (0t 0 ) (112)
k
Ou encore en prenant lorigine des phases de la porteuse zro et pour une priode
T:
m(t ) cos(2f 0 t k (t )) (113)
Les symboles mettre sont injects dans lexpression de k (t ) . La frquence

instantane de m(t) est la drive de sa phase :
1 d k (t )
f (t ) f 0 . (114)
2 dt
1 d k (t )
O f0 reprsente la frquence centrale et . lexcursion ou dviation de
2 dt
frquence.
Chaque symbole ak correspond une frquence instantane caractristique diffrente

de celles affectes aux autres symboles.
Notons f la diffrence correspondant lmission de deux symboles adjacents
appartenant lalphabet 1,3,... (M 1). Lexcursion de frquence scrit alors en
fonction des symboles :
1 d f
. ak . Re cT (t k.T ) (115)
2 dt 2 k
Ce qui donne pour lmission dun symbole :
k (t ) .f .ak .(t k.T ) k (kT ) (116)
O k (kT ) est une constante dintgration. On en dduit la frquence instantane du

signal modul :
f
f (t ) f 0 .a k (117.1)
2
f
mk (t ) cos2 ( f 0 .a k ).t (117.2)
2
On peut dj distinguer la FSK phase discontinue : Aux instants kT de transition la
phase nest pas continue (sauts) et la FSK phase continue.
46
Le choix de lune ou de lautre affecte directement le spectre de m(t) (les transitions

largissent le spectre).
VII- Applications
La modulation damplitude est simple raliser mais assez peu employe pour plus
de deux symboles car ses performances deviennent moins bonnes que celles dautres
modulations notamment cause de sa vulnrabilit au bruit.
On dnombre plusieurs domaines dapplication des modulations numriques. Ans
tre exhaustif, on peut citer :
Les modems tlphoniques :
La transmission dun haut dbit sur le canal tlphonique (de bande passante 3.5
kHz) a ncessit la mise en uvre de modulations grand nombre de symboles :
QAM-16, QAM-32, QAM-128. On assiste aujourdhui au dveloppement de modems
VFast dont le dbit atteint 20Mbits/s sur des liaisons de bonne qualit.
Les faisceaux hertziens
Au dbut de la numrisation les faisceaux hertziens utilisaient des modulatins

simples comme la PSK-4, mais loptimisation de lusage du spectre radiolectrique
disponible a ncessit le dveloppement de faisceaux grand nombre dtats :QAM-
64. Cest la modulation QAM-16 qui a permis la transmission dun dbit de
140Mbits/s dans la bande 6.4-7.1Ghz pour 40Mhz despacement inter canal.
En lan 2000 des faisceaux hertziens offrent un dbit de 280Mbits/s en utilisant la
QAM-256.
Les transmissions par satellite
Les transmissions par satellite sont caractrises par une forte attnuation de lespace
et une puissance limite de lmetteur bord. Ceci privilgie limmunit au bruit au
dtriment de lefficacit spectrale des liaisons. Les modulations souvent utilises sont
les PSK-2,4,8.
Le standard en Europe pour la radiodiffusion de la tlvision numrique par satellite
est bas sur la PSK-4.
Les radiocommunications avec les mobiles
Les systmes cellulaires amricains et japonais utilisent une modulation diffrente de

celle employe en Europe :La /4-DQPSK qui est une PSK-4 particulire. En Europe
cet la modulation GSM (groupe special mobile) qui est utilise : Cest une modulation
enveloppe complexe constante appele GMSK (gaussian minimum shift keying).
Le train de donnes mis dans une bande de 200kHz est un multiplex de 8 canaux
tlphoniques, le dbit global est de 270kbits/s environ.
Systmes cellulaires Amricain Japonais Europen

Standard IS-54/-56 PDC GSM
Gamme de frquences RX :869-894 RX :810-826 RX :925-960
Tx :824-849 Tx :940-956 Tx :880-915
Nombre de canaux 832 1600 124
Nombre dusagers par canal 3 3 8
47
Espacement des canaux 30kHz 25kHz 200kHz

Modulation /4-DQPSK /4-DQPSK GMSK
Dbit binaire 48.6kbits/s 42kbits/s 270kbits/s
La radiodiffusion
En radiodiffusion numrique sonore on utilise la technique COFDM (coded

orthogonal frequency division multiplexing) qui offre 16 anaux stro occupant une
bande de 4Mhz environ.
La TNT (tlvision numrique terrestre) est base sur la COFDM qui ncessite une
QAM-64 (grande efficacit spectrale) afin de pouvoir diffuser une chane haute
dfinition ou 3 4 chanes standards occupant une bande de 8Mhz.
48
Ch. VIII : FILTRAGE et DENSITES SPECTRALES
II. FILTRAGE
1. Dfinition
On dfinit s ( f ) , la densit spectrale dun signal s(t) comme tant la transforme de

Fourier de sa fonction dautocorrlation Rs ( ) :
s ( f ) = Rs ( )e j 2f d (118)

De mme que pour les signaux numriques, la densit spectrale est la TFD
(Transforme de Fourier Discrte) de la fonction dautocorrlation.
Remarque : Ceci est en ralit le thorme de Wienner-Khintchine.
Densit spectrale dnergie
s(t) tant un signal rel nergie finie :

Rs ( ) s(t ) s(t )dt (119.1)

s ( f ) S( f )
2
(120.2)
Exemple :
s(t)=Rec(t/T) (121.1)
S(f)=T. sinc(T.f) (121.2)
s ( f ) =T 2 sinc 2 (T.f) (121.3)
O
sin(x)
sinc(x)= (122)
x
Dsigne le sinus cardinal de x.
2 s( f )
s(t) T
1
-T/2 T/2 t 1/T 2/T f
Fig.33
Densit spectrale de puissance (DSP)
En divisant la densit spectrale dnergie (120.2) par la dure du signal, on en tire la

densit spectrale de puissance moyenne.
1. Signaux priodiques :
1
Rs ( ) s(t ) s(t )dt (123.1)
T T
49

s ( f ) Cn ( f n / T )
2
(123.2)

Exemple :
s(t)=A.sin( 2f 0 t ) (124.1)
A A
s(t)= e j e j 2f 0t e j e j 2f 0t (124.2)
2j 2j
A j
C1 C1 e (124.3)
2j
A2 A2
s( f ) ( f f0 ) ( f f0 ) (124.4)
4 4
s( f )
2
A /4
-f0 f0 f
Fig.34
Remarques
On peut dduire la fonction dautocorrlation en prenant la TF inverse de

A2
s ( f ) : Rs ( ) = .cos( 2f 0 ).
2
A2
La puissance moyenne totale est rpartie galement en deux raies de poids
2
A2
aux frquences f0 et f0.
4
2. Signaux non priodiques puissance moyenne finie :
T /2
1
T T/ 2
Rs ( ) Lim
T

s(t ) s(t )dt (125.1)
s ( f ) TFR( Rs ( )) (125.2)
3. Signaux alatoires :
Rs( )=E[s(t)s(t- )] (126.1)

s ( f ) TFR( Rs ( )) (126.2)
Exemple :
Un bruit blanc b(t) possde une fonction dautocorrlation :
Rb ( ) = 2 ( ) (127.1)
Indiquant que tous les chantillons de b(t) sont dcorrls. Dans ce cas :
b( f ) 2 (127.2)
50
Ce qui signifie que le bruit est prsent, avec la mme puissance moyenne, pour toutes
les frquences utilises.
2. Proprits
La densit spectrale est une fonction relle positive et paire dans le cas des
signaux rels.
Rs(0) reprsente la puissance moyenne ou lnergie totales du signal.
Si la densit renferme une impulsion de Dirac la frquence zro, cela dcle
une composante continue dans le signal s(t).
La puissance ou lnergie du signal confine dans la bande [f0-f, f0+f] est :
f 0 f
s ( f )df (128)
f 0 f
Si f est assez faible : s ( f 0 )f , ce qui justifie lappellation densit.

Notons enfin que la densit spectrale est homogne une nergie.
II. FILTRAGE LINEAIRE
1. Dfinitions
On recours au filtrage dun signal soit pour :
Eliminer ou attnuer une partie de son spectre
Spectre du signal original Spectre du signal filtr
filtrage bande filtre
Fmax f Fmax Si ( f , T ) f2
( f ) Lim T E

Fig.35 T
Le dbarrasser dun bruit
Signal original bruit Signal filtr
filtrage
t t
Fig.36
51
Rponse impulsionnelle dun filtre
Un filtre linaire invariant est caractris par une rponse impulsionnelle (RI) note
h(t), qui reprsente la sortie du filtre lorsque lentre ou lexcitation est une impulsion
de Dirac.
La TF de h(t) est la rponse frquentielle (RF) H(f) du filtre, dont le module est le
spectre damplitude et largument le spectre de phase.
y(t)=x(t)*h(t
x(t)
Filtre )
Linaire
Y(f)=X(f)H(f)
Fig.37
On dmontre que la sortie y(t) du filtre est la convolution de lentre x(t) avec la
rponse impulsionnelle h(t) :

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

(129.1)
Qui scrit en pratique (x et h sont causals c.a.d nuls pour les instants ngatifs) :
t
y(t) = h(u ) x(t u )du (129.2)
0
Interprtation :
La sortie y(t) du filtre linstant t est la somme de toutes les entres x(t-u) aux
instants prcdents t, pondres par les coefficients h(u) (sorte de mmoire du filtre).
Cette relation se traduit au niveau des frquences par un produit simple des
transformes : Y(f) = H(f).X(f).
Dans le cas dun signal alatoire :
y( f ) x( f ) H( f )
2
(130)
Exemple : Cellule RC
x(t)
C y(t)
Fig.38
Ce filtre analogique est rgi par lquation diffrentielle de premier ordre

coefficients constants :
R.C.y(t)+y(t)=x(t) (131)
52
Si on prend la transforme de Fourier, on obtient :
RC.(j2f).Y(f)+Y(f) = X(f) (132.1)
1
H(f)= (132.2)
f
1 j
f0
1
En posant : f 0 , RC .
2
La transforme de Fourier inverse donne la rponse impulsionnelle de la cellule :
t
1
h(t ) e .u (t ) (133)

O lchelon unit est dfini par : u(t)=0 si t< 0 et 1 sinon.
Rponse indicielle
Si lexcitation est un chelon, la rponse (dite indicielle) peut tre calcule

directement :
t

h1 (t )

h(v)u(t v)dv (1 e ).u(t ) (134)
1. Stabilit et causalit dun filtre
On dfinit la stabilit dun filtre par la proprit suivante :

Un filtre est stable si la sortie y(t) est borne lorsque lentre x(t) est borne :
M 0 ||y|| M.||x|| (135)
Les normes des signaux x et y dpendent des espaces norms des signaux de travail.
On appelle ple de H(p), transforme de Laplace de la rponse impulsionnelle h(t),
tout nombre complexe z tel que Lim H(p)= quand p tend vers z.
Thorme
Un filtre est stable si et seulement si tous les ples de sa fonction de transfert H(p)
ont une partie relle ngative (sont gauche de laxe imaginaire).
Exemple Cellule RC
Si on prend la transforme de Laplace de lquation diffrentielle, on obtient :
RC [p.Y(p)-y(0)]+Y(p)=X(p) (136.1)
1
H(p)= (136.2)
1.p
En prenant y(0)=0.
53
1
H(p) possde un seul ple z= rel strictement ngatif : Le filtre RC est stable.

