1 A Cours TS

Haute Ecole dIngnirie et de Gestion du
canton de Vaud (HEIG-Vd)

Dpartement de la formation en emploi
(FEE)
Filire Electricit
Filire Tlcommunications (RS et IT)
Dpartement Systmes industriels et
Microtechniques (Si+M)
Filire Microtechnique
Traitement de signal
(Signaux et Systmes)
in s t i t u t d '
Automatisation
in d u s t r i e l l e
Prof. M.ETIQUE et Prof. F.MUDRY,

mars 2006, Yverdon-les-Bains
HEIG-Vd Traitement de signal
Fiche dunit denseignement
Dpartement: FEE
Traitement de signaul Filire:
Electricit
Orientation: etTlcommunications
Contrle des connaissances
Semestres 1 2 3b 4a 5 6 Total heures Contrle continu Propdeutique Final
32 I II
OBJECTIFS
A l'issue du cours, l'tudiant doit:
a) Comprendre intuitivement et analytiquement les relations temps-frquence
b) Matriser les sries de Fourier : spectres damplitude, de phase et de puissance
c) Savoir valuer et calculer une rponse temporelle
d) Savoir valuer les effets de lchantillonnage et de la quantification
CONTENU ET COMPETENCES ACQUISES

Description des signaux et des oprateurs 34%
Classification et caractristiques des signaux
Quelques signaux fondamentaux
Convolution et corrlation
Description frquentielle des signaux 66%
Signaux priodiques : spectres uni- et bilatraux ; suites dimpulsions ; reconstruction des signaux ; thormes
de la puissance et du dcalage ; distorsion des signaux et taux de distorsion harmonique
Signaux non priodiques : des sries de Fourier la transformation de Fourier ; nergie et puissance ; densits
spectrales
FORME DE L'ENSEIGNEMENT: Cours et exercices en classe et en laboratoire (Matlab)
LIAISON AVEC D'AUTRES MODULES:

Pralable requis: Mathmatiques 1 et 2, Thorie des circuits linaires, Electronique analogique.
Prparation pour: Traitement du signal, Rgulation automatique,
Voir aussi: -
SUPPORT DE COURS: Cours polycopis
BIBLIOGRAPHIE: Lathi: Signal Processing and Linear Systems, Berkeley Cambridge Press, 1998
De Coulon: Thorie et traitement des signaux, PPUR, 1998
Porat : Digital Signal Processing, John Wiley 1997
Ingle, Proakis : Digital Signal Processing Using MatLab, PWS, 1997
McClellan et al : DSP first: A Multimedia Approach, Prentice Hall, 1999
Smith: The Scientist and Engineers Guide to Digital Signal Processing,
www.dspguide.com, 1999
12 fvrier 2003/fmy Tronc Commun Signaux et Systmes
v.1.6 2 MEE \cours_TS.tex\6 avril 2006

Table des matires
I Analyse des signaux (Fourier) 13

1 Analyse des signaux priodiques 15
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2 Deux reprsentations pour un seul signal . . . . . . . . . . . . . . 15
1.3 Sries de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.3.1 Dfinition de la srie de Fourier . . . . . . . . . . . . . . . 19
1.3.2 Srie de Fourier en cosinus . . . . . . . . . . . . . . . . . . 20
1.3.3 Srie de Fourier complexe . . . . . . . . . . . . . . . . . . 21
1.3.4 Relations entre les 3 reprsentations de Fourier . . . . . . 22
1.4 Spectres damplitudes et de phases . . . . . . . . . . . . . . . . . 23
1.4.1 Spectres unilatraux . . . . . . . . . . . . . . . . . . . . . 23
1.4.2 Spectres bilatraux . . . . . . . . . . . . . . . . . . . . . . 23
1.4.3 Coefficients spectraux et symtries des signaux . . . . . . 24
1.4.4 Exemple de reprsentations spectrales dun signal . . . . . 24
1.5 Suite dimpulsions . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.5.1 Suite dimpulsions rectangulaires . . . . . . . . . . . . . . 26
1.5.2 Suite dimpulsions triangulaires . . . . . . . . . . . . . . . 32
1.5.3 Suite dexponentielles dcroissantes . . . . . . . . . . . . . 33
1.6 Reconstruction des signaux . . . . . . . . . . . . . . . . . . . . . . 35
1.6.1 Synthse dun signal carr . . . . . . . . . . . . . . . . . . 35
1.6.2 Phnomne de Gibbs . . . . . . . . . . . . . . . . . . . . . 35
1.6.3 Importance de la phase . . . . . . . . . . . . . . . . . . . . 37
1.7 Quelques thormes importants . . . . . . . . . . . . . . . . . . . 39
1.7.1 Thorme de la puissance (dit de Parseval) . . . . . . . . . 39
1.7.2 Dcalage temporel . . . . . . . . . . . . . . . . . . . . . . 40
1.7.3 Modulation damplitude . . . . . . . . . . . . . . . . . . . 41
1.7.4 Rotation autour de lordonne . . . . . . . . . . . . . . . . 42
1.8 Calcul de quelques spectres . . . . . . . . . . . . . . . . . . . . . 42
1.8.1 Suite dimpulsions composites . . . . . . . . . . . . . . . . 43
1.8.2 SIR dcale . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1.9 Rponse dun systme linaire . . . . . . . . . . . . . . . . . . . . 48
1.9.1 Analyse de la rponse dun filtre passe-bas . . . . . . . . . 50

1.10 Rponse dun systme non-linaire . . . . . . . . . . . . . . . . . 52

1.10.1 Distorsion due une diode . . . . . . . . . . . . . . . . . . 52
1.A Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
1.A.1 Exercice SF 1 . . . . . . . . . . . . . . . . . . . . . . . . . 55
1.A.2 Exercice SF 2 . . . . . . . . . . . . . . . . . . . . . . . . . 55
1.A.3 Exercice SF 3 . . . . . . . . . . . . . . . . . . . . . . . . . 55
1.A.4 Exercice SF 4 . . . . . . . . . . . . . . . . . . . . . . . . . 55
1.A.5 Exercice SF 5 . . . . . . . . . . . . . . . . . . . . . . . . . 56
1.A.6 Exercice SF 6 . . . . . . . . . . . . . . . . . . . . . . . . . 56
1.A.7 Exercice SF 7 . . . . . . . . . . . . . . . . . . . . . . . . . 56
1.A.8 Exercice SF 8 . . . . . . . . . . . . . . . . . . . . . . . . . 58
1.A.9 Exercice SF 9 . . . . . . . . . . . . . . . . . . . . . . . . . 58
1.A.10 Exercice SF 10 . . . . . . . . . . . . . . . . . . . . . . . . 58
1.A.11 Exercice SF 11 . . . . . . . . . . . . . . . . . . . . . . . . 58
1.A.12 Exercice SF 12 . . . . . . . . . . . . . . . . . . . . . . . . 59
1.A.13 Exercice SF 13 . . . . . . . . . . . . . . . . . . . . . . . . 59
1.A.14 Exercice SF 14 . . . . . . . . . . . . . . . . . . . . . . . . 59
1.A.15 Exercice SF 15 . . . . . . . . . . . . . . . . . . . . . . . . 59
1.A.16 Exercice SF 16 . . . . . . . . . . . . . . . . . . . . . . . . 62
1.A.17 Exercice SF 17 . . . . . . . . . . . . . . . . . . . . . . . . 62
1.A.18 Exercice SF 18 . . . . . . . . . . . . . . . . . . . . . . . . 62
1.A.19 Exercice SF 19 . . . . . . . . . . . . . . . . . . . . . . . . 63
1.A.20 Exercice SF 20 . . . . . . . . . . . . . . . . . . . . . . . . 63
1.A.21 Exercice SF 21 . . . . . . . . . . . . . . . . . . . . . . . . 64
1.A.22 Exercice SF 22 . . . . . . . . . . . . . . . . . . . . . . . . 64
1.A.23 Exercice SF 23 . . . . . . . . . . . . . . . . . . . . . . . . 65
1.A.24 Exercice SF 24 . . . . . . . . . . . . . . . . . . . . . . . . 65
1.A.25 Exercice SF 25 . . . . . . . . . . . . . . . . . . . . . . . . 66
1.A.26 Exercice SF 26 . . . . . . . . . . . . . . . . . . . . . . . . 66
1.A.27 Exercice SF 27 . . . . . . . . . . . . . . . . . . . . . . . . 66
2 Analyse des signaux non priodiques 71

