Universite de Picardie Jules Verne

Master-II de Physique
Annee Academique : 2008-2009

Cours de Traitement du Signal

Responsable du Cours : Y. Gagou

Contact : yaovi.gagou@u-picardie.fr

1
Contents
1 Definition du signal 6
1.1 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Processus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Liens entre les deux types de signaux . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Signaux deterministes 7
2.1 Signaux analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Signaux a temps discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3 Principaux signaux 7
3.1 Fonction porte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.2 Fonction echelon unite de Heaviside . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.3 Fonction Impulsion de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.4 Fonction Triangle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.5 Fonction Sinus Cardinal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.6 Fonction Peigne de Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.7 Fonction periodique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.7.1 Valeur moyenne de f . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.7.2 Puissance Moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

4 Signaux aleatoires 9
4.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.2 Rappels sur les notions de probabilite . . . . . . . . . . . . . . . . . . . . . . . . 9

5 Serie de Fourier 10
5.1 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.2 Representation Complexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.3 Representation spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.3.1 Harmoniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.3.2 Spectre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.3.3 Symetrie et Changement de lorigine des temps . . . . . . . . . . . . . . 11

6 Integrale et Tranformee de Fourier 11

6.1 Signaux non periodiques ou a T + . . . . . . . . . . . . . . . . . . . . . . . 11
6.2 Definition de la Transformee de Fourier . . . . . . . . . . . . . . . . . . . . . . . 11
6.3 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.1 Linearite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2
 6.3.2 Derivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.3 Parite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.4 Conjugue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.5 Decalage temporel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.3.6 Dilatation temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

7 Convolution 12
7.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
7.2 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
7.3 Convolution de fonctions T0 -periodiques . . . . . . . . . . . . . . . . . . . . . . 13
7.4 Theoreme de Plancherel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

8 Transformee de Laplace 14
8.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
8.2 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

9 Proprietes energetiques 14
9.1 Puissance instantanee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.2 Puissance moyenne sur un duree T . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.3 Energie dans un intervalle T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.4 Energie totale du signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
9.5 Puissance moyenne dinteraction entre deux signaux . . . . . . . . . . . . . . . . 15
9.6 Puissance frequentielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

10 Correlation et densite spectrale 15

10.1 Intercorrelation entre deux signaux . . . . . . . . . . . . . . . . . . . . . . . . . 15
10.2 Autocorrelation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
10.2.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
10.2.2 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
10.3 Densite spectrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

11 Proprietes spectrales 16
11.1 Spectre du signal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
11.2 Theoreme de Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
11.3 Theoreme de Wiener-Khinchine . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

12 Signaux aleatoires 17
12.1 Theorie des probabilites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
12.1.1 Variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3
 12.1.2 Distribution de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
12.1.3 Distribution de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
12.1.4 Cas de 2 variables aleatoires . . . . . . . . . . . . . . . . . . . . . . . . . 18
12.2 Principales lois de probabilite . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
12.2.1 Proprietes des signaux aleatoires . . . . . . . . . . . . . . . . . . . . . . . 18
12.2.2 Caracteristique dun signal aleatoire stationnaire et ergodique . . . . . . 18
12.3 Le Bruit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.1 Bruit thermique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.2 Bruit blanc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.3 Bruit rose . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
12.3.4 Bruit de Grenaille . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
12.3.5 Autres bruits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
12.3.6 Proprietes et Traitement de Bruit . . . . . . . . . . . . . . . . . . . . . . 20
12.3.7 Detection par correlation dun signal periodique noye dans du bruit . . . 20

13 Numerisation des Signaux 22

13.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.1.1 Processus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.1.2 Traitement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.1.3 Probleme rencontre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.2 Echantillonnage ideal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.2.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
13.2.2 Transformee de Fourier du peigne de Dirac . . . . . . . . . . . . . . . . . 23
13.2.3 Formule de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
13.2.4 Transformee de Fourier du signal echantillonne . . . . . . . . . . . . . . . 23
13.2.5 Theoreme de Shannon . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
13.2.6 Extraction du signal initial . . . . . . . . . . . . . . . . . . . . . . . . . . 24
13.2.7 Effet du repliement de spectre . . . . . . . . . . . . . . . . . . . . . . . . 24
13.2.8 Echantillonnage reel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
13.3 Quantification . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
13.3.1 Puissance moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
13.3.2 Valeur moyenne quadratique (moment dordre 2) . . . . . . . . . . . . . 27

14 Systemes de Transmission et Filtres 28

14.1 Definitions et Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
14.1.1 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
14.1.2 Bande Passante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
14.2 Filtres analogiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4
 14.2.1 Filtre frequentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
14.2.2 Relation Filtrage-Convolution . . . . . . . . . . . . . . . . . . . . . . . . 29
14.2.3 Filtres lineaires physiquement . . . . . . . . . . . . . . . . . . . . . . . . 29

15 Filtres Analogiques 30
15.1 Filtres analogiques continus realisables . . . . . . . . . . . . . . . . . . . . . . . 30
15.2 Fonction de tranfert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
15.3 Filtres a dephasage lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
15.4 Filtres Particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
15.5 Modelisation des filtres analogiques . . . . . . . . . . . . . . . . . . . . . . . . . 31

16 Filtres Numeriques 31
16.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
16.2 Filtrage lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
16.2.1 Transformee en Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
16.2.2 TZ et Plancherel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3 Classification des filtres numeriques . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.1 Filtres non recursifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.2 Filtres recursifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.3 Filtres MA ou RIF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
16.3.4 Filtres AR ou RII . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
16.3.5 Filtres numeriques elementaires . . . . . . . . . . . . . . . . . . . . . . . 34
16.4 Conception dun filtre numerique . . . . . . . . . . . . . . . . . . . . . . . . . . 35
16.5 Restitution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

December 26, 2008

5
 SIGNAUX ET DEFINITIONS

1 Definition du signal
On appelle signal toute grandeur physique tensorielle qui varie soit continument (signaux
analogiques) soit discretement (signaux numeriques) au cours du temps. Levolution dans
le temps de la grandeur consideree est regie par la dynamique specifique du signal. Quelque
fois la loi temporelle regissant le phenomene est bien connue (signaux deterministes) et dautre
fois il est difficile, voir impossible de le decrire (signaux aleatoire).

1.1 Exemple
OEM dynamique regie par les lois de Maxwell
Son dynamique regie par la theorie des ondes stationnaires
Signaux electriques courant, tension
Influx nerveux electrophysiologique (transmission dinfos sensorielles)

1.2 Processus
Le traitement du Signal suit le cheminement suivant :
* Analyse et diagnostique
* Codage
* Quantification et Compression
* Transmission et archivage
* Synthese et restauration

1.3 Liens entre les deux types de signaux

Il existe une correspondance etroite entre signal analogique et signal discret :
Signal analogique Echantillonnage Signal discret.
Lechantillonnage consiste a mesurer (a decouper) a intervalle de temps regulier un signal

6
analogique. Cest un des outils souvent utilises en traitement du signal.