Causalit
On dfinit la causalit dun filtre par la proprit suivante :

Un filtre est causal si pour toute entre x(t) nulle pour t<0, la sortie y(t) est nulle
pour t<0. On dira aussi dans ce cas que le filtre est ralisable.
Thorme
Un filtre est causal si et seulement si sa rponse impulsionnelle est nulle aux instants
ngatifs.
Exemple Cellule RC
Le filtre RC est causal puisquon a vu que h(t)=0 pour tout t<0.
3. Distorsions linaires
Lorsque lentre dun filtre est une sinusode damplitude A, de frquence f0 et de

phase , alors la transforme de la sortie scrit :
A j A
Y(f)=H(f).[ e ( f f 0 ) e j ( f f 0 ) ] (137)
2j 2j
En vertu des proprits de la distribution de Dirac :
A j A
Y(f)= e H ( f 0 ) ( f f 0 ) e j H ( f 0 ) ( f f 0 ) (138)
2j 2j
h(t) tant suppose relle :H(-f)=H*(f), et si on pose ArgH(f0)= (f0)=0, Y(f) scrit :
H ( f 0 ) e j ( 0 ) ( f f 0 ) e j ( 0 ) ( f f 0 )
A
Y(f)= (139)
2j
Ceci signifie que la sortie y(t) est une sinusode damplitude A.|H(f0)| et de phase
+0 qui dpendent tous les deux de la frquence f0.
Pour un signal dexcitation s(t) quelconque, de spectre S(f), chaque composante
frquentielle f induira en sortie une amplitude et une phase dpendant de f.
Ceci implique une distorsion damplitude causant un retard ou temps de
propagation de groupe (group delay) tg et une distorsion de phase causant un retard
ou temps de propagation de phase (phase delay) t .
Exercice
En dveloppant Y(f) au voisinage de f0 :
Montrer que :
1 d
tg = ( f0 ) (140.1)
2 df
1 ( f0 )
t = (140.2)
2 f 0
54
Montrer que ces deux retards ne sont gaux que si la rponse de phase du filtre
est linaire en f.
On dmontre que lenveloppe du signal filtr (courbe tangente aux extremums du
signal) subit un retard tg alors que la composante auxiliaire sinusodale subit elle le
retard t (voir Fig.)
Signal dentre
Enveloppe
tg t
Fig.39
4. Systmes phase linaire
Ce sont des systmes pour lesquels le spectre de phase est proportionnel la

frquence f :
(f) = a.f (141)
Exemple : Retardateur
y(t)=x(t- ) (142)
Leffet du filtre consiste retarder lentre de secondes.

La rponse frquentielle est :
H(f)=Y(f)/X(f)= e j 2f (143)
Dont le module est gal un et largument (f)= j2f proportionnel la frquence.

Dans ce cas t = tg.
55
Ch. IX : DETECTION et ESTIMATION

I- Introduction
II- Rapport signal sur bruit
III- Filtre optimal
IV- Filtre adapt
V- Filtre de Wiener
VI- Dtection par inter corrlation
I- Introduction
Lobservation
Les signaux qui intressent lobservateur ont t gnralement achemins dans des
milieux plus ou moins agressifs : distorsions et bruits de mises en forme,
perturbations dues aux milieux de transmissions ce qui impose avant toute
exploitation du signal brut un traitement appropri. On parlera de dtection
lorsquon connat le signal dterministe utile ou dorigine avant son mission et
destimation dans le cas dun signal alatoire ou dterministe sur lequel on a peu
dinformation a priori.
Le modle
La premire tape, une fois le signal observ, est la modlisation. Elle consiste
traduire mathmatiquement le lien entre le signal utile et les perturbations ou
distorsions (addition de bruit, convolution avec une fonction)
Le critre
Le choix dun critre destimation (dtection) simpose ds ensuite : Des critres
diffrents donnent des rsultats diffrents en gnral. Ainsi peut-on chercher partir
du signal observ et suivant le modle adopt, minimiser une certaine quantit
(distance, erreur, rapport) quon qualifie de fonction cot ou risque. La solution
trouv est alors optimale selon le critre choisi (maximum de vraisemblance,
quadratique, moindre carrs).
La mise en uvre
Cette tape consiste mettre en pratique la solution : Lalgorithme puis ralisation
informatique ou matrielle (DSP). Elle est gnralement prcd par une tape de
simulation (imitation des conditions naturelles de lobservation) qui est cruciale pour
la qualit des rsultats.
Lvaluation
Cest une tche comparative qui consiste, dune part, essayer plusieurs paramtres
du modle et dautre part essayer plusieurs critres. Cest cette tape seule qui
permettra de juger la qualit de lopration toute entire.
Qualit dune estimation
On mesure gnralement la qualit dun estimateur par son cart par rapport la
valeur souhait : On adopte le biais dune part qui est la moyenne de lcart et la
variance dautre part qui est la puissance de lcart (mesure les fluctuations de
lestimateur autour de la valeur souhait).
Notons a un paramtre estimer et a la valeur estime.
56
Le biais de lestimateur :
b= Ea a (144.1)
Dans le cas o a est un paramtre dterministe, le biais devient tout simplement une
erreur destimation :
| a - a| (144.2)
La variance de lestimateur :

2 = E a a 2 (145)
Dans le cas dterministe cette variance devient une moyenne quadratique de lerreur
destimation ou une distance au carre entre lestimation et la valeur relle.
Commentaires :
En absence dinformation a priori sur le paramtre estimer, on peut
modliser lerreur destimation e= a -a par une variable alatoire
gaussienne de moyenne b et de variance 2 .
Un biais nul ne signifie pas automatiquement que lestimateur est bon ; On
lui prfre dans des cas un estimateur de biais non nul mais de variance
plus faible.
II. Rapport signal sur bruit (SNR)
Considrons un filtre linaire de RI h(t) . Lentre e(t) est une combinaison dun
signal utile x(t) et dun bruit alatoire b(t). On dfinit le SNR par un rapport de
puissances :
P
utile (146.1)
Pbruit
Ce rapport sexprime pratiquement en dB :
R 10. log10 ( ) (146.2)
s(t)=e(t)*h(t)
e(t)
Filtre
Linaire
S(f)=E(f).H(f)
Fig.40
Le rapport instantan
Le SNR lentre du filtre un instant t scrit :

x(t ) 2
e (t ) (147.1)
b(t ) 2
Dans le cas de signaux alatoires il faut convenir que ce rapport nest pas de grande
utilit, puisquil est alatoire lui-mme. On pourrait adopter une dfinition plus
intressante dans ce cas :
e (t )

E x(t ) 2
(147.2)

E b(t ) 2
57
Le rapport moyen
Dans lhypothse de signaux stationnaires au second ordre et en prenant les

moyennes statistiques ou temporelles des signaux, ce rapport ne dpendra plus de t.
En notant la densit spectrale de puissance (transforme de Fourier de la fonction
dautocorrlation), les SNR moyens lentre et la sortie du filtre sont
respectivement :
x ( f ).df
e
b ( f ).df

(148)
x ( f ). H ( f ) df
2

2
b ( f ). H ( f ) df

Problme :
Le signal x(t) tant faible par rapport au bruit b(t) ( e faible), on opre un filtrage de
e(t) qui pourra amliorer le SNR : s e .
Le problme est alors de trouver H(f) qui rend le SNR maximal la sortie, ou tout au
moins lamliorer.
Exemple : Filtrage dune sinusode noye dans un bruit.
Le signal utile est une sinusode x(t ) A. sin(2f 0 t ) dont la puissance moyenne
A2
est Px . On suppose que le bruit dcart type b est blanc, additif et indpendant
2
de x(t) ; La puissance du signal e(t) est tout simplement la somme de celles de x(t) et
de b(t).
A2
Pe Px Pb b2 (149)
2
Le SNR lentre scrit alors :
A2
e (150)
2 b2
Effectuons un filtrage passe-bas laide dune cellule R-C de fonction de transfert :
1
H( f ) (151)
f
1 j
fc
1
O f c dsigne la frquence de coupure de la cellule RC.
2RC
A2
A la sortie de ce filtre la sinusode admet une puissance Ps
2
H ( f 0 ) et le bruit une
2
1
puissance Pbs b df = f c b2 . Le SNR la sortie devient alors :
2
f 2
1 ( )
fc
58
2
A2 H ( f 0 ) fc
s . e . (152)
2 b
2
f c ( fc f02 )
2
fc
Lamlioration du SNR revient alors maximiser la quantit par rapport
fc f0
2 2
fc, paramtre du filtre recherch. On dmontre aisment que ce rapport est maximal
1
pour f c f 0 auquel cas le SNR est amlior dun facteur de .
2f 0
Remarques :
Le choix du filtre qui rend le SNR moyen maximal suppose connue la

frquence de la sinusode. Cependant aucune information nest requise
concernant la puissance du bruit.
Le filtre ainsi trouv ne garantit pas un SNR maximal tout instant t mais
juste une moyenne maximale.
1
La frquence de la sinusode doit tre infrieure pour que le facteur
2
damlioration soit suprieur un, sinon il ne peut que se dgrader.
Lamplitude de la sinusode est attnue de -3dB, mais devient plus nette
puisque le bruit aussi a t attnu encore plus.
III- Filtrage optimal
Considrons un signal dterministe x(t) bruit et cherchons un filtre H(f) qui

maximise le SNR un instant prcis T. A la sortie du filtre et linstant prcis le
SNR scrit :
X ( f ).H ( f ).e 0 df
j 2fT 2
s (T0 ) (153)
b

2
( f ). H ( f ) df

Pour trouver H qui maximise ce rapport on fait appel lingalit de cauchy-
schwartz :
2
u(t ).v (t )dt u(t ) dt v(t ) dt

2 2
(154)
Lgalit a lieu si et seulement si u(t)= k.v(t) o k est une constante. Alors, en posant :
u( f ).v ( f ) X ( f ).H ( f )e j 2fT0 (155.1)
u ( f ) b ( f ). H ( f )
2 2
(155.2)
Soit :
u( f ) H ( f ). b ( f ).e j (156.1)
X ( f ).e j 2fT0
v( f ) (156.2)
b ( f )e j
On obtient :
2
s (T0 )
u.v v
2
(157)
u
2
59
Le maximum du SNR a lieu pour le filtre H(f) dit optimal :

X ( f ).e j 2fT0
H optimal ( f ) K . (158)
b( f )
O K est une constante arbitraire.
La valeur du SNR est dans ce cas :
2
X(f )
s max (T0 ) df (159)
b( f )
On remarque que ce maximum est indpendant de T0. Linstant T0 de lecture de la

sortie du filtre intervient dans lexpression du filtre optimal justement comme un
retard qui affecte le signal dentre afin que le SNR atteigne son maximum.
IV- Filtrage adapt
Si le bruit est blanc on parle de filtre adapt (sous entendre au signal x(t)) :
H adapt ( f ) K . X ( f ).e j 2fT0