2.1 Transformation de Fourier . . . . . . . . . . . . . . . . . . . . . . 71
2.1.1 Passage de la srie la transformation de Fourier . . . . . 71
2.1.2 TF directe et inverse . . . . . . . . . . . . . . . . . . . . . 73
2.1.3 nergie dun signal non permanent . . . . . . . . . . . . . 74
2.1.4 Proprits de la transformation de Fourier . . . . . . . . . 75
2.2 Exemples de spectres continus . . . . . . . . . . . . . . . . . . . . 76
2.2.1 Spectre dune impulsion rectangulaire . . . . . . . . . . . . 76
2.2.2 Spectres dun sinus amorti . . . . . . . . . . . . . . . . . . 77
2.2.3 Spectres de 2 impulsions . . . . . . . . . . . . . . . . . . . 79
2.2.4 Extension de la transformation de Fourier . . . . . . . . . 80
2.3 Calcul de quelques transformes . . . . . . . . . . . . . . . . . . . 85

2.3.1 Exponentielle dcroissante . . . . . . . . . . . . . . . . . . 85

2.3.2 Exponentielle dcroissante symtrique . . . . . . . . . . . . 86
2.3.3 Signal unit . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.3.4 Saut unit . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
2.3.5 Phaseur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
2.3.6 Signal sinusodal . . . . . . . . . . . . . . . . . . . . . . . 88
2.3.7 Impulsion sinusodale . . . . . . . . . . . . . . . . . . . . . 89
2.4 Quelques conclusions . . . . . . . . . . . . . . . . . . . . . . . . . 90
2.4.1 TF des signaux priodiques . . . . . . . . . . . . . . . . . 90
2.4.2 Relations avec la transformation de Laplace . . . . . . . . 91
2.4.3 Table de quelques transformes de Fourier . . . . . . . . . 91
2.5 Classification des signaux . . . . . . . . . . . . . . . . . . . . . . . 92
2.5.1 Classification phnomnologique . . . . . . . . . . . . . . . 92
2.5.2 Classification nergtique . . . . . . . . . . . . . . . . . . . 93
2.6 Comparaison des signaux . . . . . . . . . . . . . . . . . . . . . . . 94
2.6.1 Signaux nergie finie . . . . . . . . . . . . . . . . . . . . 95
2.6.2 Corrlation de signaux puissance finie . . . . . . . . . . . 97
2.6.3 Proprits de lautocorrlation . . . . . . . . . . . . . . . . 98
2.6.4 Proprits de lintercorrlation . . . . . . . . . . . . . . . . 100
2.6.5 Calcul numrique de la corrlation . . . . . . . . . . . . . 101
2.7 Exemples de corrlation . . . . . . . . . . . . . . . . . . . . . . . 101
2.7.1 Fonction de corrlation dun signal chirp . . . . . . . . . . 101
2.7.2 Fonction de corrlation dune SBPA . . . . . . . . . . . . . 102
2.7.3 Une illustration de lutilisation de la corrlation . . . . . . 102
2.8 Signaux types . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
2.8.1 Signaux dterministes temporaires . . . . . . . . . . . . . . 105
2.8.2 Signaux dterministes permanents . . . . . . . . . . . . . . 106
2.8.3 Signaux alatoires . . . . . . . . . . . . . . . . . . . . . . . 107
2.9 Description des signaux alatoires . . . . . . . . . . . . . . . . . . 107
2.9.1 Le bruit blanc densit spectrale constante et bande infinie 109
2.9.2 Le bruit densit spectrale constante et bande limite . . 110
2.9.3 Le bruit color puissance finie . . . . . . . . . . . . . . . 110
2.10 Systmes linaires et densits spectrales . . . . . . . . . . . . . . . 111
2.11 nergie et puissance des signaux . . . . . . . . . . . . . . . . . . . 112
2.11.1 Domaine temporel . . . . . . . . . . . . . . . . . . . . . . 112
2.11.2 Domaine frquentiel . . . . . . . . . . . . . . . . . . . . . 113
2.12 Temps, spectres et statistique des signaux . . . . . . . . . . . . . 115
2.13 Quelques exemples . . . . . . . . . . . . . . . . . . . . . . . . . . 117
2.13.1 Exemple 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
2.13.2 Exemple 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
2.A Table illustre de quelques transformes de Fourier . . . . . . . . 121
2.B Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
2.B.1 Exercice TF 1 . . . . . . . . . . . . . . . . . . . . . . . . . 124

2.B.2 Exercice TF 2 . . . . . . . . . . . . . . . . . . . . . . . . . 124

2.B.3 Exercice TF 3 . . . . . . . . . . . . . . . . . . . . . . . . . 124
2.B.4 Exercice TF 4 . . . . . . . . . . . . . . . . . . . . . . . . . 125
2.B.5 Exercice TF 5 . . . . . . . . . . . . . . . . . . . . . . . . . 125
2.B.6 Exercice TF 6 . . . . . . . . . . . . . . . . . . . . . . . . . 125
2.B.7 Exercice TF 7 . . . . . . . . . . . . . . . . . . . . . . . . . 126
2.B.8 Exercice TF 8 . . . . . . . . . . . . . . . . . . . . . . . . . 126
2.B.9 Exercice TF 9 . . . . . . . . . . . . . . . . . . . . . . . . 128
2.B.10 Exercice TF 10 . . . . . . . . . . . . . . . . . . . . . . . . 128
2.B.11 Exercice TF 11 . . . . . . . . . . . . . . . . . . . . . . . . 129
2.B.12 Exercice TF 12 . . . . . . . . . . . . . . . . . . . . . . . . 129
2.B.13 Exercice TF 13 . . . . . . . . . . . . . . . . . . . . . . . . 129
2.B.14 Exercice TF 14 . . . . . . . . . . . . . . . . . . . . . . . . 129
2.B.15 Exercice TF 15 . . . . . . . . . . . . . . . . . . . . . . . . 130
2.B.16 Exercice TF 16 . . . . . . . . . . . . . . . . . . . . . . . . 130
2.B.17 Exercice TF 17 . . . . . . . . . . . . . . . . . . . . . . . . 130
2.B.18 Exercice TF 18 . . . . . . . . . . . . . . . . . . . . . . . . 130
2.B.19 Exercice TF 19 . . . . . . . . . . . . . . . . . . . . . . . . 131
2.B.20 Exercice TF 20 . . . . . . . . . . . . . . . . . . . . . . . . 131
2.B.21 Exercice TF 21 . . . . . . . . . . . . . . . . . . . . . . . . 131
2.B.22 Exercice TF 22 . . . . . . . . . . . . . . . . . . . . . . . . 132
2.B.23 Exercice TF 23 . . . . . . . . . . . . . . . . . . . . . . . . 132
2.B.24 Exercice TF 24 . . . . . . . . . . . . . . . . . . . . . . . . 132
2.B.25 Exercice TF 25 . . . . . . . . . . . . . . . . . . . . . . . . 132
2.B.26 Exercice Corr 1 . . . . . . . . . . . . . . . . . . . . . . . . 133
2.B.27 Exercice Corr 2 . . . . . . . . . . . . . . . . . . . . . . . . 133
2.B.28 Exercice Corr 3 . . . . . . . . . . . . . . . . . . . . . . . . 134
2.B.29 Exercice Corr 4 . . . . . . . . . . . . . . . . . . . . . . . . 134
2.B.30 Exercice Corr 5 . . . . . . . . . . . . . . . . . . . . . . . . 136
3 lments danalyse spectrale numrique 139

3.1 Passage de la TF la TFD . . . . . . . . . . . . . . . . . . . . . . 139
3.1.1 Signaux continus non-priodiques . . . . . . . . . . . . . . 140
3.1.2 Signaux discrets de dure infinie . . . . . . . . . . . . . . . 140
3.1.3 Signaux discrets de dure finie . . . . . . . . . . . . . . . 142
3.1.4 Discrtisation de la frquence . . . . . . . . . . . . . . . . 143
3.2 Relations temps-frquence . . . . . . . . . . . . . . . . . . . . . . 143
3.3 Transformation de Fourier discrte . . . . . . . . . . . . . . . . . 146
3.3.1 Dfinition de la TFD . . . . . . . . . . . . . . . . . . . . 146
3.3.2 TFD dun signal priodique . . . . . . . . . . . . . . . . . 146
3.3.3 TFD et FFT . . . . . . . . . . . . . . . . . . . . . . . . . 147
3.4 Spectre dune sinusode . . . . . . . . . . . . . . . . . . . . . . . . 148
3.4.1 Le nombre de priodes enregistres est un entier . . . . . . 148