Lobjet du traitement du signal est donc danalyser avec soin, de coder, de transmettre
integralement ou une partie specifique du signal ou de reconstruire a sa reception toutes ses
proprietes afin den tirer les maximum dinfos quil contient.

2 Signaux deterministes
2.1 Signaux analogiques
Ce sont des signaux a temps continu, cest a dire definis pour toute valeur de t. On sappuie sur
les modeles mathematiques pour les decrire. Lallure de la fonction peut presenter des sauts.

2.2 Signaux a temps discret

La variable de la fonction consideree ne peut prendre que des valeurs entieres k Z.
Pour la variable temps, k represente le coefficient mutiplicateur dune duree t0 qui permet
dechantillonner le signal.

3 Principaux signaux
3.1 Fonction porte
(
1 pour |t| T
2T (t) =
0 pour |t| > T

3.2 Fonction echelon unite de Heaviside

(
1 pour t 0
u(t) =
0 pour t < 0
Cette fonction est interessante dans la description des regimes continus; moyen commode
dexprimer la discontinute de premiere espece.

3.3 Fonction Impulsion de Dirac

Si on prend une fonction porte damplitude T1 , de largeur T et si on suppose que la duree
temporelle T est breve, on retrouve la definition de la fonction de Dirac. Elle presente les
proprietes suivantes : (
1
R + T
pour |t| T2

T (t)dt = 1, avec T (t) =
0 pour |t| > T2

7
 (
0 pour t 6= 0
lim T (t) =
T 0 pour t = 0
La limite de cette fonction lorsque T l donne limpulsion de Dirac :
R +
(t) = lim T (t) et (t)dt = 1.
T 0

La distribution de Dirac est definie en t0 comme suit :

(
0 si t 6= t0 R +
(t t0 ) = , avec (t t0 )dt = 1.
si t = t0

3.4 Fonction Triangle

(
1-|t| pour |t| 1
(t) =
0 pour |t| > 1

3.5 Fonction Sinus Cardinal

sin(t)
sinc(t) = t
t R

3.6 Fonction Peigne de Dirac

+
P
T = (t nT )
n=

3.7 Fonction periodique

f (t) = f (t + T ), t
1
T est la periode du signal. = est la frequence du signal.
T

3.7.1 Valeur moyenne de f

R t +T
f (t) = T1 t00 f (t)dt

3.7.2 Puissance Moyenne

R t +T
P = f 2 (t) = T1 t00 f 2 (t)dt
(dans cette definition, on a pris pour resistance de charge la valeur 1)
Le RMS (valeur efficace) de cette fonction est donnee par :
R t0 +T
2
fef 1
f = T t0 |f (t)|2 dt. Remarque : |f (t)|2 = f (t).f (t)

8
4 Signaux aleatoires
4.1 Definition
Un signal est dit aleatoire lorquon est incapable de le decrire par une loi mathematique simple.
Exemple : le bruit, leclair, certains ecoulements...
Un signal aleatoire peut etre de type transitoire ou permanent.
Dans le cas permanent : on peut le decrire par les lois de probabilites.

4.2 Rappels sur les notions de probabilite

La probabilite est un nombre reel, p [0, 1]
P
Variable aleatoire xa tel que p(xa = xi ) = a [0, 1] et on a : a = 1
a
Le signal aleatoire continu etant decrit par la fonction x(t) qui evolue dans le temps de facon
incertaine, on sappuye sur les notions de statistiques de donnees pour le decrire.

9
 MATHEMATIQUE DU SIGNAL

5 Serie de Fourier
5.1 Definitions
Soit un signal x(t) periodique de periode T admettant un nombre fini de discontinuites;
on a :
+
P
x(t) = a0 + [an cos(nt) + bn sin(nt)]
n=1
t +T
a0 = T1 t00 x(t)dt
R
R t +T
an = T2 t00 x(t). cos(nt)dt
R t +T
bn = T2 t00 x(t). sin(nt)dt

5.2 Representation Complexe

+ + jnt +ejnt
n=+ jnt ejnt
Cn ejnt = an e bn e
P P P
x(t) = 2
+ 2j
n= n=0 n=1

soit,

1
[(an jbn )ejnt + (an + jbn )ejnt ]
P
x(t) = a0 + 2
n=1

Les coefficients Cn sont calcules par lintegrale :

R t +T
Cn = T1 t00 x(t).ejnt dt = Cn
= 12 (an jbn )

5.3 Representation spectrale

5.3.1 Harmoniques

Posons tan n = abnn .

+
 
Pp 2
On a : x(t) = a0 + an + bn a2n
2 cos (nt) b2n 2 sin(nt)
n=1 an +b2n an +bn
1 an bn
cos(n ) = p =p et sin(n )= p
1 + tan2 n a2n + b2n a2n + b2n

10
 +
P p
x(t) = a0 + Sn cos(nt + n ) avec Sn = a2n + b2n
n=1
x(t) = somme dun signal continue et dun infinite de signaux sinusodaux de pulsation , 2,
3, 4,.....n,.....
Le terme de pulsation est appele la fondamentale ou le premier harmonique. Les autres
termes sappellent respectivement harmoniques dordre 2, 3, 4,......n,.......

5.3.2 Spectre

On porte sur laxe des abscisses la pulsation et en ordonnee les raies traduisant les modules
des Sn correspondants.
De meme, on represente le spectre en puissace (Sn2 ) et puis le spectre en phase (n ).

5.3.3 Symetrie et Changement de lorigine des temps

Fonction paire
RT an
an = T4 t02 x(t) cos(nt)dt, bn = 0, on en deduit que Cn = Cn =
2
Fonction Impaire
RT bn
bn = T4 t02 x(t) sin(nt)dt, an = 0, on en deduit que Cn = Cn =
2j

6 Integrale et Tranformee de Fourier

6.1 Signaux non periodiques ou a T +
+ R t0 +T
Cn ejn0 t Cn = T1 x(t).ejn0 t dt
P
x(t) = avec t0
n=
0 = 2 = 20 [t0 , t0 + T ] T2 , T2
 
T
Il est plus commode decrire :
n=+
P h 1 R + T2 i
jn0 t
x(t) = T T
x(t).e dt ejn0 t
n= 2

Si T alors 0 spectre continue.