Ex (160)
s max (T0 )
2
b
O Ex dsigne lnergie du signal x(t).
La rponse impulsionnelle du filtre adapt est la transforme inverse :
hadapt(t) = K.x(t0-t) (161)
Qui reprsente le signal utile x(t) renvers et translat de t 0. Cette rponse nest pas
causale ce qui rend le filtre adapt non ralisable en temps rel.
Cependant ce filtre peut-tre appliqu un enregistrement (attendre lcoulement de
la dure totale du signal et prendre pour T0 linstant du maximum) , une image fige
et plus gnralement aux cas o la causalit nest pas requise.
Application : Dtection dune impulsion
Considrons un systme mettant une impulsion x(t) rectangulaire de dure T0 et

damplitude A. Rec(t) tant la fonction porte gale un pour t entre -1/2 et et nulle
ailleurs :
t T0 / 2
x(t ) A. Re c( ) (162)
T0
t T0 / 2
Le filtre adapt a linstant T0 a pour RI h(t ) Re c( ) , du fait que Rec est une
T0
T0 A 2
fonction paire. Le SNR maximal scrit : s max . Le rcepteur prlve aprs
b2
filtrage la valeur du signal de sortie linstant T0.
Exercice : Vrifier justement qu cet instant le produit de convolution de x(t) et h(t)

est maximal ; Utiliser la TF.
60
V- Filtre linaire de Wiener
Considrons le modle dobservation suivant :
Y=X+B (163)
Y, X et B sont respectivement les signaux alatoires observ, utile et le bruit. On

suppose ces trois signaux centrs.
Lestim est X =A.Y, linaire en Y, qui minimise lerreur quadratique moyenne

(EQM) : e= E X X . Explicitons cette erreur :

e( X ) E A 2Y 2 E X 2 2 E A.Y . X
(164)
e( X ) A 2 2 2 2 AE Y . X
y x
On prend la drive par rapport A (qui est dterministe) :
e
2 y2 . A 2.E Y . X
A
Alors lestim scrit :
R
X EQM XY .Y (165)
RY
o Rxy et Ry dsignent respectivement lintercorrlation de X et Y et lautocorrlation
de Y.
Dautre part :

EX .Y E X 2 EX .B E Y 2 E B 2 EX .B
Finalement lestim devient :
b2 R XB
X EQM (1 2 2 ).Y (166)
y y
Et lerreur minimale :
b2 2
emin (1 2 ). b f ( R XB ) (167)
y
le dernier terme est proportionnel Rxb qui est souvent nul (bruit non corrl aux
donnes).
Dans le cas plus gnral ou le signal X nest pas centr et le bruit centr et non corrl
au signal, lestim et lerreur minimale deviennent :
X EQM .E Y (1 ).Y
emin (1 ). b2 (168)
b2

y2
Commentaires :
Lestimateur EQM est un compromis entre la moyenne de lobservation et
lobservation elle mme; Le facteur rgulateur est linverse du SNR lentre.
Quand le bruit est comparable aux fluctuations du signal autour de sa
moyenne on effectue un moyennage ; si par contre le bruit est trs faible on se
contente de lobservation.
61
Tant que le bruit est faible devant le signal, lEQM est infrieure la puissance
du bruit, ce qui justifie le filtrage.

Lestimateur EQM nest pas biais : E X EQM EY EX .
La mise en uvre de lalgorithme de filtrage ncessite la connaissance a priori
de la variance du bruit, celle de lobservation devant tre estime (voir
paragraphe suivant) au fur et mesure de lvolution de lentre.
Exercices :
1- Chercher lestimateur EQM dune sinusode noye dans le bruit ; distinguer deux
cas : amplitude alatoire puis phase alatoire.
2- Comparer les SNR lentre et la sortie du filtre EQM, c'est--dire e
E X2
et
2
b
s
.
E X 2
Filtrage linaire dun processus (gnralisation)
Considrons un processus X=(X0X N-1) utile recherch et un chantillon Y0 YN-1

observ. Le rsultat dune exprience fournit les valeurs y0 yN-1 correspondants aux
donnes x0 xN-1.
On cherche lestimateur (filtre linaire) dordre N :
N
X j .YN j (169)
j 1
Qui minimise la distance au carr (critre de Gauss ou moindre carres) :

2 1 N 1
X X ( x k x k ) 2 (170)
N k 0
En injectant lexpression de lestimateur dans le critre et en exprimant la solution
sous forme matricielle on est amen rsoudre lquation de Wiener-Hopf.
En posant Y=[Y0 YN-1]t le vecteur chantillon observ, =[ 1 N]t, RXY=E[X.Y] le
vecteur intercorrlation de X et Y et RYY=E[Y.Yt] la matrice dautocorrlation de Y,
on tablit que :
1
= RYY .RXY (171)
Soit :
RYY (0) .. .. .. RYY ( N 1) 1 R XY (0)
: : : : : : :

: : : : : : : (172)

: : : : : : :
RYY ( N 1) .. .. .. RYY (0) N 1 R XY ( N 1)
La mise en uvre de ce filtre ncessite une estimation ou une modlisation des

fonctions dauto et dinter corrlations qui se prsentent dj dune manire
approximative dans lexpression du filtre. De plus le filtre suppose la stationnarit des
signaux et ne peut pas fonctionner en temps rel (voir filtrage adaptatif rcursif).
Remarquons quon peut choisir un ordre p du filtre qui soit infrieur au nombre N
des observations.
62
Prdiction linaire
Pour prdire la valeur future dun processus Y, on pose Xk=Yk+1 et on applique

lalgorithme prcdent.
VI- Estimation par intercorrlation
1. Dtection dune sinusode phase alatoire
On considre une sinusode phase alatoire s(t)=A.sin( t+ ), noye dans le bruit

blanc additif b(t) indpendant de la phase : y(t)=s(t)+b(t).
On dispose dun signal s0(t)=2.cos( t) fourni par un gnrateur auxiliaire qui va
nous permettre de dtecter la prsence de s(t) dans le bruit par
intercorrlation temporelle sur une dure T multiple de la priode de s(t) :
T
1
R ys0 ( ) y(t ) s0 (t )dt (173)
T0
En dveloppant lintgrale, R ys0 devient :
T T
2A 2
R ys0 ( )
T 0 sin(t ) cos(t )dt b(t ) s0 (t )dt
T0
Soit :
R ys0 ( ) s ( ) z (T , ) (174.1)
Avec :
T
1
T 0
z (T , ) b(t ) s0 (t )dt (174.2)
O z est un signal alatoire derreur, sans biais et dont la variance tend vers zro
quand T tend vers linfini. En effet :
T
1
E[ z (T , )] E[b(t )].s 0 (t )dt =0
T0
T T
1
E[ z (T , )] 2 E[b(u ).b(v)].s0 (u ).s0 (v )dudv
2
T 0 0
T T
1
. (u v).s0 (u ).s0 (v )dudv
2
= b
T2 0 0
b2 T
s (v )dv
2
= 2 0
T 0
b2
Cette dernire intgrale est majore par T donc la variance par . Finalement R ys
T 0
est une bonne estimation de la sinusode s.
2. Dtection dune composante continue

On se propose destimer la valeur dune constante C noye dans un bruit blanc
additif b(t) de variance b .
2
63
Le signal observ tant y(t)=C+b(t), lestimateur quon utilise est la moyenne

temporelle sur une tranche de dure T :
T
1
C = y (t )dt (175)
T 0
On montre exactement comme dans le as prcdent quon peut crire :
C =C+z(T) (176)
z(T) tant un signal derreur de moyenne nulle (non biais) et dont la variance tend
vers zro lorsque T tend vers linfini.
Rappelons que la dsp ( f ) dun signal est la transforme de Fourier de sa fonction

dautocorrlation, qui concide avec le module au carr de la TF du signal dans le cas
dterministe.
On peut distinguer trois mthodes classiques destimation du spectre ( f ) dun
signal s(t) :
On applique s(t) un filtrage slectif autour de la frquence f 0 ensuite on lve
au carr le rsultat et on intgre ce qui donne une quantit proportionnelle
( f0 ) .
Mthode du corrlogramme : On estime la fonction dautocorrlation puis on
effectue la transformation de Fourier.
Mthode du priodogramme : On effectue la TF sur des tranches du signal, de
mme dure T, puis on effectue la moyenne.
La premire mthode se prte aux signaux analogiques. Les deux dernires

sappliquent plus ou moins efficacement aux signaux numriques.
Dautres mthodes modernes destimation simposent : Modlisations ARMA,
entropie
1. Mthode du priodogramme
Considrons si(t,T) une ralisation du signal alatoire s(t) dans le domaine

[-T/2,T/2]. Etant nergie finie, sa puissance moyenne scrit :
T /2
1 1
si (t , T ) dt S i ( f , T ) df i ( f , T )df
2 2
PT= (177)
T T / 2 T
O i ( f , T ) , une fonction alatoire, dsigne la dsp du signal restreint et appel

priodogramme :
2
Si ( f ,T )
i ( f ,T ) (178)
T
Lesprance mathmatique de i ( f , T ) dfinie la dsp moyenne des ralisations de s(t)
sur lintervalle [-T/2,T/2]. En prenant la limite de cette moyenne on dispose de la
dfinition de la dsp du signal s(t) :
Si ( f , T ) 2
( f ) Lim T E

(179)
T
64
2. Thorme de Wiener-Khinchine
On dmontre partir de la dfinition prcdente de la dsp que :

La densit spectrale de puissance dun signal alatoire stationnaire au sens large ou
dterministe est la transforme de Fourier de sa fonction dautocorrlation.
3. Estimation de la dsp
Estimation partir dune seule tranche T du signal s(t)
On est tent par i ( f , T ) en tant questimateur de la dsp. Il se trouve quil est biais et
de variance importante. En faisant tendre T vers linfinie le biais tend vers zro mais
la variance reste importante et tend mme vers le carr de la dsp (ce quon cherche
estimer !).
Estimation par moyennage sur plusieurs tranches
On choisit N tranches du signal s(t) disjointes et de mme dure T trs suprieure au

temps de corrlation de s(t) (Rs(T) presque nulle :les tranches peuvent alors tre
considres comme statistiquement indpendantes). On estime la dsp de s(t) par la
moyenne arithmtique des dsp des N tranches :
1 N
( f , T ) . i ( f , T ) (180)
N i 1
Lcart type est ainsi divis par N .
On peut amliorer lestimation en pondrant les tranches du signal par une fentre
attnuant les effets de bords (frontires des tranches).
65
Ch. X : TRANSFORMATION EN Z
I- INTRODUCTION
II- DEFINITION
IV- PROPRIETES
I- INTRODUCTION
La transforme en Z (TZ) est un outil puissant de modlisation et calcul des signaux

et systmes numriques. Elle est oriente essentiellement vers l'analyse et la synthse
des systmes. La transforme de Fourier est une restriction au cercle unit de la TZ.
La TF sert plutt l'analyse et la reprsentation des signaux; les polynmes en e j 2f qui
reprsentent la TF ne sont pas toujours faciles mettre en vidence.
La TF atteint ses limites d'analyse et de synthse lorsqu'on souhaite par exemple
reprsenter un nombre illimit d'chantillons par un nombre fini de coefficients;
mission que accomplit la TZ, qui permet en plus l'valuation du degr de stabilit
d'un systme numrique.
II- DEFINITION de LA T.Z
La TZ d'un signal numrique x(k) est une fonction complexe du nombre complexe z,
dfinie par :

Z[x(k)]=X(z)= x(k ) z
k
k
(181)
C'est une srie de Laurent et par la suite X(z) est une fonction analytique en z : X(z)
et toutes ses drives sont continues dans la rgion de convergence, c.a.d. la rgion
dexistence et de finitude de X(z).
Remarques
En prenant z= e j 2f sur le cercle unit, la TZ X(z) se confond avec la TF X(f) de x(k).