3.4.2 Le nombre de priodes enregistres nest pas un entier . . 148

3.5 Fentres dobservation . . . . . . . . . . . . . . . . . . . . . . . . 149
3.5.1 Quatre fentres usuelles . . . . . . . . . . . . . . . . . . . 149
3.5.2 Effet dune fentre . . . . . . . . . . . . . . . . . . . . . . 151
3.5.3 Choix dune fentre . . . . . . . . . . . . . . . . . . . . . . 151
3.6 Exemple 1: analyse spectrale lmentaire . . . . . . . . . . . . . . 153
3.7 Exemple 2: reconstruction dun signal . . . . . . . . . . . . . . . . 156
3.8 Exemple 3: analyse spectrale dtaille . . . . . . . . . . . . . . . . 159
3.8.1 Donnes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
3.8.2 Signal temporel . . . . . . . . . . . . . . . . . . . . . . . . 159
3.8.3 Paramtres dacquisition . . . . . . . . . . . . . . . . . . . 160
3.8.4 Analyse spectrale . . . . . . . . . . . . . . . . . . . . . . . 161
3.8.5 Estimation des amplitudes . . . . . . . . . . . . . . . . . . 163
3.8.6 Calcul des signaux et des spectres . . . . . . . . . . . . . . 164
3.A Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
3.A.1 Exercice TFD 1 . . . . . . . . . . . . . . . . . . . . . . . . 170
3.A.2 Exercice TFD 2 . . . . . . . . . . . . . . . . . . . . . . . . 170
3.A.3 Exercice TFD 3 . . . . . . . . . . . . . . . . . . . . . . . . 170
3.A.4 Exercice TFD 4 . . . . . . . . . . . . . . . . . . . . . . . . 171
3.A.5 Exercice TFD 5 . . . . . . . . . . . . . . . . . . . . . . . . 171
3.A.6 Exercice AnSp 1 . . . . . . . . . . . . . . . . . . . . . . . 172
3.A.7 Exercice AnSp 2 . . . . . . . . . . . . . . . . . . . . . . . 172
3.A.8 Exercice AnSp 3 . . . . . . . . . . . . . . . . . . . . . . . 172
II Analyse des signaux et systmes numriques 177

4 Echantillonnage des signaux analogiques 179
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
4.2 Analyse temporelle . . . . . . . . . . . . . . . . . . . . . . . . . . 180
4.2.1 Types de signaux . . . . . . . . . . . . . . . . . . . . . . . 180
4.2.2 Quantification dun signal: exemple . . . . . . . . . . . . . 182
4.2.3 chantillonnage des signaux analogiques . . . . . . . . . . 182
4.3 Analyse frquentielle . . . . . . . . . . . . . . . . . . . . . . . . . 184
4.3.1 Spectre dun peigne de Dirac . . . . . . . . . . . . . . . . . 185
4.3.2 Spectre dun signal chantillonn . . . . . . . . . . . . . . 185
4.4 Recouvrement spectral . . . . . . . . . . . . . . . . . . . . . . . . 188
4.4.1 Quelques exemples . . . . . . . . . . . . . . . . . . . . . . 190
4.5 Thorme de lchantillonnage . . . . . . . . . . . . . . . . . . . . 198
4.5.1 Filtre antirecouvrement . . . . . . . . . . . . . . . . . . . . 199
4.5.2 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
4.6 Quantification dun signal chantillonn . . . . . . . . . . . . . . . 201
4.6.1 Quantification uniforme . . . . . . . . . . . . . . . . . . . 201

4.6.2 Bruit de quantification . . . . . . . . . . . . . . . . . . . . 203

4.6.3 Rapport signal sur bruit . . . . . . . . . . . . . . . . . . . 204
4.7 Choix dun filtre et de la frquence dchantillonnage . . . . . . . 209
4.8 Reconstruction du signal . . . . . . . . . . . . . . . . . . . . . . . 211
4.8.1 Convertisseur N-A . . . . . . . . . . . . . . . . . . . . . . 211
4.8.2 Interpolateur idal . . . . . . . . . . . . . . . . . . . . . . 211
4.8.3 Rponses impulsionnelle et frquentielle dun CNA . . . . 213
4.8.4 Filtre de reconstruction ou de lissage . . . . . . . . . . . . 215
4.9 Analyse qualitative dune chane A-N N-A . . . . . . . . . . . . 215
4.9.1 chantillonnage sans filtre antirecouvrement . . . . . . . . 215
4.9.2 chantillonnage avec filtre antirecouvrement . . . . . . . . 215
4.9.3 Effet du convertisseur NA . . . . . . . . . . . . . . . . . . 215
4.9.4 Reconstruction du signal analogique . . . . . . . . . . . . . 218
4.9.5 Correcteur damplitude . . . . . . . . . . . . . . . . . . . . 218
4.A Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
4.A.1 Exercice ECH 1 . . . . . . . . . . . . . . . . . . . . . . . . 219
4.A.2 Exercice ECH 2 . . . . . . . . . . . . . . . . . . . . . . . . 219
4.A.3 Exercice ECH 3 . . . . . . . . . . . . . . . . . . . . . . . . 220
4.A.4 Exercice ECH 4 . . . . . . . . . . . . . . . . . . . . . . . . 220
4.A.5 Exercice ECH 5 . . . . . . . . . . . . . . . . . . . . . . . . 220
4.A.6 Exercice ECH 6 . . . . . . . . . . . . . . . . . . . . . . . . 220
4.A.7 Exercice ECH 7 . . . . . . . . . . . . . . . . . . . . . . . . 221
4.A.8 Exercice ECH 8 . . . . . . . . . . . . . . . . . . . . . . . . 221
4.A.9 Exercice ECH 9 . . . . . . . . . . . . . . . . . . . . . . . . 221
4.A.10 Exercice ECH 10 . . . . . . . . . . . . . . . . . . . . . . . 221
4.A.11 Exercice ECH 11 . . . . . . . . . . . . . . . . . . . . . . . 221
4.A.12 Exercice ECH 12 . . . . . . . . . . . . . . . . . . . . . . . 222
4.A.13 Exercice ECH 13 . . . . . . . . . . . . . . . . . . . . . . . 222
4.A.14 Exercice ECH 14 . . . . . . . . . . . . . . . . . . . . . . . 222
4.A.15 Exercice ECH 15 . . . . . . . . . . . . . . . . . . . . . . . 223
4.A.16 Exercice ECH 16 . . . . . . . . . . . . . . . . . . . . . . . 223
4.A.17 Exercice ECH 17 . . . . . . . . . . . . . . . . . . . . . . . 223
4.A.18 Exercice ECH 18 . . . . . . . . . . . . . . . . . . . . . . . 223
5 Signaux et systmes numriques 225

5.1 Signaux numriques . . . . . . . . . . . . . . . . . . . . . . . . . . 225
5.1.1 Quelques signaux fondamentaux . . . . . . . . . . . . . . . 225
5.1.2 Priodicit des signaux numriques . . . . . . . . . . . . . 228
5.2 Systmes numriques . . . . . . . . . . . . . . . . . . . . . . . . . 228
5.2.1 Exemples de systme numriques . . . . . . . . . . . . . . 229
5.2.2 Schma fonctionnel dun systme numrique. . . . . . . . . 232
5.2.3 Proprits des systmes . . . . . . . . . . . . . . . . . . . . 232
5.2.4 Interconnexions des systmes . . . . . . . . . . . . . . . . 236

5.2.5 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . 236

5.3 Rponse impulsionnelle et produit de convolution . . . . . . . . . 237
5.3.1 Systmes causaux . . . . . . . . . . . . . . . . . . . . . . . 238
5.3.2 Ralisation dun produit convolution . . . . . . . . . . . . 239
5.4 quations aux diffrences . . . . . . . . . . . . . . . . . . . . . . . 243
5.4.1 Systmes dcrits par des quations rcursives . . . . . . . . 243
5.4.2 Rsolution dune quation rcursive . . . . . . . . . . . . . 246
5.4.3 Gnralisation . . . . . . . . . . . . . . . . . . . . . . . . . 248
5.4.4 Stabilit des systmes numriques . . . . . . . . . . . . . . 249
5.4.5 Instants caractristiques . . . . . . . . . . . . . . . . . . . 250
5.5 Transformation en z . . . . . . . . . . . . . . . . . . . . . . . . . 251
5.5.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
5.5.2 Calcul de quelques transformes . . . . . . . . . . . . . . . 252
5.5.3 Quelques proprits de la transformation en z . . . . . . . 253
5.5.4 quation aux diffrences et fonction de transfert . . . . . . 254
5.6 Rponse frquentielle des systmes LTI . . . . . . . . . . . . . . . 255
5.6.1 Fonction de transfert et rponse frquentielle . . . . . . . . 255
5.6.2 Ples, zros et rponse frquentielle . . . . . . . . . . . . . 256
5.6.3 TFD et rponse frquentielle . . . . . . . . . . . . . . . . . 258
5.7 Calcul et traage de quelques rponses frquentielles . . . . . . . . 259
5.7.1 Moyenneur non causal . . . . . . . . . . . . . . . . . . . . 259
5.7.2 Moyenneur causal . . . . . . . . . . . . . . . . . . . . . . . 260
5.7.3 Filtre passe-bas dordre 1 . . . . . . . . . . . . . . . . . . . 262
5.7.4 Filtre passe-bas dordre 2 . . . . . . . . . . . . . . . . . . . 265
5.8 Analyse et ralisation dun filtre . . . . . . . . . . . . . . . . . . . 267
5.8.1 Calcul de la rponse temporelle du filtre . . . . . . . . . . 267
5.8.2 Calcul de la rponse frquentielle . . . . . . . . . . . . . . 269
5.8.3 Comment raliser ce filtre ? . . . . . . . . . . . . . . . . . 270
5.9 Classification des systmes numriques . . . . . . . . . . . . . . . 273
5.9.1 Systmes non rcursifs (dits RIF, FIR ou MA) . . . . . . . 273
5.9.2 Systmes rcursifs (dits RII, IIR ou ARMA) . . . . . . . . 273
5.9.3 Caractristiques des filtres RIF et RII . . . . . . . . . . . . 274