P
En posant = n0 abscisse de la raie de rang n (frequence courante), alors sera remplacee
n
par dn = 10 d avec 0 = 20 = T1 et par consequent :
R R
R + hR + j2t
i
x(t) = x(t).e dt ej2t d

6.2 Definition de la Transformee de Fourier

On appelle Transformee de Fourier de la fonction f (t) la fonction F () definie par :
R + R +
X() = x(t).ej2t dt et x(t) = X()ej2t d

11
 TF
La reciprocite secrit : x(t) X()

6.3 Proprietes
6.3.1 Linearite

x(t) = ax1 (t) + bx2 (t) alors X() = aX1 () + bX2 ()

6.3.2 Derivation

T F [x0 (t)] = j2X()

6.3.3 Parite
x(t) X()
reelle paire reelle paire
reelle impaire imaginaire impaire
reelle complexe (Re paire, Im impaire)

6.3.4 Conjugue
TF TF
Etant donnee x(t) X() alors x (t) X () ; x est le complexe conjugue de x
Cest a dire : T F [x (t)] = X ()

6.3.5 Decalage temporel

T F [x(t t0 )] = ej2t0 X()

Par symetrie on a :
T F [e+j20 t x(t)] = X( 0 )

6.3.6 Dilatation temporelle

1
T F [x(t)] = || X( )
pour = 1 alors T F [x(t)] = X()

7 Convolution
7.1 Definition
R +
z(t) = x(t) y(t) = x( )y(t ) d
La convolution exprime generalement la reponse a un signal quelconque a partir de celle dun

12
signal type (impulsionnelle) caracterise par y(t). exprime le retard temporel entre les deux
signaux.
Les filtres definis comme STLCS (Systeme de Transmission Lineaire Continue et Stationnaire)
sont des systemes de convolution.

7.2 Proprietes
x y = y x, x (y + z) = x y + x z, x =x=x

7.3 Convolution de fonctions T0 -periodiques

1
R T0
z(t) = T 0
x( )y(t )d

7.4 Theoreme de Plancherel

La TF du produit dune convolution est un produit simple et reciproquement.
TF TF
x(t) y(t) X() Y () et reciproquement x(t) y(t) X() Y ()
Demonstration :
TF TF
x(t) X() et y(t) Y ();
R +
Soit z(t) le signal tel que : z(t) = x(t) y(t) = x( )y(t ) d
Calculons Z() = T F {z(t)} :
R + R +
Z() = z(t) ej2t dt = [x(t) y(t)] ej2t dt
R + hR + i
soit, Z() = x( )y(t ) d ej2t dt
ou encore, h i
R + R +
Z() = x( )y(t ) ej2t d dt.
En ecrivant ehj2t = ej2 .ej2(t ) , il vient : i
R + R +
Z() = [x( ) ej2 ] y(t ) ej2(t ) d dt et en separant les deux integrales
 

alors, hR i
R + +
Z() = [x( ) ej2 ] y(t ) ej2(t ) dt d Posons = t , on d = dt
( est considere comme parametre constant si on raisonne par rapport a la variable t).
On a : hR i
R + +
Z() = x( ) ej2 y() ej2 d d
Puisquehla deuxieme integralei esthRindependante de , on i peut ecrire Z() sous la forme :
R + +
Z() = x( ) ej2 d y() ej2 d soit, le resultat attendu :
T F {x(t) y(t)} = X()()

13
8 Transformee de Laplace
Pour un signal continu transitoire, afin dassurer la convergence de lintegrale de Fourier (signal
causal ie t > 0), on multiplie x(t) par ept .

8.1 Definition
On definit alors la transformee de Laplace de la maniere suivante :
R +
Lx(p)={x(t)}L = X(p) = 0 x(t)ept dt

8.2 Proprietes
TL
ax1 (t) + bx2 (t) aX1 (p) + bX2 (p)
TL
x(at) |a|1
X( ap )
TL
x(t a) X(p) ea.p
TL
x(t) y(t) X(p) Y (p)
et reciproquement,
TL
x(t) x(t) X(p) Y (p)

9 Proprietes energetiques
Transmission dinformation Transmission denergie

9.1 Puissance instantanee

p(t) = |x(t)|2 = x(t) x (t)

9.2 Puissance moyenne sur un duree T

1
R t+T
pT (t) = T t
p(t) dt

9.3 Energie dans un intervalle T

R t+T
ET (t) = t
p(t) dt

9.4 Energie totale du signal

R +
E=
p(t) dt

14
9.5 Puissance moyenne dinteraction entre deux signaux
R t+T R t+T
pxy (t, T ) = 1
T t
x(t) y (t) dt et pyx (t, T ) = 1
T t
y(t) x (t) dt

9.6 Puissance frequentielle

TF
Soit f (t) F (); nous definissons les grandeurs ci-apres :
Spectre de puissance ou densite spectrale :
Sxx () = X() () = |X()|2
Energie contenue dans une bande de frequences de largeur autour dune frequence F0
R F0 +
secrit : Ex (, F0 ) = F 2 Sxx ()d
0 2
Lenergie totale dans le spectre X() sexprime sous la forme :
R + R +
Ex = Sxx ().d = |X()|2 d

10 Correlation et densite spectrale

10.1 Intercorrelation entre deux signaux
R + R +
Cxy ( ) = x(t)y (t ) dt = x(t + )y (t) dt
Attention aux notations, on peut aussi definir sous la forme :
R + R +
Cxy (t) = x( )y ( t) d = x(t + )y ( ) d

10.2 Autocorrelation
10.2.1 Definition
R + R +
Cxx ( ) =
x(t)x (t ) dt =
x(t + )x (t) dt

10.2.2 Proprietes

Pour les signaux reels la fonction Cxx est paire, Cxx (t) = Cxx (t)
t on a : Cxx (t) Cxx (0) (valeur maximale a t = 0)

10.3 Densite spectrale

T F 1 {Sxx ()} = T F 1 {|X()|2 } = T F 1 {X().X ()}
R +
T F 1 {Sxx ()} = x(t) x (t) = x(t).x (t ).dt = Cxx ( )
TF
dou la relation : Cxx ( ) Sxx ()
TF TF
et pour deux signaux x(t) et y(t) : Cxy (t) Sxy () ou Cyx (t) Syx ()

15
Remarque :
Pour les fonctions reelles, |X()|2 = X()X () = X()X() et Sxx () = |X()|2

11 Proprietes spectrales
11.1 Spectre du signal
R +
X() = T F {x(t)} = x(t)ej2t dt
x(t) reelle X() = X () = X ()

11.2 Theoreme de Parseval

Lenergie totale dun signal ne depend pas de la representation choisie.
R + R +
Ex = |x(t)|2 dt = |X()|2 d, cest une evidence logique.
R + R +
Exy = |x(t)| . |y (t)| dt = |X()| |Y ()| d
Remarque :
Pour un signal localise
R + R +
E = p(t) dt = Sxx () d