La TF peut exister pour certains signaux sans que la TZ existe; dans ce cas la TF est
discontinue et par la suite non analytique.
Ples et zros :
p est un ple de X(z) si :
lim
z
p
X ( z) (182)
z0 est un zro de X(z) si :
lim
z
z
X ( z) 0 (183)
0
Ordre dun ple :

Si on peut crire :
( z z0 ) q
X(z)= Y ( z) (184)
( z p) r
Alors q est lordre du zro z0 et r celui du ple p (q et r tant des nombres naturels).
Y(z) est videmment finie non nulle aux points p et z0.
66
1. Existence

Le critre de Cauchy appliqu une srie de la forme u
k 0
k stipule que cette srie
converge si Limk u k 1/k <1.

Explicitons X(z) pour tirer profit de ce critre prcieux :

X(z)= x( k ) z k + x(k ) z k
k 0 k 1
(185.1)
X(z)=X-(z)+X+(z) (185.2)
Selon le critre de Cauchy :
X-(z) converge si : Limkx(k)1/k z-1 <1.
X+(z) converge si : Limkx(-k)1/k z<1.
Ces deux conditions dfinissent la rgion de convergence de X(z):
0Rx-<z<Rx+ (186.1)
Rx-=Limk+x(k)1/k (186.2)
Rx+=[Limk+x(-k)1/k ]-1 (186.3)
2. Rgion de convergence
Rx+
Rgion de
Convergence
Rx-
Fig.41
La rgion de convergence est une bande circulaire du plan complexe comprise

strictement entre les deux cercles de centres l'origine et de rayons Rx- et Rx+.
Cas particuliers :
Rx-=+ ou Rx+=0: X(z) ne converge pour aucun nombre z.
Rx+=+: X(z) converge pour tout nombre z extrieur au cercle de rayon Rx-.
Rx-=0: X(z) converge sur le disque ouvert de rayon Rx+.
Exemples :
1. x(k)=recN(k) .
N 1
1 z N
X(z)= z k pour z1 (187)
k 0 1 z 1
67
X(1)=N.X(z) possde N zros dordre 1 qui sont les racines Nime : e j 2m / N , m=0N-1.
La rgion de convergence est C*.
2. x(k)=e(k) .

1
X(z)= z
k 0
k

1 z 1
pour 1<|z| (188)
Rx-=1 et Rx+=+.
1
Remarque : la fonction est dfinie pour tout complexe diffrent de 1, mais elle
1 z 1
nest la transforme en z dun signal que pour 1<|z|.
3. x(k)=a k e(k).
N 1
1
X(z)= (az 1 ) k pour |a|<|z| (189)
k 0 1 az 1
Rx-=|a| et Rx+=+.
Le thorme de Cauchy sur l'intgration le long d'un contour renfermant l'origine du

plan complexe nous indique que :
1
2j
z k 1 dz (k ) (190)
O (k) dsigne l'impulsion numrique de Dirac, gale un pour k=0 et nulle pour
k0.
Im(z)

Rel (z)
Fig.42
En choisissant un contour dans la rgion de convergence de X(z) et en utilisant le

thorme de cauchy, on arrive exprimer la TZ inverse :
1
x(k)=
2j
X ( z ) z k 1dz (191)
On distingue plusieurs mthodes de calcul du signal x(k) partir de X(z).
68
1. Mthode des rsidus
L'intgrale peut-tre value directement en utilisant le thorme des rsidus. Le

rsidu dun ple a d'ordre q de la fonction complexe f(z) est la valeur limite suivante :
d q 1 f ( z )( z a) q
Res(a,q)= Lim (192)
dz q 1 (q 1)!
z
a
Cas particuliers:
Res(a,1)= Limza f(z).(z-a) (193.1)
d
Res(a,2)= Lim
z
a
f ( z ).(z a) 2 (193.2)
dz
Thorme des rsidus
Re s f ( z)
1
2j
f ( z )dz (194)
ples
La sommation porte sur les ples de f(z) contenus lintrieur de .
Finalement :

x(k)= Re s X ( z ) z k 1 (195)
ples
1
Exemple : X ( z )
1 z 1
On a :
1 zk
2j z 1
x(k)= dz
Rgion de convergence : 1<|z|.

zk
Ples de X(z). z k 1 = :
z 1
p1=1 dordre q=1, k
p2=0 dordre q=-k, pour k < 0
Choix de : Un cercle de centre lorigine et de rayon strictement suprieur un.
Res(1,1)=1 k
d k z k z k
Res(0,-k)= Lim pour k < 0
dz k ( z 1)(k 1)!
z
0
Soit :
1 d k 1
Res(0,1-k)= Lim k
1 pour k < 0
(k 1)! dz ( z 1)
z
0
Finalement :
x(k)=-1+1=0 pour k < 0
x(k)=1 pour 0 k
69
Soit : x(k)=e(k), ce qui nous permet dcrire :

1
X ( z)
1 z 1
=
k
e ( k ) z k

k 0
z k (196)
2. Dveloppement en srie de puissances
La fonction complexe X(z) peut-tre dveloppe en srie de Taylor, la variable tant

u=z-1 .
Les coefficients de ce dveloppement sont justement les chantillons x(k).
Le dveloppement X(u)= Ak u k est suivi de l'identification x(-k)=Ak.
k
z 1 1
Exemple : X(z)= e (1 z )
On a :

z k
ez
1
(197)
k 0 k!
Do :

z k (k 1)
X(z)=
k 0 k!
k 1
Ce qui donne par identification : x(k)= e( k ) .
k!
3. Dveloppement par division ou en fractions rationnelles
La transforme en z qui peut se mettre sous la forme d'un rapport de polynmes en z

X(z)=P(z)/Q(z), permet de restituer les chantillons du signal original, ceci en
effectuant une division simple de polynmes, ou un dveloppement en fractions
rationnelles de degr un.
1 z 1
Exemple : X ( z )
2 z 1 3z 2
qui peut se mettre sous la forme simple :
1 3 1
X ( z) ( ).(1 z 1 )
5 2 3.z 1 z 1
1
Ensuite on utilise la relation (196).
IV- PROPRIETES de LA T.Z
1. Thorme de la valeur initiale
Soit x(k) un signal causal (nul pour k<0).

La connaissance de la TZ nous fournit la valeur exact de x(0) :
x(0) = LimzX(z) (198)
Exercice : Dmontrer ce thorme.
70
2. Linarit, Dcalage, Drive
Linarit
Z[a.x(k)+b.y(k)]=a.X(z)+b.Y(z) (199)
a et b tant des constantes complexes.

La rgion de convergence du terme de gauche contient au moins l'intersection des
zones de convergence de X(z) et Y(z).
Retard
Z[x(k-k0)]= z-k0 . X(z) (200)
Les rgions de convergence sont identiques.
Retard
x(k) k0Te x(k-k0)
X(z) z-k0 X(z)
Fig.43
Changement d'chelle
Si on effectue le changement de variable w=z/a, o a est un nombre rel non nul, on

exprime la transforme en w de x(k).
X(z/a)=Z[ak . x(k)] (201)
La rgion de convergence de X(z/a) est : a Rx-<z<a Rx+.

Drivation
En drivant la TZ X(z) par rapport z, on aboutit la relation suivante:
dX ( z ) 1
= Z[k. x(k)] (202)
dz z
3. Corrlation, Convolution
Corrlation
Soient x(k) et y(k) deux signaux numriques. La TZ de Rxy (k) est le produit simple
X(1/z).Y(z) dont la rgion de convergence peut-tre plus large (compensation des
ples ventuels) :
Z[Rxy(k)]=X(1/z).Y(z) (203)
Convolution
Z[x(k)*y(k)]=X(z).Y(z) (204)
On peut faire la mme remarque prcdente concernant les zones de convergence.
71
4. Thorme du produit de convolution complexe
La TZ du produit simple de deux signaux x(k) et y(k) est un produit de convolution

diffrent de celui qu'on a dfinit jusqu' prsent : Il est dit complexe.
tant un contour ferm de la zone de convergence de Y(w):
1 z
Z[x(k).y(k)]=
2j
X ( ).Y ( w) w 1 dw
w
(205)
La rgion de convergence s'obtient en combinant celle de X(z/w) et celle de Y(w) :
Rx-Ry-<z< Rx+Ry+ (206)
Un systme numrique linaire invariant peut-tre dcrit soit par sa rponse

impulsionnelle h(k), soit par sa rponse harmonique ou frquentielle H(f).
La transforme H(z) de h(k) contribue une description plus gnrale des systmes
linaires invariants (SLI).
La TZ de la sortie y(k) d'un SLI est lie celle de l'entre x(k) par l'intermdiaire de la
fonction de transfert H(z) :
y(k)=h(k)*x(k) (207.1)
Y(z)=H(z).X(z) (207.2)
1. Causalit
Un SLI causal possde une fonction de transfert de la forme:

H(z)= h( k ) z
k 0
k
(208)
La rgion de convergence tant dfinie par :

1
Rh-=Limk+h(k) k <z (209)
Tous les ples de H(z) sont l'intrieur du cercle de centre l'origine et de rayon Rh-.
j
z = j
Zone de
convergence de H(z)
Ples de H(z)
Rh-
Fig.44
72
2. Stabilit des systmes LI

Rappelons quun systme est dit stable si, son entre ou le signal dexcitation
tant borne, sa sortie ou sa rponse est borne. Ceci tant quivalent la condition
de convergence :

h(k )
k 0
(210)
Corollaires :
Quand un systme est stable le cercle unit du plan complexe est contenu dans
la rgion de convergence: Rh-<1 .
Tous les ples dun systme stable sont contenus strictement l'intrieur du
cercle unit.
Exercice : dmontrer ces deux corollaires.
Remarques :
stabilisation dun systme

On peut rendre stable un SLI instable en multipliant sa rponse impulsionnelle h(k)
par un signal exponentiel adquat a k , a tant un rel suffisamment faible. Cette
opration aura pour effet de dplacer les ples vers lintrieur du cercle unit.
Stabilit des signaux
On peut tendre la notion de stabilit des systmes LI aux signaux numriques.
Un signal est stable si les ples de sa TZ sont strictement l'intrieur du cercle unit.
Exemple :
1 z
H(z)= 1

1 az za
H(z) possde un zro z1=0 et un ple p=a.
Le systme est stable si la rgion de convergence contient le cercle unit.