Bibliographie gnrale
Traitement des signaux
Bibliographie
[dC84] F. de Coulon. Trait delectricit. In Thorie et traitement des signaux,
volume 6. Presses Polytechniques Romandes, Lausanne, 1984. biblio-
thque HEIG-Vd No 32.100-23.
[MA70] E.J. Finn M. Alonso. Physique gnrale : champs et ondes. Editions
pdagogiques, Montral, 1970.
Traitement numrique des signaux
Bibliographie
[1] B.Porat. A Course in Digital Signal Processing. J. Wiley, 1997.
[2] M.A. Yoder J.H. McClellan, R.W. Schafer. DSP First. Prentice Hall, Haute
Ecole dIngnierie et de Gestion du canton de Vaud, 1999.
[3] D.G. Manolakis J.G. Proakis. Digital Signal Processing. MacMillan, 2 edition,
1992.
[4] C.S. Burrus et al. Computer-Based Exercises for Signal Processing. Prentice-
Hall, 1994.
[5] J.G. Proakis V.K. Ingle. Digital Signal Processing Using MatLab. PWS, 1997.
[6] B.W. Jervis E.C. Ifeachor. Digital Signal Processing. Addison-Wesley, 1993.
Filtres analogiques et numriques
Bibliographie
[1] M. Labarrre et al. Le filtrage et ses applications. Cepadues Editions, 1982.
[2] H. Leich R. Bote. Les filtres numriques. Masson, 1980.
[3] R. Miquel. Le filtrage numrique par microprocesseurs. Editests, 1985.
[4] H. Lam. Analog and Digital Filters. Prentice Hall, 1979.
[5] C.S. Burrus T.W. Parks. Digital Filter Design. J. Wiley, 1987.
[6] Ch.S. Williams. Designing Digital Filters. Prentice-Hall, 1986.

Analyse spectrale numrique
Bibliographie
[1] Hewlett-Packard. The fundamentals of signal analysis, application note. Tech-
nical Report 243, 1981.
[2] R.B. Randall. Frequency Analysis. Brel-Kjaer, 1987.
[3] T.W. Parks C.S. Burrus. DFT / FFT and convolution algorithms. J. Wiley,
1985.
[4] R.W. Ramirez. The FFT Fundamentals and Concepts. Prentice-Hall, 1985.
Traitement de la parole
Bibliographie
[1] R. Boite et al. Traitement de la parole. PPUR, 2000.
[2] Hansen Deller, Proakis. Discrete Time Processing of Speech Signals. Macmil-
lan, 1993.
[3] K. Nakata S. Saito. Fundamentals of Speech Signal Processing. Academic
Press, 1985.
[4] R.W. Schafer L.R. Rabiner. Digital Signal Processing of Speech. Prentice-Hall,
1978.
Pour le plaisir des yeux et de lesprit
Bibliographie
[1] Warusfel Andr. Les nombres et leurs mystres. Seuil, 1961.
[2] Stewart Ian. Does God Play Dice ? The new mathematics of chaos. Penguin,
1989.
[3] Stewart Ian. Dieu joue-t-il aux ds ? les nouvelles mathmatiques du chaos.
Flammarion, 1993.
[4] Dunham William. Euler, the master of us all. The Mathematical Association
of America, 1999.
[5] Maor Eli. To Infinity and Beyond : a cultural history of the infinity. Bir-
khuser, 1986.
[6] Klein Etienne. La physique quantique. Dominos Flammarion, 1996.
[7] Hawking Stephen. Une brve histoire du temps. PFlammarion, 1988.

[8] Reeves Hubert. Malicorne : rflexions dun observateur de la nature. Folio

essais, Gallimard, 1998.
[9] ThuanTrinh Xuan. Le chaos et lharmonie : la fabrication du rel. Prentice-
Hall, 1978.
[10] Hersh R. Davis Ph.J. Lunivers mathmatique. Bordas, 1985.
[11] Ekeland Ivan. Le Calcul, lImprvu : les figures du temps de Kepler Thom.
Seuil, 1984.
[12] Conway John. The Book of Numbers. Copernicus, 1996.
[13] Fivaz Roland. Lordre et la volupt. PPR, 1989.
[14] Lesieur Marcel. La turbulence. Grenoble PUG, 1994.
Quelques adresses Internet

Dmonstrations interactives
1. http ://www.jhu.edu/signals/
2. http ://image-1.rose-hulman.edu/yoder/bookcd/visible/contents/cover.htm
3. http ://www.engin.umich.edu/group/ctm/home.text.htm
Livre et divers
1. http ://www.dspguide.com/pdfbook.htm
2. http ://www.redcedar.com/learndsp.htm
3. http ://www.dspguru.com/info/tutor/other.htm
Logiciels gratuits
1. http ://www.sysquake.com
2. http ://www.dspguru.com/sw/opendsp/mathclo.htm
3. http ://www-rocq.inria.fr/scilab/scilab.htm

Chapitre 1
Analyse des signaux priodiques
1.1 Introduction
Lanalyse harmonique ou frquentielle est linstrument majeur de la thorie
des signaux et des systmes. Le dveloppement en sries de Fourier et, plus gn-
ralement, la transformation de Fourier permettent dobtenir une reprsentation
spectrale des signaux dterministes. Celle-ci exprime la rpartition de lamplitude,
de la phase, de lnergie ou de la puissance des signaux considrs en fonction de
la frquence.
Ce chapitre et le suivant sont une introduction aux reprsentations spectrales
des signaux laide des sries de Fourier et de la transformation de Fourier. Pour
plus de dtails, on consultera avantageusement le livre de B.P.Lathy [B.P98].
1.2 Deux reprsentations pour un seul signal

Le temps et la frquence sont deux bases servant la description des signaux.
Ce sont deux points de vue diffrents dune mme ralit ; ils sont complmen-
taires. Il est important de bien comprendre les relations qui existent entre ces
deux bases ; cest le but de ce chapitre.
Une grandeur sinusodale est dcrite par lquation :
x(t) = A cos (2 f0 t + ) (1.1)
Son volution temporelle est contenue dans le mot cos ; ds lors, on sait que le
signal x(t) ondule avec une forme prcise fixe par la fonction cosinus. Cependant,
des informations supplmentaires sont donnes : lamplitude A, la phase et la
frquence f0 . Ce sont ces informations qui sont fournies par la reprsentation
frquentielle ou spectrale.
Il vaut la peine de relever que le simple fait de parler de signal priodique
implique que lesdits signaux existent pour < t < + : en pratique, cest
videmment diffrent sans que cela ne remette en question le bienfond de ltude

de tels signaux, ladaptation la situation relle o les signaux ne sont dfinis

que lespace dune dure finie tant faisable sans rencontrer de grandes difficults.
Comme le temps et la frquence sont les deux composantes de la description
dun mme signal, une sinusode devrait tre reprsente dans un espace trois
dimensions (fig. 1.1). Une telle reprsentation tant mal pratique, on la remplace
par ses projections sur les plans temporel et frquentiel.
+A
0 t
A T
Espace temporel
T t
0
1/T
Espace frquentiel
f
Amplitude Phase
+
A
f 1/T f
0 1/T 0
Fig. 1.1 Descriptions temporelle et frquentielle dune sinusode.
Dans la projection sur laxe du temps, on retrouve le dessin bien connu dune
sinusode, alors que la projection sur laxe des frquences conduit une raie situe
en f = f0 et de hauteur A. Comme cette projection ne fournit que lamplitude
A, il est ncessaire, pour la frquence considre, de donner galement la phase
. Ces deux diagrammes portent le nom de spectres damplitudes et de phases.