11.3 Theoreme de Wiener-Khinchine

Enonce :
La densite spectrale du signal Sxx () est la transformee de Fourier de la fonction dautocorrection
Cxx ( ). On ecrit cette propriete sous la forme :
R
Sxx () = T F {Cxx ( )} = Cxx ( )ej2 d et reciproquement :
R +
Cxx ( ) = T F 1 {Sxx ()} = Sxx ()ej2 d
Demonstration :
Faisons le changement de variable t0 = t
Sxx () = X()X () = X()X()
R R 0 R + R + 0
= x(t)ej2t dt x(t0 )ej2t dt0 = x(t)x(t0 )ej2(t t) dtdt0
R + R + +
= x(t)x(t )ej2 d dt = Cxx ( )ej2 d = T F {Cxx ( )}
R

Reciproquement,
R + R + hR + R + 0
i
Cxx ( ) = x(t)x(t )dt = X()ej2t d X( 0 )ej2 (t ) d 0 dt
R + R + R + 0 0
= X()X( 0 )ej2(+ )t ej2 dd 0 dt
R + R + 0
= X()X( 0 )( + 0 )ej2 dd 0
R +
= X()X()ej2 d

16
 R +
=
Sxx ()ej2 d

12 Signaux aleatoires
12.1 Theorie des probabilites
12.1.1 Variables aleatoires

Fonction de repartition-densite de probabilite :

Supposons quon mesure lamplitude de N signaux au cours N processus identiques;
si on trouve  xa = n  pour les N mesures avec xa < x, on ecrit :
n
F (x) = p(xa < x) =
N
F (x) est la fonction de repartition de la variable aleatoire xa .
La densite de probabilite relative pour que xa [x1 , x2 ] est :
p(x1 < xa < x2 ) p(x < xa < x + dx)
f (x) = lim =
x2 x1 x2 x1 dx
Rx
f (x) est la derivee de la fonction F (x) = f (u)du
R +
Axiome : F () = f (x)dx = 1
Valeur moyenne dun signal aleatoire discret
xmoy = x = N1 ni xi
P P
avec ni = N
i i
(on suppose ici que chaque evenement X = xa se realise ni fois),
ou dans le cas continue, la valeur moyenne secrit :
R
x =< x >= xf (x)dx et est encore appele lesperance mathematique de x ou moment dordre
1 de x.
Esperance mathematique :
R + R +
E(x) = p1 x1 + p2 x2 + ... + pn xn = x = x.dF (x) = x.p(x)dx
R +
Moment dordre n : E(xn ) = xn .p(x)dx.
Moment dordre 2 ou moment quadratique :
Elle mesure la dispersion dune variable aleatoire autour de sa valeur moyenne.
R +
E(x2 ) = x2 .p(x)dx est lie a lenergie transportee par le signal.
Moyenne quadratique dun signal centre :
 R +
V ar(x) = x2 = E (x x)2 = (x x)2 .p(x)dx = E(x2 ) [E(x)]2


Ecart type :
p
x = V ar(x).

12.1.2 Distribution de Gauss

1 xx 2
f (x) = 1 e 2 ( )
2

17
12.1.3 Distribution de Poisson
x
f (x) = x!
e =x

12.1.4 Cas de 2 variables aleatoires

On definit la covariance et la correlation de la facon suivante :

2
x2i xj =< (xi xi )(xj xj ) > et xy = xxyy

12.2 Principales lois de probabilite

- Loi exponentielle : f (x) = ex avec [0, +]
x x2
- Loi de Rayleigh : f (x) = 2 e 2a avec a [0, +]
k
- Loi de poisson : p(x = k) = k! e
(xx0 )2
- Loi de Gauss : f (x) = p(x) = 1 e 2 2
2

12.2.1 Proprietes des signaux aleatoires

On considere un processus decrit par la variable aleatoire x(t)

Stationnarite et Ergodicite
Processus stationnaire caracteristiques statistiques (moyenne, ecart type, etc..) independantes
du choix de lorigine du temps
Processus ergodique moyennes sur plusieurs epreuves sont equivalentes aux moyennes tem-
porelles correspondant a une seule epreuve
Signal stationnaire xT = xT +
exemple : signal non ergodique
Signal ergodique xe = xt
exemple : non stationnaire, signal de Wiener

12.2.2 Caracteristique dun signal aleatoire stationnaire et ergodique

Si la variable aleatoire stationnaire est aussi ergodique il y a equivalence avec les caracteristiques
temporelles.
Moyenne temporelle
R +T
xe = lim N1 i xi (t) et x(t) = lim xT = lim T1 T2 x(t)dt
P
N T T 2
Puissance du signal
R +T
Px = x2 (t) = lim T1 T2 x2 (t)dt < x2 (t) >
T 2
Fonction dautocorrelation temporelle
R +T
Cxx ( ) = lim T1 T2 x(t)x(t )dt
T 2

18
12.3 Le Bruit
On appelle bruit tout signal indesirable, limitant lintelligibilite dun signal utile.
Le bruit peut avoir avoir plusieurs sources :
- sources externe (independant du signal propre) localise a lexterieur du systeme
- source internes (perturbation impulsionnelle, bruit de fond) lie a lelectronique du systeme.

12.3.1 Bruit thermique

Effet Johnson b2ef f = 4.k.T.R.

k la const de Boltzmann

T temperature (en K)
avec


R resis tan ce (en )

bande passante du systeme (en Hz)

La puissance totale du bruit thermique (dans resistance constante) est :

Pth = k.T. exprimee en W

12.3.2 Bruit blanc

Le bruit blanc est un signal de valeur moyenne nulle. Son spectre en amplitude est constant.
La densite spectrale du bruit blanc est constante dans la bande de frequence consideree.

B() = B0 = 12 kT .

La fonction dautocorrelation temporelle du bruit blanc est une impulsion de Dirac :

Cbb ( ) = B0 .( )

Pratiquement, un tel bruit nexiste pas, mais parlera du bruit blanc a chaque fois que le spectre
de densite de puissance est constante a linterieur de la bande passante.

12.3.3 Bruit rose

Un bruit rose est un bruit dont le spectre en amplitude est inversement proportionnel a la
frequence (le spectre en amplitude varie en 1 ).
En realite, il sagit dun bruit blanc dont la densite spectrale de puissance est modelisee par
une fonction porte de largeur 2b ; b est la frequence maximale du bruit rose.
La fonction dautocorrelation impulsionnelle du bruit rose est tres etroite et centree sur = 0
(fonction sinc dans le cas reel)
B() = B0 2b ()

19
Sa fonction dautocorrelation est : Cbb ( ) = B0 (2b ) sin(2 b )
2b
Dans le cas ou b tres grand, la fonction dautocorrelation du bruit du bruit rose est nulle pour
( > lim ).

12.3.4 Bruit de Grenaille

Fluctuations statistiques du nombre de porteurs de charges traversant la barriere de potentiel,

qui participe a la reation de courant (jonction PN dun semi-conducteur).