Comme le ple doit tre en dehors de cette rgion, la stabilit exige |a|<1.
3. Signaux et systmes LI phase minimum
Ce sont les signaux et systmes dont les zros et les ples de la TZ sont strictement
l'intrieur du cercle unit. Dans ce cas H(z) et son inverse 1/H(z) sont stables.
On les appelle aussi des signaux absolument sommables. On y reviendra dans le
chapitre traitant des filtres numriques.
4. Systme rgi par une quation aux diffrences
Une catgorie de SLI est caractrise par une quation aux diffrences, liant la sortie
y(k) l'entre x(k) de la manire suivante :
N M
an y(k n) bm x(k m)
n 0 m 0
(211)
On dira que cette quation est d'ordre N dans la mesure o la sortie l'instant k
dpend de toutes les N dernires sorties.
73
En valuant la TZ, on obtient Y(z)=H(z).X(z), avec:

M
b
m 0
m z m
H(z) = N
(212.1)
a
n 0
n z n
Ou encore :
H(z)= C
(1 z m m z 1 )
(212.2)
(1 p n n z 1 )
La fonction de transfert H(z) possde N ples pn et M zros zm.

La dtermination de ces nombres particuliers permet de caractriser compltement le
systme en question, en particulier sa stabilit.
Ainsi comme on lavait invoqu en introduisant ce chapitre, la transforme en z
permet de caractriser un systme ou un signal laide dun nombre limit de
coefficients, une qualit dont la transforme de Fourier ne dispose pas.
1 z 1 0.5z 2
Exemple : H ( z )
0.5 2 z 1 z 2
74
1.5
0.5
Imaginary Part
-0.5
-1
-1.5
-3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1

Real Part
20
10
Magnitude (dB)
-10
-20
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Normalized Frequency ( rad/sample)
200
150
Phase (degrees)
100
50
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Normalized Frequency ( rad/sample)
Fig.45
75
Ch. XI : LES FILTRES NUMERIQUES

______
I- INTRODUCTION
II- FILTRES IDEAUX et GABARIT
III- FILTRES A REPONSE IMPULSIONNELLE DE DUREE FINIE (RIF)
IV- FILTRES A REPONSE IMPULSIONNELLE DE DUREE INFINIE (RII)
I- INTRODUCTION
Dans le but de simuler des filtres analogiques, les filtres numriques ont t
dvelopps et tudis afin d'optimiser les divers paramtres avant toute ralisation
matrielle dfinitive. Ceci a conduit des mthodes propres au filtrage numrique;
ajoutes au cot moindre des circuits intgrs ces derniers ont acquis une
indpendance et un essor considrables.
Notre objectif prsent est l'laboration d'un systme numrique linaire invariant
causal et stable possdant la rponse frquentielle dsire H(f) et une rponse
impulsionnelle h(k) dont la ralisation soit efficace.
On trouve dans la littrature une trs grande varit de mthodes de synthse des
filtres numriques, on en tudiera les principales et les plus simples.
Deux classes importantes de filtres numriques se distinguent :
Les filtres rponse impulsionnelle h(k) de dure finie L (RIF) :

h(-L/2),h(1),,h(L/2-1).
Les filtres qui possdent une rponse impulsionnelle dure infinie (RII).
D'une autre part la nature de la mise en uvre de l'opration de filtrage nous conduit
aux trois formes de ralisations suivantes :
Une ralisation non rcursive (transversale) :
La sortie y(k) du filtre est calcule directement partir de lentre actuelle x(k) et des
entres passes x(k-m) :
y(k)=F[x(k), x(k-1), , x(k-m),, x(k-M)]
Une ralisation rcursive :
La sortie est calcule partir de l'entre et les sorties passes :
y(k)=F[x(k), y(k-1), , y(k-m),, y(k-N)]
Une synthse par la TFD :
Cette mthode se trouve avantageuse lorsque la rponse impulsionnelle h(k) dpasse

environ trente chantillons.
Ralisation par la transforme en Z
Si on dispose de la fonction de transfert H(z) du filtre numrique, deux ralisations

par dcomposition sont possibles : Une dcomposition en srie ou en parallle.
76
1. Dcomposition en srie
La ralisation dun systme de premier ordre prsente le minimum de difficults dans

notre contexte ; pour cette raison H(z) est mise sous la forme d'un produit de
fonctions de transfert simples de premier ordre :
H (z) = H n ( z ) (213.1)
n
an
Hn (z) = (213.2)
1 p n z 1
En notant xn et yn les entres et les sorties respectives des systmes Hn(z) :
x1(k) = x(k) (214.1)

xn+1(k) = yn(k) (214.2)
yn(k) - pn. yn(k-1) = an. xn(k) (214.3)
Le systme global est ainsi ralis en mettant en cascade un certain nombre de sous-
systmes de premier ordre.
H1 H2 Hn y(k)
x(k)
y1(k)=x2(k)
Fig.46
2. Dcomposition en parallle
H(z) est mise sous la forme d'une somme de fonctions de transfert simples de
premier ordre :
H(z)= H n ( z ) (215)
n
Auquel cas :
xn(k) = x(k)
y(k) = y n (k )
n
x(k)
H1 H2 Hn
y1(k)
y(k)
Fig.47
Les oprations lmentaires qui interviennent dans ces deux ralisations sont le
retard, la multiplication et l'addition
Une structure de ralisation est dite canonique lorsqu'elle utilise un minimum
d'oprations lmentaires.
77
Gnralement les spcifications d'un filtre sont donnes dans le domaine frquentiel.
Ceci nous conduit au point de dpart de la synthse du filtre proprement dit : La
donne de la rponse en frquence H(f) ou de son module.
II- FILTRES IDEAUX et GABARITS
Le module de la rponse frquentielle des filtres idaux courants est donn sur une
priode[-Fe/2, Fe/2].
H(f)
Passe haut
Passe bas
fc Fe/2 fc Fe/2
f fe/2 fe fe/2
e /2
Coupe bande
Passe bande /
2
Fe/2
Fe/2 fe/2
fe/2
fc1 fc2 fc1 fc2
fe/2 fe/2
Fig.48
Gabarit
Il est vident que les rponses frquentielles schmatises sont irralisables. On doit
spcifier aussi les tolrances ou le gabarit qui dfinit les dpassements permis par
rapport au modle idal (sorte de cahier de charge respecter) :
att : Le module de lattnuation dans la bande coupe.

ond : Le module de londulation ou fluctuation dans la bande passante.
trans : La largeur en Hz de la bande de transition, situe entre la frquence de
coupure et la zone attnue, la coupure dun filtre ntant jamais parfaite.
Passe haut
|H(f)|
tra
ond
att coupe
passante|
f1 fc Fe/2 f
Fig.49
78
Dtermination des ples et zros partir du gabarit
Observons le gabarit de la figure 49 :

Un maximum de la bande passante une frquence f 0 correspond deux ples
z .e j .2. . f 0 et son conjugu z*. On a intrt choisir z juste lintrieur du
cercle unit ( proche de 1) pour garantir un gain important dans la bande
passante.
Un passage par zro correspond un zro et son conjugu.
Les spcifications qui concernent la phase sont dictes par les principes de stabilit et
de causalit; disons brivement que la phase doit tre choisie de manire avoir tous
les ples et zros de la fonction de transfert l'intrieur du cercle unit.
Le gabarit tant connu, il faut trouver le systme qui le satisfasse.
On dispose de deux approches possibles :
L'outil algorithmique fourni par les mathmatiques.

Puiser dans l'arsenal des mthodes de synthse des filtres analogiques et
oprer une transposition au cas numrique en respectant les rgles qui
s'imposent; ceci permet en mme temps la simulation numrique des filtres
analogiques.
III. FILTRES RIF (rponse impulsionnelle finie)
La rponse impulsionnelle h(k) dure finie L et dont les valeurs des

chantillons sont finies correspond un systme stable et causal (moyennant un
nombre fini de dcalages). Sa fonction de transfert H(z) a pour unique ple l'origine
L 1
(H(z)= h(k ) z k converge pour tout complexe non nul).
k 0
1. Synthse par TFD
Le gabarit de H(f) tant donn, on prlve L chantillons H(n) de H(f), rgulirement

dcals. Deux approches sont possibles :
a- La TFD inverse de la relation Y(n)=H(n)X(n) fournit la sortie y(k).
x(k) X(n)
TFD
Y(n) y(k)
TFD inverse
H(f) H(n)
Echantillonnage
Fig.50
Cette mthode de synthse n'obit pas aux exigences du temps rel puisqu'on doit
disposer de tous les chantillons de l'entre x(k) avant le calcul de X(n).
79
~
b- On opre une TFD inverse de H(n) pour obtenir une approximation h (k) de
~
h(k). Le produit de convolution x(k)* h (k) donne directement la sortie du filtre y(k).
~
H(f) H(n) h (k) y(k)
Echantillonnage TFD inverse Convolution
x(k)
Fig.51
Exemple : On veut synthtiser le filtre passe haut idal suivant :
H(f) = 0 pour 0 f <0.25 (216.1)

H(f) = 1 pour 0.25 f 0.5 (216.2)
H(-f) = H(f) (216.3)
Exercice : Dmontrer que h(k) nest pas causale et quelle est paire.
On commence par prlever L=32 chantillons quidistants de H(f) :
n
H(n)= H ( ) , n= -L/2L/2-1 (217)
L
~
On calcule ensuite la TFD inverse h (k) de H(n).
~
Pour rendre causale h (k) on opre un retard de L/2; ce retard implique une rponse
en phase linaire j..f.L.
~ ~
Finalement on compare la TF de h (k), soit H ( f ) , H(f).
~
h (k)
H(f)
H(n) TFD inverse
f
k
0.2 0.5 ~
5 H (f)
0.2 0.5
5
Fig.52
80
2. Synthse rcursive
A partir des L chantillons H(n) prlevs de H(f) on dduit H(z) par interpolation
linaire. En effet, on exprime la TFD inverse :
1 L / 21
h(k)= H (n)e j 2nk / L
L n L / 2
(218)
Dautre part :
L / 2 1
H(z)= h( k ) z
k L / 2
k
Finalement :
L / 2 1
1 H ( n)
(1 z L )
H(z)= 1 j 2n / L
(219)
L n L / 2 1 z e
Exercice : dmontrer ce dernier rsultat.
On peut condenser la relation (219) sous la forme :
H(z)= H1(z).H2(z) (220)
O H1(z) est une fonction de transfert d'ordre L :
H1(z) = 1 z L (221)
Et H2(z) une somme de L fonctions de transfert Hn(z) d'ordres 1 :
1 L / 21
H2(z)= H n ( z)
L n L / 2
(222)
H ( n)
Hn(z)= (223)
1 z 1e j 2n / L
x(k) w(k)
H1(z) H2(z) y(k)
Fig.53
Filtre en peigne H1(z) (comb filter)
La fonction de transfert (221) possde un ple d'ordre L l'origine et L zros sur le