Sinusoides de frquences f0 et 2f0

1.5
0.5
0.5
1.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Somme de 2 sinusoides
1.5
0.5
0.5
1.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
f_sfour_2.eps
Fig. 1.2 Somme de 2 sinusodes de frquences diffrentes (fichier source).
A titre dexemple, considrons un signal compos de 2 sinusodes

1
x(t) = A cos 2 f0 t + A cos 4 f0 t (1.2)
2 2 4
La figure 1.2 illustre le comportement temporel de ce signal et de ses 2 compo-
santes. La figure 1.3 montre ce qui se passe alors dans lespace des frquences. On
notera que la somme des 2 cosinusodes dans lespace temps conduit galement
la somme des spectres damplitudes et de phases.

A A
900 900
A/2 A/2
450 450
f f0 f f 2 f0 f
f0 2 f0
-450 -450
-900 -900
Cosinusode d'amplitude A et de phase -900 Cosinusode d'amplitude A/2 et de phase -450
A
900
450
f f0 2 f0 f
f0 2 f0
-450
-900
Signal priodique non-sinusodal
Fig. 1.3 Spectres individuels et spectre rsultant.

6 6
x1(t) 1+x1(t)
4 4
2 2
0 0
2 2
2 1 0 1 2 2 1 0 1 2
6 6
x2(t) 1+x1(t)+x2(t)
4 4
2 2
0 0
2 2
2 1 0 1 2 2 1 0 1 2
6 6
x3(t) 1+x1(t)+x2(t)+x3(t)
4 4
2 2
0 0
2 2
2 1 0 1 2 2 1 0 1 2
f_sfour_3.eps
Fig. 1.4 Construction dun signal priodique non-sinusodal (fichier source).
1.3 Sries de Fourier

Llment fondamental de lanalyse de Fourier est constitu par le fait quun
signal priodique peut tre dcompos en une somme dondes sinusodales. Une
illustration de la construction dun signal priodique non-sinusodal est donne
la figure 1.4 : le signal rsultant est la somme de trois sinusodes dont la frquence
est chaque fois un multiple de la fondamentale f0 .
1.3.1 Dfinition de la srie de Fourier

1
Considrons un signal priodique x (t) de priode T = f0
. Son dveloppement
en srie de Fourier est alors le suivant :

a0 X X
x (t) = + ak cos (2 k f0 t) + bk sin (2 k f0 t) (1.3)
2 k=1 k=1
o f0 = T1 est la frquence fondamentale du signal, a20 est la valeur moyenne ou

composante continue et ak , bk sont les coefficients de Fourier du dveloppement

en cosinus et sinus.
Les coefficients de Fourier ak et bk se calculent comme suit :
Z + T2
2
ak = x (t) cos (2 k f0 t) dt k0 (1.4)
T T2
Z + T2
2
bk = x (t) sin (2 k f0 t) dt k1 (1.5)
T T2
N.B. Cette reprsentation, qui sert de point de dpart au dveloppement en

sries de Fourier, na aucun intrt en traitement du signal ; elle est avantageuse-
ment remplace par la srie en cosinus ( 1.3.2) et surtout par la srie complexe
( 1.3.3 page suivante).
1.3.2 Srie de Fourier en cosinus

Prenant en compte la relation trigonomtrique suivante :

B
A cos (x) + B sin (x) = A2 + B2 cos x + arctan (1.6)
A
on voit que le dveloppement en srie de Fourier peut galement scrire :

X
x (t) = A0 + Ak cos (2 k f0 t + k ) (1.7)
k=1
avec :

a0 bk
q
A0 = Ak = a2k + b2k k = arctan (1.8)
2 ak
Cette srie en cosinus est extrmement importante car elle correspond la

description bien connue des signaux en rgime sinusodal permanent o lon re-
prsente un courant ou une tension par leur amplitude et leur phase. Dun point
de vue pratique, cela revient considrer que le signal x (t) est cr de manire
quivalente par une infinit de gnrateurs sinusodaux.
La reprsentation spectrale qui lui est associe porte le nom de spectre unila-
tral. Une illustration en est donne la figure 1.5. On y voit une onde priodique
en dents de scie qui peut tre reconstruite par une superposition dondes sinuso-
dales. Cette superposition peut tre prsente dans lespace temps ou, de manire
quivalente et plus explicite, dans lespace des frquences.

1 1
0.5 0.5
x(t) et xc(t)
x (t)
0 0
k
0.5 0.5
1 1
0.5 0 0.5 1 1.5 0.5 0 0.5 1 1.5
temps temps
0.7 2
0.6
1
0.5
0.4
Ak
k
0

0.3
0.2
1
0.1
0 2
0 2 4 6 8 10 0 2 4 6 8 10
frequence [k x f0] frequence [k x f0]
f_sfour1_4.eps
Fig. 1.5 Onde en dents de scie, composantes et spectres damplitudes et de

phases (fichier source).
1.3.3 Srie de Fourier complexe

Se souvenant des relations dEuler :
e+jx + ejx
cos (x) = (1.9)
2
e+jx ejx
sin (x) = (1.10)
2j
on montre aisment que la srie de Fourier peut tre transforme en une srie de
Fourier complexe :

X
x (t) = X (j k) e+j2kf0 t (1.11)
k=
Les coefficients X (j k) sont alors complexes et valent :

Z +T
1 2
X (j k) = x (t) ej2kf0 t dt < k < + (1.12)
T T2
La reprsentation spectrale graphique qui lui est associe porte le nom de

spectre bilatral. Pour la suite du cours, on retiendra essentiellement cette des-
cription car elle est analytiquement plus intressante que la forme en cosinus,
facilitant notablement les calculs.

Im
Ak R
-bk
-bk/2
X(+jk) C
+k
Re
+ak/2 +ak
k
X(-jk)
+bk/2
Fig. 1.6 Reprsentation vectorielle des 3 sries de Fourier.
On remarquera au passage que la formule dEuler remplace les fonctions sinus

et cosinus par des exponentielles exposant imaginaire appeles phaseurs. Ces
phaseurs ne sont rien dautres que des fonctions complexes oscillant cosinusoda-
lement sur laxe rel et sinusodalement sur laxe imaginaire.
1.3.4 Relations entre les 3 reprsentations de Fourier
Les relations existant entre les trois reprsentations de Fourier sont prsentes
dans le tableau 1.1 et illustres par la figure 1.6. Cette figure est importante
car elle permet de voir en un coup doeil les relations simples liant les trois
reprsentations spectrales.
On retiendra galement la relation existant entre les coefficients spectraux et
la valeur efficace dune composante spectrale :
Ak
Ak,eff = = 2 |X (j k) | (1.13)
2

a0
k=0 2
A0 X (0)
k>0 {ak , bk } {Ak , k } X (j k)
ak ak +Ak cos (k ) +2 <{X (j k)}
bk p bk Ak sin (k ) 2 ={X (j k)}
Ak + b2k
a2k Ak 2 |X
(j k) |
bk ={X(+jk)}
k arctan ak
k arctan <{X(+jk)}
1 1
X (+j k) 2
(ak j bk ) 2
Ak e+jk X (+j k)
X (j k) 1
2
(ak + j bk ) 1
2
Ak ejk X (j k)
Tab. 1.1 Relations entre les 3 reprsentations spectrales.
1.4 Spectres damplitudes et de phases

1.4.1 Spectres unilatraux
La description de x (t) avec les fonctions cosinusodales
Ak cos (2 k f0 t + k )
conduit aux spectres unilatraux damplitudes et de phases Ak et k du signal

x (t). Ici, les frquences sont positives ou nulles car le compteur k des harmoniques
varie de 0 + (figure 4.4).
1.4.2 Spectres bilatraux

La description de x (t) avec les fonctions complexes X (j k) e+j2kf0 t
conduit aux spectres bilatraux damplitudes et de phases |X (j k) | et 6 X (j k).
Ici, les frquences sont ngatives et positives car le compteur k varie de
+.
Dans le cas des spectres bilatraux, on notera que les spectres damplitudes
sont toujours des fonctions paires car on a :
Ak
|X (+j k) | = |X (j k) | = k 6= 0 (1.14)
2
alors que les spectres de phases sont toujours des fonctions impaires. On a en
effet :
6 X (+j k) = 6 X (j k) = k k 6= 0 (1.15)
Pour le cas particulier de la composante continue du signal (k = 0), on a :
|X (0) | = A0 6 X (0) = {0, }

Signaux Spectres unilatraux

0.8
1
0.6
0.5
0.4
0
0.5 0.2
1 0
0 1 2 3 0 2 4 6
0.8
1
0.6
0.5
0.4
0
0.5 0.2
1 0
0 1 2 3 0 2 4 6
0.8
1 0.6
0.4
0.5
0.2
0
0
0 1 2 3 0 2 4 6
temps frquence
f_sfour_5.eps
Fig. 1.7 Quelques signaux avec leur spectre unilatral damplitudes (fichier source).
1.4.3 Coefficients spectraux et symtries des signaux