12.3.5 Autres bruits

Bruit dit gaussien (caracterise valeur moyenne et un ecart-type)

Bruit dit periodique (somme de signaux sinusoidaux sans reference de base)
Bruit brownien (le spectre en amplitude varie en 12

12.3.6 Proprietes et Traitement de Bruit

Rapport S/B (signal/bruit) :

Ce rapport caracterise la qualite du signal. On compare le S/B dentree et le S/B a la sortie.
Soit un signal x(t) de puissance moyenne Px , melange avec du bruit blanc b(t).
Sa puissance moyenne resultante est :
RT
Ps = Px+b = lim T1 0 [x(t) + b(t)]2 dt
T +
Comme ce bruit est independant du signal, on a :
RT RT
Ps = lim T1 0 [x(t)]2 dt + lim T1 0 [b(t)]2 dt = Px + Pb
T + T +
Pour un bruit blanc stationnaire, ergodique et centre, on a:
Ps = Px + b2
Le rapport signal/bruit se defini sous la forme : = Px2
b
Si on prend un signal informatif de type cosinusodal x(t) = Acos(t) , le rapport signal/bruit
2
se definit sous la forme : = 12 A2
b
Exemples de signaux bruites
- signal peu predictible
- signal lent assez predictible
- signal rapide peu predictible
- signal presentant une bande de frequences dominante
- signal sinusoidal perturbe par un bruit a large bande

12.3.7 Detection par correlation dun signal periodique noye dans du bruit

Soit un signal x(t),

soit un bruit b(t), bruit sans memoire (Cbb () = 0) et independants de x(t).

20
Le signal complet a traiter est s(t) = x(t) + b(t).
La fonction dautocorrelation de s(t) est donnee par :
R +T R +T
Css ( ) = T1 T2 s(t)s(t )dt = T1 T2 [x(t) + b(t)] [x(t ) + b(t )] dt.
2 2
Par distributivite de loperateur de correlation, il vient :
Css ( ) = Cxx ( ) + Cxb ( ) + Cbx ( ) + Cbb ( )
Or, les fonctions Cxb ( ) et Cbx ( ) sont nulles (signaux independants); resultat toujours vrai
meme si T est grande. De plus pour le bruit blanc Cbb ( ) = 0 en dehors de 0 ou negligeable
devant Cxx ( ) au bout dune duree finie de correlation.
Donc en sortie on a : Css ( ) = Cxx ( ).

21
 ECHANTILLONNAGE

13 Numerisation des Signaux

13.1 Introduction
s(t) signal analogique s(nTe ) avec n entier, Te periode dechantillonnage.
Cette operation est realisee par des circuits : preleveurs ou echantillonnneurs

13.1.1 Processus

Filtrage analogique V (t) Echantillonnage Ve (nTe ) Quantification (codage Ve (n))

Traitement (systeme numerique) Restitution Vs (nTs ) Filtrage analogique Vs .

13.1.2 Traitement

Filtrage numerique, Stockage, Transmission, Codage, Compression....

Sans traitement le signal final reste fidele au signal analogique : Ve (n) = Vs (n)

13.1.3 Probleme rencontre

- la periode dechantillonnage
- le pas de quantification
- le temps de reponse du systeme.

13.2 Echantillonnage ideal

13.2.1 Definition

Operation mathematique simple : multiplier un signal analogique par des impulsions unites
regulieres dans lespace temporel.
On utilise la fonction Peigne de Dirac :

22
 +
P
Te (t) = (t k.Te )
k=
On obtient, a partir dun signal x(t), le signal echantillonne xe (t) , suite de pics de Dirac dont
les poids statistiques sont les valeurs du signal x(t) aux instants kTe , cest a dire les valeurs
xk = x(kTe ).
+
P +
P
x(t) xe (t) = x(t) (t kTe ) = x(t) (t kTe )
k= k=
+
P +
P
xe (t) = x(kTe ) (t kTe ) = xk (t kTe ) ou xk = x(kTe ) (1)
k= k=
xe (t) : signal discret a spectre non borne (periodisation infinie).

13.2.2 Transformee de Fourier du peigne de Dirac

 +  +
P P
TF (t kTe ) = e ( ke )
k= k=

13.2.3 Formule de Poisson

+
P +
P j2ke t
(t kTe ) = e e
k= k=
+ +
X(ke )ej2e kt
P P
x(t kTe ) = e
k= k=

13.2.4 Transformee de Fourier du signal echantillonne

Soit X() = T F {x(t)} et Xe ()

 =+T F {xe (t)} 
P
On a : Xe () = {xe (t)} = T F xk (t kTe )
k=
 + 
P
Or dapres Plancherel, Xe () = {xe (t)} =TF (t kTe ) X()
k=
+
P +
P
Xe () = e ( ne ) X() = e X ( ne ) (2)
n= n=
dou, le spectre de lechantillonne Xe () sobtient en periodisant avec une periode de e sur
laxe des frequences, la transformee de Fourier X() du signal x(t) multiplie par e

13.2.5 Theoreme de Shannon

Soit un signal a spectre a support borne (max < < max )

e
Posons, e = 2 = T1e ;
pour que Xe () X() il faut et il suffit que e 2max (theoreme de Shannon).
Enonce du theoreme dechantillonnage :
Un signal continu de spectre borne dans [max , +max ] est completement deternime par les
1
valeurs quil prend a des instants regulierement espaces de 2max au minimum.

23
13.2.6 Extraction du signal initial

On suppose la condition du theoreme de lechantillonnage respectee et que le signal initial est

a spectre borne par max .
On peut ecrire dapres la relation (2), le spectre de base sous la forme :
Xe0 () = e X() (3)
En appliquant la T F 1 on obtient le signal temporel correspondant au spectre de base Ue0 (),
soit :
Xe0 (t) = e .x(t) (4)
De facon rigoureuse on utilise le Filtrage : avec un filtre passe-bas ideal de frequence de coupure
e
2
, caracterise par la fonction porte on peut ecrire :
Xe0 () = Xe () e ()
En prenant la T F 1 et en appliqant leh theoreme de Plancherel, i on a :
sin(e t)
xe0 (t) = xe (t) [e sin c(e t)] = e xe (t) e t
k=+ 
x(kTe ) (t kTe ) sin( e t)
P
xe0 (t) = e e t
, dapres la relation (1)
k= hP i
+ sin(e (tkTe ))
et donc, ue0 (t) = e k= x(kTe ) e (tkTe )
Par identification, avec ce qui precede (relation (4)), on peut ecrire :
+
P sin(e (t kTe ))
x(t) = x(kTe ) (5)
k= e (t kTe )

13.2.7 Effet du repliement de spectre

Lorsque le theoreme de Shannon nest pas respecte on observe des phenomenes de recouvrement
(ou repliement) des spectres .

13.2.8 Echantillonnage reel

Le signal echantillonne reel est constitue dimpulsions distantes de Te et de largeur .