cercle unit (les racines L-ime de lunit e j 2n / L ). Sa rponse impulsionnelle H1(k) de
dure L+1 est :
h1(k)=(k)-(k-L) (224)
La sortie intermdiaire w(k) de H1(z) est calcule l'aide de L retards et une

soustraction. Sa RF est donne par :
H1(f)=1- e j 2fL (225)
De priode 1/L. Cela lui confre la nomination filtre en peigne .
81
H1(f) h1(k)
2 1
L
-1 k
f
1/L 0.5
Fig.54
Structure de H2(z)
H ( n)
Les L filtres de premier ordre Hn(z)= , dont l'entre commune est w(k),
1 z 1e j 2n / L
sont raliss rcursivement de la manire suivante :
y(k)-an y(k-1)=bn W(k)

an = e j 2n / L , bn = H(n)
x(k)
y(k)
x(k-L) a1
Retard L
- Retard 1
b1 1/L
w(k)
aL
Retard 1
bL
Fig.55
Remarques
Les ples simples an de H2(z) concident avec les zros de H1(z) ce qui assure la
stabilit du systme global.
82
Le processus de quantification des coefficients risque de dplacer ces ples et

zros et par la suite briser cette compensation qui assure la stabilit; on
remdie cela en dplaant les ples et les zros lgrement vers l'intrieur du
cercle unit en remplaant z par z/r o r est lgrement infrieur 1 (1-2-23
peut suffire) et l'effet sur H(f) s'avre tre ngligeable.
Le fait que les coefficients an et bn soient complexes complique la mise en
uvre de la rcursivit.
Dans le cas d'une rponse impulsionnelle relle les chantillons H(n) et H(-n)
sont conjugus et leurs combinaisons dans l'expression de H2(z) permet une
rduction considrable du nombre d'oprations lmentaires.
Exemple
On veut synthtiser un filtre passe bande :
H(f) = 1 pour f1 |f| f2
H(f) = 0, ailleurs
O f1=3/16 Hz et f2=5/16 Hz.
On prlve L=16 chantillons H(n), n = -8,,7, correspondants aux frquences n/L.
H(f)
f
-1/2 f1 f2 1/2
Fig.56
Seuls six chantillons H(n) ne sont pas nuls n=-5,-4,-3,3,4,5.
0.831(1 z 1 )
H3(z)+ H-3(z)=
1 0.765z 1 z 2
0.707(1 z 1 )
H4(z)+ H-4(z)=
1 z 2
0.556(1 z 1 )
H5(z)+ H-5(z)=
1 0.765z 1 z 2
Exercice : vrifier ces relations.
Alors :
1
y(k)= .[y1(k)+y2(k)+y3(k)]
L
Avec :
Yn(z)=W(z).Hn(z)
W(z)=X(z).(1-z 16 )
83
Remarque :
La ralisation non rcursive par convolution ncessitera L=16 oprations

lmentaires par chantillons, alors quici seules six oprations et six additions sont
ncessaires.
IV- FILTRES RII (rponse impulsionnelle infinie)
Nous disposons de deux approches pour la synthse des filtres RII:

Les mthodes algorithmiques d'optimisation.
La transposition des filtres analogiques au cas numrique.
Nous tudierons uniquement les aspects de cette dernire mthodologie.
Exemple Cellule RC
Reprenons lquation diffrentielle du filtre analogique RC : R.C.y(t)+y(t)=x(t)
On peut la numriser de la manire suivante :
y (k ) y (k 1)
. y (k ) x(k ) (226.1)
Te
y(k)-a.y(k-1)=b.x(k) (226.2)
Te
a , b (226.3)
Te Te
b
Si on prend la transforme en z, on obtient : H ( z ) , dont lunique ple est
1 az 1
a<1. Ce filtre est bien stable et causal.
On considre prsent les filtres RII rgis par une quation aux diffrences linaire
de la forme : an . yn(k-n) = bm . xn(k-m), dont la fonction de transfert est H(z) et la
rponse impulsionnelle h(k).
Notre objectif est la dtermination des coefficients an et bm qui satisfont le gabarit et
d'assurer la causalit et la stabilit du systme final.
On cherche d'abord le filtre analogique de fonction de transfert Ha(p) qui satisfait les
contraintes imposes, Ha(p) tant la transforme de Laplace de la rponse
impulsionnelle analogique ha(t).
Ensuite un lien de transposition est cr avec la fonction de transfert H(z) du filtre
numrique souhait.
La clef de ce lien est le passage du plan des p :
p=s+j2 fa (227)
au plan des z :
z=r e j 2f (228)
Ceci est possible via une transformation p=T(z), ainsi cherchera-t-on exprimer p
en fonction de z.
A un traitement analogique correspond un traitement numrique spcifi aboutissant
H(f)=Ha(T(z)).
84
Gnralement le filtre analogique est rgi par une quation diffrentielle linaire
coefficients constants. La drivation et l'intgration analogiques permettent de crer
le pont souhait.
1. Equivalence de la drivation
Au drivateur analogique :
dx (t )
ya(t)= a (229.1)
dt
Ha(p)=p (229.2)
On fait correspondre le drivateur numrique suivant, en notant x(k) = xa(kTe), :

1
y(k)= [x(k)-x(k-1)] (230.1)
Te
1
H(z)= (1-z-1 ) (230.2)
Te
On en dduit la transformation :
1
p= (1-z-1 ) (231.1)
Te
1
z= (231.2)
1 pTe
Image de l'axe imaginaire p=j2fa
Dmontrer que dans ce cas, z=a+j.b : (a-0.5)2 +b2 =0.25, qui dfinit le cercle C(1/2,0)
de rayon 1/2 et de centre le point 1/2.
Prservation de la stabilit
L'image du demi-plan gauche Re(p)=s<0, lieu des ples d'un systme analogique
stable, est l'intrieur du cercle C(1/2,1/2) qui se trouve l'intrieur du cercle unit
lieu des ples d'un filtre numrique stable.
Exercice : dmontrer ce dernier rsultat.
Remarques
Le drivateur Fe[x(k+1)-x(k)] n'est pas causal et ne prserve pas toujours la

stabilit.
Un sur-chantillonnage se trouve ncessaire pour raliser une bonne
approximation numrique de la drivation cause de la dfinition mme de
cette dernire.
2. Equivalence de l'intgration
A l'intgrateur analogique :
t
ya(t)= xa (u )du (232.1)
0
1
Ha(p)= (232.2)
p
85
On fait correspondre l'intgrateur numrique suivant :

x(k ) x(k 1)
y(k)= y(k 1) .Te (233.1)
2
T 1 z 1
H(z)= e (233.2)
2 1 z 1
y(k) est l'approximation connue de l'intgrale par la rgle des trapzes. On en dduit
la transformation p=T(z) qui est bilinaire dans ce cas :
2 1 z 1
p= (234.1)
Te 1 z 1
T
1 e p
z= 2 (234.2)
Te
1 p
2
Image de l'axe imaginaire :
z= e j 2 a tan(f / f e ) (235)
Exercice : dmontrer ce rsultat.
Ce lieu image de laxe imaginaire des p dcrit le cercle unit de centre lorigine.
D'autre part le demi-plan gauche s<0 s'applique l'intrieur de C(0,1) ce qui prserve
la stabilit.
Distorsions de l'axe des frquences
Il se trouve qu'une frquence analogique fa ne correspond pas la mme frquence

numrique f (variable du gabarit souhait H(f)).
En effet, nous avons d'une part :
H(f)=H[z= e j 2fTe ]
Et d'autre part :
Ha(fa)=Ha(p=j2fa)
Ce qui conduit la relation entre f et fa :
fe f
fa = . tan( ) (236)
fe
On peut remarquer que pour les frquences f faibles devant la frquence

d'chantillonnage, les deux frquences f et fa sont presque identiques.
Ainsi, si fc dsigne une frquence de coupure du filtre numrique souhait, le filtre
analogique transposer a pour frquence de coupure, non pas f c, mais la frquence
(fe/)tan(fc/fe).
Exemple : filtre passe bas de Tchebycheff
1
Ha ( fa ) (237)
1 m 2TK2 ( f a )
86
O m <1 dtermine lamplitude des oscillations dans la bande passante et T K(fa) est le
polynme de Tchebycheff dordre K (dtermin par lattnuation de la bande coupe):
cos(K .ar cos(2f a )).........0 f a 1 / 2

TK(fa)= (238)
cosh( K .ar cosh( 2f a ))......1 / 2 f a
Ha(fa) 20.log| Ha(fa)|

1 0
-3
1/ 1 m2
fa f
0.1 0.35
Fac = 1/2
Fig.57
On veut synthtiser un passe bas avec une ondulation infrieure 0.5dB, une
frquence de coupure de 0.1Hz et une attnuation dau moins 40dB 0.3Hz. On
prend Te=1s.
Dtermination de m :
1
0.5= 20 log10 , donc m= 0.349.
1 m2
Dtermination de la plage de frquence :
[0.1Hz,0.3Hz] numrique est quivalente, en vertu de fa=(fe/)tan(f/fe)

[0.103Hz,0.438Hz] analogique.
Dtermination de lordre K :
On exige du filtre analogique une attnuation de 40dB 0.428/0.103=4.25 fois la

frquence de coupure 0.103Hz.
K est donn par :
1
0.01 , do K=2.99.
1 0.349 2 cosh 2 ( Kar cosh 4.25)
Comme K est un entier, on choisit K=3.
La fonction de transfert du filtre de Tchebycheff analogique dordre 3 et f ac=1/2 avec
une oscillation 0.5dB est donne par les tableaux de rfrence :
0.716
Ha(p)=
p 1.253 p 1.535 p 0.716
3 2
87
1 /(2 )
Dans cette expression il faut remplacer p par p. (1/(2 ) tant une frquence
f ac'
de coupure normalise), avec fac=0.103Hz.
La fonction de transfert de notre filtre analogique est finalement :

0.196
Ha(p)= 3
p 0.814 p 0.648 p 0.196
2
2 1 z 1
La fonction de transfert du filtre numrique sobtient en remplaant p par : .
Te 1 z 1
0.0154 0.0461z 1 0.0461z 2 0.0154z 3
H(z)=
1 1.9903z 1 1.5717 z 2 0.458z 3
On effectue le filtrage numrique en passant aux quations aux diffrences.
3. Echantillonnage de la rponse impulsionnelle
Signalons en bref la dernire mthode de transposition analogique/numrique

envisage ici et qui consiste chantillonner la rponse impulsionnelle analogique
ha(t).
Cette mthode pose le problme de recouvrement cause de la dure illimite de
ha(t) ce qui ncessite par la suite un fentrage temporel appropri.
Le gabarit fixe la plupart du temps le module de la rponse frquentielle H(f).