Si lon tient compte des symtries du signal, le calcul des sries de Fourier est
simplifi. On dmontre en effet aisment les proprits suivantes :
une fonction paire est reprsente par des cosinus seulement ; on a alors :
k = {0, } ={X (j k)} = 0 (1.16)
une fonction impaire est reprsente par des sinus seulement ; on a alors :

k = <{X (j k)} = 0 (1.17)
2
une fonction symtrie demi-onde ne possde pas dharmoniques paires :
X (j k) = 0 si k est pair (1.18)
Les fonctions symtrie demi-onde sont telles quune rotation autour de labs-
cisse de lalternance positive ou ngative permet de reproduire lautre alternance
(figure 1.8).
Le signal carr ( valeur moyenne nulle, i.e. sans composante continue, fi-
gure 1.13 page 29) est un exemple de fonction symtrie demi-onde.
1.4.4 Exemple de reprsentations spectrales dun signal

Considrant le signal

x (t) = 3 + 2 cos (2 f0 t) 3.464 sin (2 f0 t) + 2 sin 4 f0 t +
4
1.5
0.5
0.5
1.5
0 0.5 1 1.5 2 2.5 3
f_sfour_6.eps
Fig. 1.8 Exemple dune fonction symtrie demi-onde (fichier source).
on souhaite le dcrire dans les reprsentations spectrales uni- et bi-latrales.

Utilisant les rgles de trigonomtrie, on obtient la forme en cosinus :

x (t) = 3 + 2 cos (2 f0 t) 3.464 sin (2 f0 t) + 2 sin 4 f0 t +
4

(3.464)
= 3 + 22 + 3.4642 cos 2 f0 t + arctan + 2 cos 4 f0 t +
2 4 2

= 3 + 4 cos 2 1 f0 t + + 2 cos 2 2 f0 t
3 4
= A0 + A1 cos (2 f0 t + 1 ) + A2 cos (4 f0 t + 2 )
Cette expression est la forme mathmatique de la reprsentation spectrale unila-

trale.
Appliquant les rgles dEuler cette dernire expression, on obtient la forme
complexe :

x (t) = 3+2e+j(2f0 t+ 3 ) +2ej(2f0 t+ 3 ) +1e+j(4f0 t 4 ) +1ej(4f0 t 4 )

= 3+2e+j 3 e+j2f0 t +2ej 3 ej2f0 t +1ej 4 e+j4f0 t +1e+j 4 ej4f0 t
= X (0)+X (+j 1)e+j2f0 t +X (j 1)ej2f0 t +X (+j 2)e+j4f0 t +X (j 2)ej4f0 t
qui est la forme mathmatique de la reprsentation spectrale bilatrale.

De la lecture de ces deux expressions dcoule immdiatement le trac des
spectres damplitudes et de phases dans les deux reprsentations spectrales (figure

Signal temporel
10
x(t)
0
5
0 0.5 1 1.5 2 2.5 3 3.5 4
Spectres unilatraux temps Spectres bilatraux
5 5
4 4
3 3
|X(jk)|
Ak
2 2
1 1
0 0
0 1 2 3 4 2 1 0 1 2
kf kf
0 0
1 1
0.5 0.5
/X(jk) /
k /
0 0
0.5 0.5
1 1
0 1 2 3 4 2 1 0 1 2
k f0 k f0
f_spectres_1.eps
Fig. 1.9 Reprsentations spectrales dun signal priodique (fichier source).
1.9). On notera que, pour k 6= 0, les amplitudes du spectre bilatral sont 2 fois
plus petites que celles du spectre unilatral.
1.5 Suite dimpulsions

1.5.1 Suite dimpulsions rectangulaires
La suite dimpulsions rectangulaires (SIR) est un signal particulirement im-
portant car elle apparat dans de nombreuses applications telles que lchantillon-
nage, la modulation dimpulsions, etc.
valuons donc la srie de Fourier complexe de la SIR x (t) reprsente la
figure 1.10. Par dfinition des coefficients complexes X (j k), on a :
Z + T2
1 1
X (j k) = x (t) ej2kf0 t dt avec f0 =
T T2 T
En tenant compte de la dfinition de la SIR, il vient :

Z + t
A 2
X (j k) = 1 ej2kf0 t dt
T t
2
A 1
j2kf0 t +j2kf0 t

= e 2 e 2
T j 2 k f0

x(t)
t
-T 0 +T
Fig. 1.10 Suite dimpulsions rectangulaires.
t
0.3 A T
0.2 1
t
0.1
X(j k)
0
0.1 1
f0 = T
0.2
15 10 5 0 5 10 15
f [Hz]
Fig. 1.11 Spectre dune suite dimpulsions rectangulaires.
Les relations dEuler permettent de passer de la diffrence des exponentielles

un sinus et dcrire ces coefficients sous la forme dun sinus cardinal :
t sin (k f0 t)
X (j k) = A (1.19)
T k f0 t
On notera que lamplitude du spectre X (j k) est gale la valeur moyenne de

la SIR car la fonction sin(x)
x
tend vers 1 lorsque x tend vers 0. De plus, et comme
on pouvait sy attendre, les coefficients de Fourier sont purement rels puisque
le signal est pair. Leur enveloppe est une fonction en sin(x)
x
qui porte le nom de
sinus cardinal (figure 1.11).
On remarquera que plus les impulsions sont troites par rapport la priode T ,
plus le spectre stale. En effet, le premier passage par zro se fait la frquence
1
t
. Par contre, la distance entre raies spectrales ne change pas puisquelle est
gale linverse de la priode de la SIR f0 = T1 .
Il est frquent que le spectre dun signal soit complexe. Dans ce cas, sa re-

0.2
0.15
|X(j k)| 0.1
0.05
0
15 10 5 0 5 10 15
f [Hz]
1
0.5
arg{X(jk)} 0

0.5
1
15 10 5 0 5 10 15
f [Hz]
Fig. 1.12 Spectres damplitude et de phase dune SIR.

1
0.5 A
x(t) 0 T T
2 2
0.5
1
0.5 0 0.5 1
t [s]
Fig. 1.13 Signal carr sans composante continue (fichier source).
0.6
0.4
X(j k) 0.2
0
0.2
8 6 4 2 0 2 4 6 8
f [Hz]
Fig. 1.14 Srie de Fourier complexe dun signal carr sans composante continue
(fichier source).
prsentation dans un plan ne peut se faire quau travers du traage distinct des
spectres damplitudes et de phases. Cest pour cela, que le spectre de la figure
1.11 est souvent donn laide des 2 reprsentations de la figure 1.12.
Cas particulier : signal carr priodique damplitude A, sans compo-

sante continue Un tel signal (figure 1.13) na pas harmonique paire selon le
1.5.1 page 26. Le calcul de sa srie de Fourier complexe, 100% analogue celui
effectue pour la SIR, est fait ci-aprs.

v.1.6
HEIG-Vd
Z + T4 Z + 3T
1 j2kf0 t 1 4
X (j k) = (+A) e dt + (A) ej2kf0 t dt
T 4T T +4T
Z +T Z + 3T !
A 4 4
= ej2kf0 t dt ej2kf0 t dt
T T4 + T4

A 1
j2kf0 T4 +j2kf0 T4
1
j2kf0 3T j2kf0 T4
= e e e 4 e
T j 2 k f0 j 2 k f0

T

A T sin k f0 2 1 T
T T

= T
e|j2kf 0 2
ej2kf0 4 e+j2kf0 4
T 2 k f0 2 j 2 k f0 {z }
1k
!
T sin k f0 T2

A k 1
j2kf0 T4 +j2kf0 T4

= (1) e e
30
T 2 k f0 T2 j 2 k f0
T
T
!
A T sin k f0 2 T sin k f
0 2
= T
(1)k
T 2 k f0 2 2 k f0 T2
(
0 pour k = 0 et k paire
= sin(k 2 )
A k = sinc k 2 pour k impaire

2
MEE \cours_TS.tex\6 avril 2006
On vrifie notamment que lamplitude de la fondamentale (k = 1) est de
1 4 4
A1 = 2 |X(j 1)| = 2 A = A A (1.20)
2
3
Ce rsultat est illustr sur la figure 1.15 page suivante.