Lamplitude de ces impulsions sera fonction du procede dechantillonnage utilise :
- naturel : amplitude egale x(t) pendant lintervalle (irrealisable)
- regulier : amplitude constante et egale a x(nTe ) pendant la duree
- moyenneur : amplitude egale a la moyenne de x(t) sur lintervalle
Lechantillonnage reel se fait en prenant une fonction porte de largeur et periodisee avec une
periode Te .
Mathematiquement on a :
k=+
P
iTe , (t) = (t kTe )
k=
En utilisant le peigne de Dirac et le produit de convolution on a :
k=+
P
iTe , (t) = (t) Te (t) = (t) (t kTe )
k=

24
Le pectre de ce signal sexprime :
h i k=+
sin( ) sin( ) P
ITe , () = [e e ()] =
e ( ke ) soit,
k=
k=+
P sin( ke )
ITe , (t) = e ke
( ke ) (6)
k=
Echantillonnage naturel
Lamplitude de chaque echantillon suit la valeur de la fonction pendant lintervalle .
On a :
xe (t) = x(t) iTe , (t) = x(t) [ (t) Te (t)] (7)
on en deduit le spectre, dapres la relation (6); 
k=+
P sin( ke )
Xe () = X() ITe , () = X() e ke
( ke ) ,
k=
ou encore :
k=+
P sin( ke )
Xe () = e ke
X ( ke ) (8)
k=
En utilisant la relation (8) on deduit la relation liant le spectre de base du signal echantillonne
et celui du spectre reel :
Xe0 () = e X()
Cette relation exprime une proportionnalite donc une conservation de linformation (pas de
deviation).
Echantillonnage regulier ou bloqueur
Chaque impulsion est constante = x(nTe ) (pratique et le plus souvent mis en oeuvre).
Mathematiquement, il sagit dune suite de fonctions portes damplitudes egales aux echantillons
du signal :  
k=+
P k=+
P
xe (t) = x(kTe ) (t kTe ) = [x(t) Te (t)] (t) = x(t) (t kTe ) (t)
k= k=
on en deduit : h i
sin( )
Xe () = [X() (e e ())]
k=+
Xe () = e sin( ) P

X( kTe ) (9)
k=
De la meme maniere le signal initial est extrait par un filtre passe-bas de largeur e .
La relation liant le spectre de base et celui du signal echantillonne (en sappuyant sur la relation
(9)) est :
Xe0 = e sin(

)
X()
Echantillonnage moyenneur
On considere ici les echantillons xe (kTe ) correspondant a la valeur moyenne de x(t) prise sur la
duree de limpulsion .
Ainsi lechantillon xk sexprime sous la forme:
kTeR
+ /2
xk = 1 x(t)dt
kTe /2

25
En utilisant la fonction porte, la relation precedente peut secrire :
kTeR
+ /2
xe (kTe ) = 1 (t kTe ) x(t) dt
kTe /2
Cette expression represente le produit de convolution de x(t) et (t) au temps kTe ,
d0 ou :
xe (kTe ) = 1 [ (t) x(t)] (t kTe )
Le signal echantillone complet a pour expression :
+
xe (t) = 1
P
[ (t) x(t)] (t kTe )
k=
soit:
xe (t) = 1 [ (t) x(t)] Te (t)
Par TF et utilisant
h le th de Plancherel,
i on peut deduire le spectre Xe () = T F {x(t)} :
sin( )
Xe () = 1 X() [e e ()]soit :
+
P sin( (ke ))
Xe () = e (ke )
X( ke ) (10)
k=
De la meme maniere en sappuyant sur la relation (10), on a :
Xe0 = e sin(

)
X(),
resultat tres proche de celui de lechantillonnage regulier. Lamplidute de X() est modulee
par la fonction sinc( ) = deformation par rapport a echantillonnage naturel.
Remarque : plus la duree de limpulsion dechantillonage est faible devant la periode du signal
echantillonne, plus le bloqueur et le moyenneur sont plus proche de lideal (naturel).

13.3 Quantification
Choisir et remplacer par la valeur arrondie au plus proche voisin ou par defaut les echantillons
utiles.
Pour un echantillonnage uniforme on choisit N intervalles identiques de valeur q. On utilise un
convertisseur numerique-analogique. Ce processus introduit toujours une erreur appelee bruit
de quantification sauf si le signal est de la forme : xe (kTe ) = N q
Lerreur de quantification est un bruit blanc. Cette erreur provient de la compression ou de
lexpansion lineaire et non-lineaire des donnees.
Soit une erreur que quantification (t), pendant un temps tres long , on suppose que lamplitude
du signal varie dans une plage plus large que q (pas de quantification) et peut etre approximee
par une droite :
(t) = q t pour 2 t 2 .
La valeur moyenne est nulle sur cet intervalle.

26
13.3.1 Puissance moyenne
+ 2 + 2
1
R 1
R  t 2 q2
P =
2 (t) dt =
q dt = 12
2 2
1
sur lintervalle 2q , + 2q .
 
Variable aleatoire, densite de probabilite p() constante egale a q

13.3.2 Valeur moyenne quadratique (moment dordre 2)

+ + 2q
1 q2
R R
Esp [2 ] = 2 p() d = q
2 d = 12
= P
2q
Ce bruit de quantification est une variable stationnaire et ergodique.
Remarque : Processus de quantification = signal + bruit uniforme.
Cest un bruit blanc de largeur spectrale 0, 2e .
 
q2
La densite spectrale est donc : 6 e

Exemple : Systeme de codage sur n bits (valeur maximale de codage 2n 1)

n
s(t) = Vmax sin( 2
T
t) avec Vmax = 2 21 q
La puissance moyenne de ce signal est :
+ T2
2
Ps = T s2 (t)dt = Vmax
1
R
2
. En supposant n tres grand (2n  1) alors, Ps 22n3 q 2 .
T2

27
 FILTRAGE

14 Systemes de Transmission et Filtres

14.1 Definitions et Proprietes
Un systeme de transmission (ST) fait correspondre a un signal dentree e(t) un signal de sortie
s(t) reponse du systeme de transmission.

14.1.1 Definitions
s(t)
Le bel est le logarithme decimal du rapport e(t) . Dans la pratique, on utilise le decibel :
 
s(t)
Adb = 10 log e(t) .
Pour un appareil Hi-Fi (un amplificateur par exemple), on utilse la meme expression, mais,
avec les puissances dentreeet de sortie :
  Vs2

Adb = 10 log PPes = 10 log VRes2

Re
si Rs = Re , on
a : 
2  
Adb = 10 log VVes = 20 log VVes , ce qui correspond aussi au gain en puissance de lappareil.