L'argument de H(n) devant tre choisi de manire garantir la causalit et la stabilit
du filtre linaire recherch.
L'idal serait de dduire la phase ArgH(f) partir du module de H(f). Cela revient
caractriser les systmes linaires invariants dont l'argument de la rponse
frquentielle est une fonction de son module; c'est l'objet de ce paragraphe.
1. Transformation de Hilbert
Soit h(k) la rponse impulsionnelle relle d'un SNLI causal et stable de TF H(f); on
peut la dcomposer en une partie paire et une partie impaire :
h(k) = hp(k)+hi(k) (239.1)

hp(k) = [h(k)+h(-k)]/2 (239.2)
hi(k) = [h(k)-h(-k)]/2 (239.3)
Exercice : Dmontrer que la TF de hp(k) est la partie relle de H(f) et celle de hi(k) est
j fois la partie imaginaire de H(f). On note X(f)=Re[H(f)] et Y(f)= Im[H(f)].
Lier hi(k) et hp(k) permet de lier X(f) et Y(f) et par la suite le module de H(f) son
argument sous certaines conditions :
H ( f ) X ( f )2 Y ( f )2
2
(240.1)
ArgH(f)=Atan[Y(f)/X(f)] (240.2)
h(k) tant nulle pour les k<0, pour tout k on peut crire :
88
hi(k)=hp(k).sign(k) (241.1)
hp(k)=hi(k).sign(k)+h(0) (0) (241.2)

Avec :
k
sign(k)= et sign(0)=0 (242)
k
Dont la TF G(f) se calcule indirectement comme limite d'une famille simple de

fonctions exponentielles dcroissantes (comme exercice, prouver le):
G(f) = -j.cotan(f) (243)
Remarque : G(f) est discontinue au point zro, comme sign(k) d'ailleurs.
On en dduit :
X(f) = j. Y(u).G(f-u)du+h(0) (244.1)
Y(f) = -j. X(u).G(f-u)du (244.2)
Qui dfinissent la transformation de Hilbert de h(t), en notant que les intgrales sont
calcules en prenant les limites a droite et gauche du point f (valeur principale de
Cauchy).
Remarque : Noter la diffrence entre cette transformation et celle de Hilbert

analogique (dphaseur pur de 90) La transforme est la convolution du signal h(t)
et de la fonction 1/(jt).
Considrons maintenant le logarithme complexe de H(z) sans ambigut 2 sur son

argument :
Ln[H(z)]=LnH(f)+j. Arg[H(f)] (245)
Les ples et les zros de H(z) sont des ples de Ln(H(z)).
Pour pouvoir appliquer la transformation de Hilbert H'(z)=Ln[H(z)] il faut que

cette fonction soit la TZ d'un signal causal g'(k) dont les ples sont par consquent
l'intrieur de son cercle de convergence.
La stabilit de G'(z) impose aux ples et zros de H(z) d'tre l'intrieur du cercle
unit. Sous ces conditions on peut crire :
Arg[H(f)] = -X(u).cot(f-u)du (246)
2. Dfinition d'un systme phase minimum
Si les ples et les zros d'un systme linaire invariant se retrouvent l'intrieur du
cercle unit on dit que ce systme est phase minimum.
L'argument de sa rponse frquentiel se dduit alors du module de celle-ci par la
transformation de Hilbert.
Remarque : Cette dfinition peut s'tendre aux signaux en disant qu'un signal est
phase minimum si les zros et ples de sa TZ ont des modules infrieurs l'unit.
89
Le retard de groupe dun filtre

Le retard de groupe dun filtre est le retard moyen introduit par le filtre, c'est--
dire la dure moyenne qui spare lapparition du premier chantillon en sortie et
lapparition du premier chantillon lentre. Ainsi le filtre z-1 a un groupe delay gal
une seconde : Cest un retard pure. Il est dfini par :
d ( )
g (247.1)
d
Avec : ( ) angleH ( ) .
Le retard de phase dun filtre
On le dfinit par :
( )
(247.2)

La nomination phase minimum peut se comprendre lorsqu'on compare deux
systmes Hm(z) et H(z) ayant la mme rponse frquentielle en module et deux
arguments diffrents dont l'un, Hm(z), tant phase minimum et l'autre, H(z), ayant
des zros l'extrieur du cercle unit.
Posons :
H(z)=Hm(z).Hpt(z) (247.3)
O Hpt(z) dsigne la fonction de transfert d'un filtre passe tout qui admet un module
gal l'unit pour toutes les frquences.
En dterminant le rle de Hpt(z) on pourra saisir la particularit du systme phase
minimum Hm(z).
On dmontre sans difficults particulires que le filtre passe tout a pour effet de
transfrer les zros de Hm(z) l'extrieur du cercle unit.
Ce dplacement conduit un retard de phase plus ngatif que le retard de phase
du systme phase minimum d'o la nomination phase minimum.
Gnralement un systme causal quelconque est la mise en srie d'un systme
phase minimum et d'un filtre passe tout.
90
Ch. XII : Une INTRODUCTION aux DSP

_____________________________
I- INTRODUCTION
II- PRESENTATION
III- CLASSIFICATION
IV- ARCHITECTURES
V- DEVELOPPEMENTS
____________ _________________________________________
I- Introduction
Le traitement numrique du signal sappuie sur plusieurs disciplines :

Llectronique analogique et numrique
Les microprocesseurs
Linformatique
Les mathmatiques du signal
Les applications sont nombreuses et varies :

Le traitement audio
Le traitement des images
La reconnaissance vocale
La compression des donnes
Les tlcommunications
Lautomatisme
.
Chacune de ces applications ncessite un, voir plusieurs, DSP appropri ayant une
puissance de calcul et un cot conomique les plus optimiss possible.
A linstar dun microprocesseur, un DSP est mis en uvre en lui associant de la
mmoire (RAM, ROM) et des priphriques. Il a plutt vocation servir dans des
systmes autonomes.
Il se prsente gnralement sous la forme dun microcontrleur intgrant de la
mmoire, des timers, des ports srie synchrones rapides, des contrleurs DMA
Les systmes base de DSP se dmarquent par :
La souplesse de la programmation : On peut reprogrammer le DSP sans le
changer.
La stabilit : En analogique, les facteurs de temprature, tension
dalimentationinfluent sur le fonctionnement des composants. Ce problme
nexiste pas pour un DSP.
II- Prsentation dun DSP
Utiliss initialement pour grer la carte son des micro-ordinateurs, les DSP ont vu
leur utilisation saccrotre considrablement depuis 1985 grce aux contraintes de
temps rel et de fiabilit de commande des processus.
1- Rle du DSP
Le DSP est cens effectuer en un cycle dhorloge (entre 20 MHz et 200 MHz)
lopration de multiplication/addition sur des donnes numriques :
Z = X.Y + R
Le premier DSP a t produit en 1982 par Texas Instruments. Depuis cinq autres
gnrations sont apparues. En 2004 les principaux fabricants de DSP sont : Texas
Instruments, Analog Devices, Motorola, Zilog, Lucent, Nec, Zoran, Zsp, Microchip.
91
2- Approche signal
Les signaux traiter sont caractriss par une frquence maximale qui doit tre
infrieure la moiti de la frquence dchantillonnage, qui est gnralement
impose par le convertisseur A/N.
Le nombre de cycles de calcul durant une priode dchantillonnage dfinit la
capacit du DSP dintervenir en temps rel entre les acquisitions de deux
chantillons.
Origine du signal Fmax Fe Te Nbre de cycles de calcul durant Te

(temps de cycle :50ns)
Vibrations 200 kHz 1 MHz 1s 20
Commande dcoupage 5 kHz 20 kHz 50 s 1000
(moteur, robot..)
Parole 3.5 kHz 8 kHz 125 s 2500
Audio 20 kHz 48 kHz 20.8 s 417
Video 2.5 MHz 10 MHz 100 ns 2
3- Approche processeur
Le DSP peut tre compar au microcontrleur et au microprocesseur. Ainsi, pour

certains DSP, comme le TMS320F240x utilis pour des commandes de moteurs
lectriques, le constructeur a optimis les avantages du DSP et ceux du
microcontrleur.
Le DSP peut tre associ dautres processeurs par lintermdiaire du port hte. Il
peut servir en paralllisme un microprocesseur.
Noyau DSP
Soit un processeur effectuant en un seul cycle dhorloge lopration : Z=X.Y+R. Il

sagit par exemple deffectuer une convolution x(n).y(n k ) .
Il est alors ncessaire que le processeur possde deux mmoires vives au moins : une
pour les donnes x(n) et une pour les instructions dont provient y(n) (le programme).
Ces mmoires communiquent avec quatre bus internes au moins : deux bus dadresse
pour les deux mmoires, un bus pour les donnes et un bus pour le programme. Un
systme gnrateur dadresses (le pointeur) active les mmoires en lecture ou en
criture. Le tout relve dune architecture Harvard.
Ce noyau DSP est ensuite implant soit dans un composant ddi soit dans un
composant intgr.
III- Classification des DSP
Il est impossible deffectuer une classification catgorique des DSP, tellement ils sont
varis et disparates. Nanmoins, ils se distinguent par la reprsentation des donnes
quils manipulent, virgule fixe ou virgule flottante.
1- Les DSP virgule flottante
Les donnes se composent dune mantisse et dun exposant d=mantisse.2exposant. La

mantisse est un nombre fractionnaire et lexposant un entier indiquant la position de
la virgule en base 2.
92
Ils sont plus souples et plus faciles programmer, mais plus coteux financirement.
Pour le TMS320C30, la mantisse occupe 24 bits et lexposant 8 bits (la donne est sur
32 bits en mmoire). Les registres de donnes intermdiaires utilisent 32 bits de
mantisse et 8 bits dexposant. La dynamique disponible va de -1.2-128 (1-2-23).2127.
Ils sont plutt adapts aux cas typiques o :
Les coefficients varient dans le temps (filtres adaptatifs)
Le signal et les coefficients ont besoin dune grande dynamique.
La structure mmoire est importante (imagerie)
La prcision est recherche (Audio professionnel)
2- Les DSP virgule fixe
Les donnes sont reprsentes comme des nombres fractionnaires virgule fixe ou
comme des entiers classiques (-1.0 +1.0 par exemple). La mthode sappuie sur le
complment deux.
MSB LSB Entiers Fractionnaires MSB LSB

3 2 1 0 0 -1 -2
-2 2 2 2 -2 2 2 2-3
-8 4 2 1 -1 0.5 0.25 0.125
0 1 0 1 +5 +0.625 0 1 0 1
1 1 0 1 -3 -0.375 1 1 0 1
0 0 0 1 +1 +0.125 0 0 0 1
0 1 1 1 +7 +0.875 0 1 1 1
1 1 1 1 -1 -0.125 1 1 1 1
1 0 0 0 -8 -1 0 0 0 0
Fig. 58 : Reprsentation des nombres cods sur 4 bits en complment deux.
Dans un DSP classique comme le TMS320C25 les nombres sont cods sur 16 bits
(fractions et entiers), mais les calculs seffectuent avec des accumulateurs 32 bits.
La prcision est un point critique des DSP virgule fixe : Le programme doit utiliser au
maximum une dynamique leve pour viter les arrondis.
3- Comparaisons entre DSP
Effectuons une comparaison des DSP fabriqus par TMS et ADSP :
NOM Critre de choix Donnes Dure dune instruction Dure du calcul FFT
lmentaire (ns) (s)
ADSP2105 Faible cot 16 bits Fixe 100 3.46
TMS320C2x Faible cot 16 bits Fixe 80 9.01
ADSP2101 Performance 16 bits Fixe 60 2.07
TMS3220C5x Performance 16 bits Fixe 35 2.97
ADSP2199x Performance 16 bits Fixe 6 0.4
ADSP21010 Faible cot 32 bits Flottante 80 1.54
TMS320C3x Faible cot 32 bits Flottante 50 3.08
ADSP21020 Performance 32 bits Flottante 40 0.77
TMS320C4x Performance 32 bits Flottante 40 1.55
Fig. 59 : comparaison entre divers DSP
Le temps dexcution (Benchmark) ntant pas un talon sur, mais reste nanmoins
un bon indicateur de la puissance de calcul dun DSP :
93
ADSP219x Nombre de cycles Temps dexcution 160 MHz