4

A
1
A
0.5
x(t) 0
0.5
1
2 1 0 1 2 3
t [s]
Fig. 1.15 Fondamental (k = 1) de la srie de Fourier dun signal carr sans

composante continue (fichier source).
Il correspond au cas de la SIR (1.19) avec A 2 A et t = T2 ,
t sin (k f0 t)
X (j k) = 2 A
T k f0 t
T
sin k f0 T2

2
=2A
T k f0 T2
sin k 2

=A
k 2
la composante (k = 0) continue prs, nulle dans le cas du signal carr considr.

x(t)

t
0
-T t +t +T
X(jk)
A t/T
f = k f0
-1/ t 0 +1/ t
Fig. 1.16 Suite dimpulsions triangulaires avec son spectre.
1.5.2 Suite dimpulsions triangulaires
Il existe une autre suite dimpulsions qui est galement trs importante en t-
lcommunications ; il sagit de la suite dimpulsions triangulaires (SIT). Le signal
x (t) et son spectre X (j k) sont reprsents la figure 1.16. Afin que les surfaces
de la SIR et de la SIT soient gales, la largeur la base du triangle est gale
2 t. Lexpression de X (j k) est alors la suivante :
2
t sin (k f0 t)
X (j k) = A (1.21)
T k f0 t

0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1 0.5 0 0.5 1 1.5 2
f_sfour3_3.eps
Fig. 1.17 Suite dexponentielles dcroissantes ( T ) (fichier source).
1.5.3 Suite dexponentielles dcroissantes

Considrons une exponentielle qui se rpte priodiquement aux instants kT :
t
x (t) = A e si 0t<T
Le calcul de son spectre se fait en appliquant la dfinition de X (j k) :

Z T
1
X (j k) = x (t) ej2kf0 t dt
T 0
Z T
A t
= e ej2kf0 t dt
T 0
Z T
A 1
= et( +j2kf0 ) dt
T 0
1
T
A et( +j2kf0 )
=

T 1 + j 2 k f0

0
A h T i
= e( +j2kf0 T ) 1
T (1 + j 2 k f0 )
En admettant que la constante de temps soit beaucoup plus petite que la

priode T , on permet lexponentielle de revenir "quasiment" zro la fin de
chaque priode. Dans ce cas, le premier terme entre crochets est beaucoup plus

0.1
0.08
abs(X(jf))
0.06
0.04
0.02
0
0 1 2 3 4 5 6 7 8 9 10
20
angle(X(jf))
40
60
80
100
0 1 2 3 4 5 6 7 8 9 10
frequence [kHz]
f_sfour3_4.eps
Fig. 1.18 Spectres dune suite dexponentielles dcroissantes (fichier source).
petit que 1 et peut tre nglig. On obtient alors le rsultat intressant suivant :
1
X (j k) = A si T (1.22)
T (1 + j 2 k f0 )
On peut relever que dans ce rsultat on trouve la fonction de transfert dun filtre
passe-bas dordre 1 pondre par le rapport A T . Ceci nest pas surprenant
lorsque lon observe que le signal x(t), considr sur une seule priode T , nest
autre que la rponse impulsionnelle dun filtre passe-bas dordre 1, e.g. un circuit
RC. Par dfinition, la rponse harmonique dun systme dynamique linaire est
gale la transforme de Fourier de sa rponse impulsionnelle.
La reprsentation des raies spectrales damplitudes (figure 1.18) concidera
donc, un coefficient prs, avec le module de la rponse frquentielle de ce filtre
alors que celle des phases seront les mmes.

1.6 Reconstruction des signaux

1.6.1 Synthse dun signal carr
On se souvient que selon (1.11), connaissant le spectre X (j k), on peut
toujours reconstruire une approximation dordre N du signal temporel. Dans le
cas dune suite dimpulsions rectangulaires cela donne, compte tenu de (1.19) :
+N
X
xN (t) = X(j k) e+j2kf0 t
k=N
+N
t X sin (k f0 t) +j2kf0 t
=A e
T k=N k f0 t
1 +N
!
t X sin (k f0 t) +j2kf0 t X sin (k f0 t) +j2kf0 t
=A e + e
T k=N
k f0 t k=0
k f0 t
+N
!
t X sin (k f0 t)
=A 1+2 cos (2 k f0 t)
T k=1
k f0 t
t
Dans le cas dun signal carr, le rapport cyclique T
vaut 0.5 et le sinus cardinal
sannule pour k pair. Avec A = 1, il vient alors :
1 2 2 2
xN (t) = + cos (2 f0 t) cos (6 f0 t)+ cos (10 f0 t)+. . .
2 3 5
Une illustration de cette synthse est donne par la figure 1.19.
1.6.2 Phnomne de Gibbs

En gnral, lorsquon reconstruit un signal x (t) partir de ses coefficients de
Fourier
N
X N
X
j2kf0 t
x(N ) (t) = X (j k) e = A0 + Ak cos (2 k f0 t + k )
k=N k=1
(1.23)
on remarque une convergence rapide vers le signal original au fur et mesure que
N augmente. Cependant, cela nest plus vrai lorsque le signal possde des discon-
tinuits dordre 0. Il apparat alors, lendroit de la discontinuit, des oscillations
que lon dsigne sous le nom de phnomne de Gibbs. Lamplitude du dpasse-
ment d ces oscillations est gale au 9% de lamplitude de la discontinuit
(figure 1.20).

1.2 1.2
1 N=0 1 N=1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
0.2 0.2
5 0 5 5 0 5
1.2 1.2
1 N=3 1 N=5
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
0.2 0.2
5 0 5 5 0 5
f_sfour2_4.eps
Fig. 1.19 Synthse dun signal carr par laddition de ses harmoniques succes-
sives (fichier source).
1.2 1.2
1 x (t) avec 1 x (t) avec

N N
N=3 N=7
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
0.2 0.2
4 2 0 2 4 4 2 0 2 4
1.2 1.2
1 xN(t) avec 1 xN(t) avec

N = 19 N = 79
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
0.2 0.2
4 2 0 2 4 4 2 0 2 4
f_sfour2_5.eps
Fig. 1.20 Illustration du phnomne de Gibbs (fichier source).

1.6.3 Importance de la phase

Il est frquent en traitement du signal de ne parler que des spectres dampli-
tudes et de dlaisser quelque peu les spectres de phases. Cette attitude est due
au fait que lors du filtrage de signaux audio, on se contente de modifier le spectre
damplitudes car loreille est peu sensible aux distorsions de phase. Cependant,
lorsque lon dsire conserver la forme dun signal, en particulier dans le cas du
filtrage dimages, il est trs important de ne pas ngliger le spectre de phases.
Un exemple en est donn la figure 1.21 o une srie de photos bases sur le
portrait de Joseph Fourier illustre limportance de la phase dans la reconstitution
des signaux.
Limage du haut de la figure est le portrait de Fourier ; au centre, on y voit
les spectres damplitudes et de phases de limage de Fourier ; les niveaux de gris
correspondent la valeur de ces fonctions.
Les images du bas sont des images reconstruites par transformation inverse.
Pour construire celle de droite, on a utilis le spectre damplitudes et remplac le
spectre de phases par un spectre de phases nulles. Pour celle de gauche, on a fait
linverse : le spectre de phases a t conserv alors que le spectre damplitudes a
t remplac par des amplitudes constantes.
De ces illustrations, on en dduit que la phase contient une part importante de
linformation concernant la forme dun signal. Les deux dernires images illustrent
particulirement bien ce fait puisque le portrait initial ne peut pas tre reconstruit
avec un seul des deux spectres.

original
module phase
TF inverse du module TF inverse de la phase
Fig. 1.21 Transformations de Fourier directes et inverses dune image.

1.7 Quelques thormes importants

1.7.1 Thorme de la puissance (dit de Parseval)
Dans lespace temps, la dfinition de la puissance moyenne normalise est la
suivante : Z +T
1 2
P = x2 (t) dt = Xeff
2
(1.24)
T 2T
On notera que cette dfinition concide avec celle du carr de la (vraie) valeur
efficace du signal x (t). Les units de la puissance normalise ne sexpriment donc
pas en [W], mais par exemple en [V2 ] ou [A2 ] selon que le signal est une tension
ou un courant lectrique.
Le thorme de Parseval affirme que la puissance normalise dun signal peut
se calculer aussi bien dans le domaine temporel que dans le domaine frquentiel.
En effet, comme dans lespace des frquences, le signal x (t) est reprsent par
des gnrateurs damplitude Ak , il sensuit que la puissance totale est gale la
somme des puissances fournies par chaque gnrateur. On en dduit alors :

2
X X 1
P = Xeff = Pk = A20 + A2k
k=0 k=1
2
= Pdc + Pac

2
X 1
= X (0) + (2 |X (j k)|)2
k=1
2
+
X
= |X (j k)|2
k=
De lensemble de ces rsultats, on conclut que la puissance peut se calculer dans

le domaine temporel ou dans le domaine frquentiel avec lune ou lautre des
relations ci-dessous : Z +T
1 2
P = x2 (t) dt (1.25)
T T
2