14.1.2 Bande Passante

Letude de la fonction Ps = Ps () sur une resistance de charge constante permet de passer par
sa valeur maximale Psmax a une frequence donnee.
On appelle bande passante dun systeme de Transmission, la zone de frequences pour lesquelles
on a : PsPs 0.5 ou Adb 3db.
max

14.2 Filtres analogiques

filtrage domaine frequentiel.
fenetrage domaine temporel.
Le fenetrage consiste a prelever, interrompre ou seulement attenuer un signal.

28
Un filtre est defini comme la reponse impulsionnelle notee h(t), et par sa fonction transfert
notee H(f ) (ou H(p) resp.) transformee de (Fourier ou Laplace resp.) de h(t).

14.2.1 Filtre frequentiel

Cas classique :
Filtre passe-bande : seules sont transmises les frequences comprises dans lintervalle [0 , 0 + ]
Filtre coupe-bande : on arrete les frequences comprises dans lintervalle [0 , 0 + ]
En pratique :
Pour un x(t) donne, on peut representer X() qui est la TF du signal x(t) et on filtre en mul-
tipliant X() par H().
En vertu du theoreme de Plancherel, on passe du produit simple dans lespace des frequences
au produit de convolution dans lespace temporel et inversement.
Xs () = X(). H() ou Xs () est le signal filtre. On a :
R +
xs (t) = x(t) h(t) = x( )h(t )d .
h(t) est la reponse impulsionnelle du filtre.

14.2.2 Relation Filtrage-Convolution

Filtrage temporel = convolution frequencielle

Filtrage frequentiel = convolution temporelle
Lappareil le plus perfectionne va transmettre les frequences comprise dans la bande [0, FM ] et
arretera les frequences superieures a FM en un laps de temps.

14.2.3 Filtres lineaires physiquement

La causalite
Leffet (sortie du filtre) ne peut preceder la cause (entree du filtre).
La reponse impulsionnelle dun filtre est la reponse a une impulsion de Dirac appliquee a t = 0;
elle doit etre nulle pour t < 0.
Tout systeme physique doit avoir : h(t) = 0 pour t < 0.
R + R +
Pour un filtre causal : xs (t) = h( )x(t )d = 0 h( )x(t )d . Un filtre non causal
devra utiliser des valeurs futures de signaux dentree ce qui nest pas evident, ou soit ceci est
possible en travaillant en temps differe.
Dephasage des filtres
Soit h(t) la reponse implusionnelle dun filtre, son gain complexe est :
H() = T F [h(t)] = ReH() + jImH()=|H()| ej()
La relation sortie-entree du filtre secrit, en frequence, sous la forme : Xs () = |H()| ej() X(),
et le dephasage de la sortie par rapport a lentree est la phase ou largument () du filtre.

29
Remarque : Si () = 0 (gain reel), la reponse implusionnelle est paire.
Pour un filtre causal, on a : () 6= 0.

15 Filtres Analogiques
15.1 Filtres analogiques continus realisables
Les filtres realises et appliques sur des signaux a temps continu (non echantillonnes) sont
constitues par des composants electroniques (Resistances, Capacites et Self, Amplificateurs
Operationnels, niodes ...).
Le spectre S() du signal de sortie s(t) est le produit du spectre E() du signal de dentree
e(t) avec la fonction de transfert frequentielle du filtre H() :
S() = E() H()

15.2 Fonction de tranfert

Par application du theoreme de Plancherel, on passe a la representation temporelle :
TF
S() = E().H() s(t) = e(t) h(t)
h(t) est la reponse impulsionnelle du filtre, H() ou H(p) (TF ou TL) est sa fonction de
transfert.
on peut remplacer n filtres en serie par un seul filtre de reponse impulsionnelle h(t) qui sexprime
sous la forme : h(t) = h1 (t) h2 (t) ... hn (t).
La fonction de transfert equivalente secrit :
H() = H1 () H2 () ... Hn ().
Lentree et la sortie sont des signaux temporels. Le signal dentree e(t) et de sortie s(t) sont
relies par des relations integro-differentielles lineaires a coefficients constants.
En utilisant la Transformee de Laplace, cette relation conduit a une fonction de transfert ou
au gain complexe ; quotient de 2 polynomes en p : H(p) = N (p)
D(p)
La fonction de transfert du filtre analogique continue est definie a partir dune association des
4 fonctions de transfert suivantes :
1 1
H1 () = 1+2j filtre passe-bas du premier ordre ou H1 (p) = 1+ p
2j p
H2 () = 1+2j filtre passe-haut du premier ordre ou H2 (p) = 1+ p
H3 () = 1+4j142 2 2 filtre passe-bas du deuxieme ordre ou H3 (p) = 1+2 p+(
1
p)2
2 2 2
4 ( p)2
H4 () = 1+4j 4 2 2 2
filtre passe-haut du deuxieme ordre ou H4 (p) = 1+2 p+( p)2
est le coefficient damortissement, est le temps de reponse.

30
15.3 Filtres a dephasage lineaire
Filtre a reponse non causal h1 (t) sans dephasage; h1 (t) est lineaire symetrique par rapport a
lorigine.
Supposons que h1 (t) est aussi a support borne[0 , 0 ], considerons alors le filtre dont la reponse
impulsionnelle serait deduite de h1 (t) par translation ; on a :
h(t) = h1 (t 0 ) et H() = H1 ()e2j0 .
Puisque h1 (t) est reel paire alors H1 () est aussi reel paire. Le dephasage de H() est alors
() = 20 (fonction lineaire de la frequence).

15.4 Filtres Particuliers

Filtre de Butterworth :
|H()| = 12 2n
1+ ()
Filtre de Tchebychev :
|H()| = 12 2 avec Cn () tel que :
1+ Cn ()
C0 (1) = 1, C1 () = et Cn+1 () = 2 Cn () Cn1 ()
Filtre de Legendre :
|H()| = 21 2
ou Ln () designe le polynome de Legendre en .
1+ Ln ( )

15.5 Modelisation des filtres analogiques

La tension aux bornes de chaque element du circuit et sa TL secrivent :
u(t) = Ri(t) ZR (p) = R
Rt
u(t) = C1 i(t)dt Zc (p) = pC 1

u(t) = L dtd i(t) ZL (p) = pL

en associant ces dipoles dans la realisation du filtre, et en posant = RC, on obtient pour
les fonctions de transfert, les relations ci-dessus ou leurs combinaisons. Pour les montages
specifiques, veuillez consulter le formulaire.

16 Filtres Numeriques
16.1 Definition
On appelle filtre numerique un systeme utilise pour modifier la distribution frequentielle dun
signal numerique dentree en le transformant en un signal numerique desire en sortie.
Avec le progres en informatique les filtres numeriques sont caracterises par leur : precision,
fiabilite, stabilite, adaptabilite et facilite de commande.
En fait, ce filtre relie la sortie y(kT e) = yk a lentree x(kT e) = xk a chaque instant kT e, Te

31
etant la periode dechantillonnage.
yk = F onction(xk , xk1 , ..., yk1 , yk2 , ...)