FIR dordre 1 1 6.25 ns
IIR 4 coefficients 5 31.2 ns5
FFT complexe 1024 points 48320 302 s
Division 19 118.75 ns
Sin/Cos 11 68.75 ns
Arc tangente 13 81.25 ns
Ln/log10 11 68.75 ns
Fig. 60 : Tableau comparatif de Benchmark
IV- Architectures
Larchitecture est ce qui dtermine dembl et de manire dfinitive les principales

caractristiques du processeur en particulier la vitesse dexcution des instructions.
1. Architecture de Von Neumann et de Harvard
Dans larchitecture de Von Neumann le programme et les donnes sont enregistrs

sur la mme mmoire. Les microprocesseurs (Familles Motorola et Intel) et beaucoup
de microcontrleurs utilisent cette architecture pour sa souplesse de programmation.
Bus adresses
Mmoire
Interface UAL
Donnes/Programme
E/S
Bus donnes
Fig. 61 : Architecture simple de Von Neumann
Dans larchitecture dite de Harvard (car mise au point dans cette universit en 1930),
on spare systmatiquement la mmoire des donnes de celle du programme,
ladressage des deux mmoires tant indpendants. Elle est plutt utilise dans les
microprocesseurs spcialiss temps rel, comme les DSP.
Bus adresses Bus adresses
Mmoire
Mmoire Interface UAL Donnes
Programme E/S
Bus donnes
Bus donnes
Fig. 62 : Architecture simple de Harvard
94
2- Les pipelines
Pour amliorer les performances du processeur, les DSP les plus rcents utilisent la
mthode du pipeline de manire optimiser en rapidit lexcution du flot des
instructions.
Instruction t t+T t+2T t+3T t+4T t+5T t+6T

n Fetch Decode Read Execute
n+1 Fetch Decode Read Execute
Fig. 63 : Principe du pipeline
V- Dveloppement
Le dveloppement dune application DSP ncessite deux tudes distinctes :
La partie matrielle : La cration dune chane dacquisition/restitution du

signal traiter et la mise en uvre du DSP.
La partie logicielle : Elle sappuie sur des outils classiques adapts aux
spcificits des DSP. On a la possibilit de recommencer autant de fois pour
arriver au rsultat escompt.
Application
Dfinition des ressources ncessaires
Logiciel Slection du DSP adquat Matriel
Ecriture du code Conception du schma
Dboguage Ralisation dun prototype
Intgration
Tests de lapplication et dboguage
Fig. 64 : Exemple dun processus typique de dveloppement dune application DSP
95
Les ressources ncessaires :
La rsolution (nombre de bits ncessaires pour quantifier le signal)

La frquence dchantillonnage
Le type de convertisseur utilis (technologie)
Les filtres anti-repliement sils ne sont pas intgrs dans le convertisseur

La slection du DSP adapt :
Virgule fixe ou flottante

Possibilit dutiliser un langage haut niveau (C par exemple)
Prsence dun bon support technique
Le simulateur :
Cest un programme particulier excut par un PC ou une station de travail. Son rle
est de simuler le plus exactement possible le fonctionnement du DSP cible.
Le module dvaluation :
Il se prsente sous la forme dune carte lectronique incorporant le DSP cible et le

minimum des ressources ncessaires sa mise en uvre. Le module est pilot par un
logiciel adquat excut par un PC.
Le programme tester est tlcharg dans le module pour tre excut par le DSP.
Cependant lmulateur temps rel reste le moyen le plus efficace, quoique coteux,
pour tester une application DSP.
96
FORMULAIRE

k
sin( ) / 3! (1)
3 ( k 1) / 2
k 5 k!

k
cos( ) 1 2 / 2! (1) k / 2
k 4 k!

k
e
k 0 k!
___________________________________
e j cos( ) j sin( )
e j e j
cos( )
2
e e j
j
sin( )
2j
___________________________________
1 1
sin( ) sin( )
cos( ) cos( )
2 2
1 1
cos( ) cos( ) cos( ) cos( )
2 2
1 1
sin( ) cos( ) sin( ) sin( )
2 2
____________________________________
sin( ) sin( ) 2 sin( ) / 2cos( ) / 2
sin( ) sin( ) 2 cos( ) / 2sin( ) / 2
cos( ) cos( ) 2 cos( ) / 2cos( ) / 2
cos( ) cos( ) 2 sin( ) / 2sin( ) / 2

_____________________________________
sin( ) sin( ) cos( ) cos( ) sin( )
sin( ) sin( ) cos( ) cos( ) sin( )
cos( ) cos( ) cos( ) sin( ) sin( )
cos( ) cos( ) cos( ) sin( ) sin( )
tan( ) tan( )
tan( )
1 tan( ). tan( )
97
_____________________________________
____________________________________
____________________________________
98
BIBLIOGRAPHIE
[1] C. GASQUET/P. WITOSKI- Analyse de Fourier et applications , Masson, 1995
[2] F. De COULON- Thorie et traitement des signaux Dunod, 1984
[3] M. KUNT- Traitement numrique des signaux Dunod, 1984
[4] BELLANGER M.- Traitement numrique du signal Masson, 1981
[5] BINET G. Introduction au filtrage adaptatif
[6] KADIONIK P. Bases de transmissions numriques : Les modulations

numriques , 2000.
[7] ESNARD A. Traitement du signal
[8] JOINDOT M. Communications numriques , 1987
[9] GLAVIEUX A./JOINDOT M. Communications numriques , Masson, 1996
[10] AUVRAY J. Traitement du signal , 2002.
[11] ETIEMBLE D. Les processeurs de traitement du signal , 2004
[12] MONTANET F. Cours DSP , 2000
[13] VEZZOZI J. Cours de traitement du signal 1987
[14] HERVE J. Les modulations numriques , Masson, 1998
[15] HERVE J. Electronique et transmission de linformation , Masson, 1987
[16] Roubine E. Introduction la thorie de la communication, Masson 3 tomes

Signaux certains, Signaux alatoires, Thorie de linformation
[17] PICINBONO Introduction la thorie du signal , Dunod
[18] MAX J. Mthodes et techniques du traitement de signal , Masson
[19] ROUBINE E. Distributions et Signal ,Eyrolles
[20] LIFERMAN Mthodes rapides de transformation du signal , Masson
[21] DELMAS JP. Elments de thorie du signal, Signaux certains
[22] CHARBIT M.& VENTRE D. Signaux alatoires et Communications

analogiques , Ellipse
[23] SPATARU Thorie de la transmission de linformation , Masson 1973
99
[24] BENIDIR M. Thorie et traitement du signal , Dunod 2002
[25] GHORBANZADEH&Co Elments de mathmatiques du signal Dunod 2002
[26] PETIT R. Loutil mathmatique , Masson 1983
[27] de BRUCQ D. & FOLLIOT G. Thorie du signal , Masson 1988
[28] CORREVON M. Introduction aux DSP orients applications industrielles
[29] ADSP-2100 Family Users manual Third Edition(9/95)
[28] ADSP-2100 Family Assembler tools& Simulator manual Second Edition

(11/94)
100

Traitement Signal PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Traitement Signal PDF

Titre original :

Transféré par

Droits d'auteur :

Formats disponibles

TRAITEMENT du SIGNAL M.

SABRI Facult des Sciences et Techniques BENI MELLAL - 2008

TABLE des MATIERES

Ch. I RAPPELS MATHEMATIQUES 03

Ch. II INTRODUCTION aux signaux et systmes 09

Ch. III ECHANTILLONNAGE 16

Ch. IV SYSTEMES NUMERIQUES 22

Ch. V TRANSFORMEE de FOURIER DISCRETE ___ 28

Ch. VI TRANSFORMEE de FOURIER RAPIDE _34

Ch. VII MODULATIONS NUMERIQUES _42

Ch. VIII FILTRAGE et DENSITES SPECTRALES 49

Ch. IX DETECTION et ESTIMATION 56

Ch. XI FILTRAGE NUMERIQUE 76

Ch. XII Une INTRODUCTION aux DSP 91

Ch. I : RAPPELS MATHEMATIQUES

SERIES et TRANSFORMEES de FOURIER

I. ESPACES des SIGNAUX

On note s(t) un signal physique dterministe dpendant de la variable temps t.

1- signaux intgrables : L1 () {s / s(t ) dt }

On dfinit la norme de la convergence en moyenne :

On dfinit la norme de la convergence en moyenne quadratique :

3- signaux dcroissance rapide S(R) :

Cest le sous espace de L1 des signaux s(t) tels que :

5- signaux indfiniment drivables support born : D

II. SERIES de FOURIER

Soit s(t) dans L1[0,T] priodique de priode T. La dcomposition en srie de Fourier

Dans lespace L1 Lim cn 0

Thorme de Dirichlet (convergence locale) :

Soit s dans L1[0,T] de priode T. t0 tant un point de discontinuit de s,

III . TRANSFORMEE de FOURIER et CONVOLUTION

On dfinit la transforme de Fourier S=F(s) dun signal s par :

Etant donn s dans L1

On dfinit la convolution de deux signaux x et y par :

On a les proprits suivantes, selon lespace des signaux de travail :

x, y dans L1 F(x y)=X.Y

D tant lespace des signaux indfiniment drivables support born, on appelle

La drive dune distribution T

Distribution associe une fonction f

Ce sont les applications linaires continues de S , espace des signaux dcroissance

est llment neutre de la convolution :

< s ,>=<s,> (12)

Usage pratique (abusif) de :

Drive dune fonction discontinue

T=[s (t0+)-s(t0-)]. + s (14)

s tant la fonction drive de s pour t diffrent de t0 et nulle au point t0.

V. TRANSFORMEE de FOURIER des DISTRIBUTIONS

La transforme de Fourier F(T) dune distribution T est la distribution F(T)

VI. TRANSFORMEE de LAPLACE

On dfinit la transforme de Laplace S(p) dun signal s par :

Application aux quations diffrentielles linaires coefficients constants

VII. ELEMENTS de PROBABILITES

2=E[ (x-m)2]= E[x2] m2 (23)

Variables alatoires bidimensionnelles

F(x,y)=Prob( X x et Yy) (24)

et sa densit de probabilit conjointe :

X et Y sont statistiquement indpendantes si :

Lois de probabilits usuelles

Variables alatoires discrtes

LOI Support Probabilit Esprance Variance

Variables alatoires continues

LOI Support Densit Esprance Variance

Ch. II : INTRODUCTION aux SIGNAUX et SYSTEMES