16.2 Filtrage lineaire

Considerons un filtre numerique excite par une entree x(n), et soit y(n), la sortie. Lequation
aux differences reliant la sortie et lentree est :
PP M
P
y(n) + ak y(n k) = bk x(n k) (11)
k=1 k=0
x(n) Filtre Numerique y(n)
Le filtre presente ici est causal : il construit a linstant n, le signal y(n), a partir des P sorties
passees et des M+1 entrees contemporaines et passees. Comme pour les filtres analogiques, la
sortie dun filtre numerique est le produit de convolution de lentree par sa reponse impulsion-
nelle h(n).
y(n) = h(n) x(n)
P P
y(n) = h(n p)x(p) = h(p)x(n p)
p p
La representation frequentielle est donnee pour les signaux echantillonnes, par la transforma-
tion en Z.

16.2.1 Transformee en Z

Definition
La transforme en Z peut etre considere comme une generalisation de la transformation de
Fourier a laquelle elle peut sidentifier dans des cas particuliers. La transformee en Z constitue
loutil privilegie pour letude des systemes discrets. Elle joue un role equivalent a celui de la
transformee de Laplace et permet de representer un signal possedant une infinite dechantillons
par un ensemble fini de nombres. Elle est definie pour un signal echantillonne x(n) par :
+
x(n)z n
P
X(z)=TZ[x(n)]=
n=
Lien avec la transformee de Fourier
Si on pose z= rej2 , on a :
+ +
X(z)=X(rej2 )= x(n)(rej2 )n = x(n)rn ej2n
P P
n= n=
+
x(n)ej2 n , qui est la definition de la transformee de
P
Pour |r| = 1, on a : X(z) = X()=
n=
Fourier discrete.

32
16.2.2 TZ et Plancherel

H(z) = T Z {h(n)}
X(z) = T Z {x(n)}
Y (z) = T Z {y(n)}
La relation entree-sortie va secrire alors :
Y (z) = H(z) X(z)
en prenant la TZ de la relation (11) on a:
M
bk z k
P
Y (z) 0 N (z)
H(z) = X(z)
= P = D(z)
1+ ak z k
P
1
Le gain complexe en Z dun filtre numerique est une fraction rationnelle en z (ou z 1 ).
Les zeros de N(z) sont les zeros du filtre, les zeros de D(z) sont les poles du filtre.
En appelant zoj les zeros et zpi les poles, on a :
M
(zz0j )
P M
H(z) = K z j=1
P , z P M est un retard pur, K est un facteur dechelle.
(zzpi )
i=1
Un filtre numerique est donc decrit a un retard et a un facteur dechelle pres, par la connaissance
de ses zeros et ses poles.

16.3 Classification des filtres numeriques

On les classe en fonction des zeros et des poles.

16.3.1 Filtres non recursifs

M
P
yk = ai xki Tous les bi sont nuls
i=0

16.3.2 Filtres recursifs

M
P M
P
yk = ai xki bj ykj au moins un des bi est non nul (filtre possedant une boucle de
i=0 j=1
contre-reaction).

16.3.3 Filtres MA ou RIF

Les filtres a moyenne ajustee (MA) ou filtre a reponse impulsionnelle finie (RIF) ne possedent
que des zeros (et un pole multiple en z = 0). La relation dentree-sortie est :
PM
yn = bk x(n k).
k=0
Ces filtres realisent une moyenne (lissage) de M+1 entrees. Leur reponse implusionnelle est
telle que :

33


0 si n < 0
h(n) = bk si 0 n M ; dou la denomination de filtre a reponse impulsionnelle finie. Le

0si n > M

gain complexe en Z est :
M
bk z M k
P
M
N (z)
H(z) = bk z k =
P 0
zM
= zM
. Les zeros sont les M racines de N (z).
0

16.3.4 Filtres AR ou RII

Les filtres autoregressifs (AR) ou les filtres a reponse impulsionnelle infinie (RII) ne possedent
que des poles, et un zero multiple en z = 0. La relation sortie-entree de ces filtres est :
PP
y(n) = ak y(n k) + x(n).
1
La sortie a linstant n est une combinaison lineaire des sorties precedentes (dou leur denomination
de filtres autoregressifs) a laquelle sajoute lentree a linstant n. Ce sont des filtres predicteurs.
Le gain complexe de ces filtres sexprime sous la forme :
zP zP
H(z) = P = D(z) .
zP + ak z P k
P
1
Les poles zpj sont les zeros de D(z).
La reponse impulsionnelle de ces filtres
( est une combinaison lineaire de termes de la forme :
n 0 n<0
hj (n) = u(n) zpj avec u(n) =
1 n>1
Cette reponse impulsionnelle est de duree infinie. On voit egalement que le filtre est stable si
le module de tous les poles est inferieur a lunite.

16.3.5 Filtres numeriques elementaires

Le gain complexe en Z dun filtre numerique est une fraction rationnelle que lon peut decomposer
en element simples qui sont, comme pour les filtres analogiques : Les filtre du 1er ordre:
1
H1 (z) = 1az 1

Filtre AR1 :
y(n) ay(n 1) = x(n)
Cest un filtre passe-bas pour : 0 a < 1; sa reponse impulsionnelle est de la forme :
h(n) = u(n)an .
Il est donc equivalent a un filtre integrateur (filtre RC) de constante de temps R = TlnE a .
Cest un filtre passe-haut pour : 1 a 0.
Filtre du 2eme ordre :
1 z2
H2 (z) = 12z1 +2 z 2
= z2 2z+2

Le discriminant du denominateur est : 0 = 2 ( 2 1).

Les poles sont alors :

34



z1 = + 2 1 z2 = 2 1
Pour 0 < < 1, > 1, |z1 | < 1 et |z2 | < 1, filtre passe-bas du 2eme ordre.
Pour 1 < < 0, > 1, |z1 | < 1 et |z2 | < 1, filtre passe-haut du 2eme ordre.
Pour 0 < < 1 et || < 1, en posant = cos ,les poles sont : z1,2 = ej donnant un filtre
resonnant.
Ce sont des filtre AR2 definis par la relation dentree-sortie sous la forme :
y(n) = 2y(n 1) 2 y(n 2) + x(n)

16.4 Conception dun filtre numerique

Pour construire un filtre numerique, il suffit de determiner les coefficients ak et bk intervenant
dans les equations aux difference reliant lentree et la sortie. On peut dans des cas simples
utiliser les filtres elementaires decrits precedemment, en adaptant les parametres selon le but
desire.

16.5 Restitution
+
P
{xk } x(t) = xk (tkTe ) Interpolation lineaire-Restitution par bloqueur-Transformation
k=
H(p) ou H(z) en inverse. Blocage impulsionnel + integrateur dentree

FIN

35