1 X 2
P = A20 + A (1.26)
2 k=1 k
+
X
P = |X (j k)|2 (1.27)
k=
+
X
2
P = X (0) + 2 |X (j k)|2 (1.28)
k=1

x(t) x(t+t1) x(t-t1)
td > 0 td < 0
t t t
-t1 0 +t1 -t1 0 0 +t1
Fig. 1.22 Dcalage temporel : signal original, signal avanc, signal retard.
Le carr de la valeur efficace dun signal est gal la somme

des carrs des valeurs efficaces de chacune de ses compo-
santes.
De lquation (1.26) dcoule le rsultat important suivant :
2 2 2
Xeff = Xdc + Xac (1.29)
On peut relever au passage que le premier lobe du spectre dune SIR contient
environ le 90% de la puissance totale du signal. De plus, il est intressant de
rappeler ce que valent les puissances des trois signaux les plus usuels que sont le
carr, le sinus et le triangle damplitude A et valeur moyenne nulle :
A2
x (t) = A sqr (2 f t) = P = (1.30)
1
A2
x (t) = A sin (2 f t) = P = (1.31)
2
A2
x (t) = A tri(2 f t) = P = (1.32)
3
1.7.2 Dcalage temporel

Il est frquent en analyse des signaux de devoir dcaler temporellement un
signal x (t) ; on obtient alors un nouveau signal y (t) = x (t + td ). Ce dcalage td
peut tre positif (signal avanc) ou ngatif (signal retard) (fig. 1.22). On montre
alors quentre les espaces temps et frquences, il existe la relation suivante :
y (t) = x (t + td ) Y (j k) = e+j2kf0 td X (j k) (1.33)
Comme le module du phaseur e+j2kf0 td vaut toujours un, il sensuit que
seul le spectre de phases est modifi par un dcalage temporel. On a donc :
|Y (j k)| = |X (j k)| k = k + 2 k f0 td (1.34)
un dcalage temporel correspond une phase variant linai-
rement avec la frquence.

Modulation damplitude Spectres

1
0.4
|M(jf)|
m(t)
0.5
0.2
0
0
0 1 2 3 20 10 0 10 20
0.5 0.4
|P(jf)|
p(t)
0
0.2
0.5
1 0
0 1 2 3 20 10 0 10 20
0.5 0.4
|X(jf)|
x(t)
0
0.2
0.5
1 0
0 1 2 3 20 10 0 10 20
temps frquence
f_sfmodulat_2.eps
Fig. 1.23 Modulation damplitude : signaux et spectres (fichier source).
1.7.3 Modulation damplitude

Il est frquent en tlcommunications de devoir mettre des signaux dont le
spectre a t pralablement dplac dans un domaine de frquences permettant
la transmission des messages par ondes lectromagntiques. Une des possibilits
consiste moduler lamplitude de la porteuse p (t) laide du message m (t).
La modulation damplitude est gnralement obtenue par la multiplication
des deux signaux entre eux (figure 1.23) :
x (t) = m (t) p (t) (1.35)
Dans le cas particulier o la porteuse p (t) est une fonction sinusodale, on peut
la remplacer par deux phaseurs de frquence fp grce aux formules dEuler :
e+j2fp t + ej2fp t
cos (2 fp t) =
2
On a donc affaire, de manire plus fondamentale, une multiplication du message
m (t) par un phaseur :
x (t) = m (t) p (t) = m (t) ej2fp t (1.36)

On montre alors aisment la proprit suivante :
x (t) = ej2fp t m (t) X (j k) = M (j (k f0 fp )) (1.37)
une multiplication par un phaseur dans le domaine tem-

porel correspond un dcalage dans lespace des frquences
La figure 1.23 illustre la modulation damplitude dune porteuse de frquence
10 [kHz] par un signal triangulaire de frquence 1 [kHz]. Au niveau frquentiel, on
voit trs bien que le spectre original situ autour de la frquence nulle est dplac
autour des frquences de la porteuse 10 [kHz] avec une amplitude rduite de
moiti.
1.7.4 Rotation autour de lordonne

La rotation dun signal autour de son ordonne est dcrite par y (t) = x (t).
Dans ce cas, on montre que :
y (t) = x (t) Y (j k) = X (j k) = X (j k) (1.38)

une rotation du signal temporel autour de lordonne cor-
respond le conjugu complexe dans le domaine frquentiel.
Par exemple, si lon sintresse une suite priodique dexponentielles croissantes
dcrite par
t
x (t)|T = A e+ si 0t<T
son spectre se calcule aisment partir de celui de la suite dexponentielles d-
croissantes
t
xo (t)|T = A e si 0t<T
1
Xo (j k) = A si T
T 1 + j 2 k f0
On voit en effet que lon a
x (t) = xo (t)
donc
1
X (j k) = Xo (j k) = A si T
T 1 j 2 k f0
1.8 Calcul de quelques spectres

Le but de ce paragraphe est de montrer, au travers de quelques exemples
simples, comment on calcule, trace et interprte les spectres dun signal.

x(t)
3
-0.25 0 +0.25 1.00 [msec]
Fig. 1.24 Suite dimpulsions composites.
1.8.1 Suite dimpulsions composites

Considrant le signal de la figure 1.24, on aimerait calculer ses composantes
spectrales et obtenir son approximation dordre 3.
La rsolution de ce problme est immdiate ds linstant o lon remarque
que le signal x (t) est compos dune somme de deux SIR x1 (t) et x2 (t) dont les
caractristiques sont, respectivement,
leur largeur t1 = 0.25 [ms], t2 = 0.5 [ms]
leur amplitude A1 = 1 [V], A2 = 2 [V].

v.1.6
HEIG-Vd
X (jf) X (jf) X(jf)
1 2
1.2 1.2 1.2
1 1 1
0.8 0.8 0.8
0.6 0.6 0.6

44
0.4 0.4 0.4
0.2 0.2 0.2
0 0 0
MEE \cours_TS.tex\6 avril 2006
0.2 0.2 0.2
0.4 0.4 0.4

10 0 10 10 0 10 10 0 10
f [kHz] f [kHz] f [kHz]
f_sfour3_2.eps
Fig. 1.25 Spectres bilatraux de la suite dimpulsions composites (fichier source).

Utilisant la proprit de linarit des sries de Fourier, on a :
x (t) = x1 (t) + x2 (t) X (j k) = X1 (j k) + X2 (j k) (1.39)
Comme le signal x (t) et ses deux SIR constitutives sont paires, leurs spectres
sont rels :
sin k 4

t1 sin (k f0 t1 )
X1 (j k) = A1 = 0.25
T k f0 t1 k 4
sin k 2

t2 sin (k f0 t2 )
X2 (j k) = A2 = 1.0
T k f0 t2 k 2
sin k 4 sin k 2

X(j k) = X1 (j k) + X2 (j k) = 0.25 + 1.0
k 4 k 2
Le calcul de quelques composantes spectrales fournit les valeurs numriques sui-
vantes :
k -5 -4 -3 -2 -1 0 +1 +2 +3 +4 +5
X1 (j k) -0.045 0 +0.075 +0.159 +0.225 +0.25 +0.225 +0.159 +0.075 0 -0.045
X2 (j k) 0.127 0 -0.212 0.00 +0.637 1.00 0.637 0.00 -0.212 0 0.127
X (j k) +0.082 0 -0.137 +0.159 +0.862 1.25 +0.862 +0.159 -0.137 0 +0.082
Ak 1.25 1.724 0.318 0.274 0 0.164
k 0.00 0.00 0 0.00
On relve que x2 (t) tant symtrie demi-onde (ce qui nest pas le cas de
x1 (t)), les harmoniques paires sont inexistantes ( 1.4.3 page 24).
La figure 1.26 reprsente lapproximation dordre 3 du signal dcrite par :
x(3) (t) = 1.25+1.724cos (2 f0 t)+0.318cos (4 f0 t)+0.274cos (6 f0 t + )
titre dexercice, on peut montrer que les puissances des signaux x (t) et x(3) (t)
valent respectivement Px = 3.25 [Veff ]2 , Px(3) = 3.14 [Veff ]2 .
1.8.2 SIR dcale

Considrons le cas dune SIR non centre dmarrant linstant t = 0 [s], de
largeur t et de priode T (figure 1.27). Dans ce cas, la SIR est retarde dune
demi-largeur dimpulsion et le temps de dcalage vaut donc td = t 2
. Partant
dune SIR centre et utilisant le thorme du retard, on obtient :
t sin (k f0 t) j2kf0 t
X (j k) = A e| 2 (1.40)
T k f0 t {z }
| {z } | {z } X2 (jk)
X0 X1 (jk)

3.5
2.5
2
Signaux x(t) et x3(t)
1.5
0.5
0.5
0.2 0 0.2 0.4 0.6 0.8 1
temps [ms]
f_sfour3_1.eps
Fig. 1.26 Approximation dordre 3 de la suite dimpulsions composites

(fichier source).
0.8
0.6
x(t)
0.4
0.2
0.2 0 0.2 0.4 0.6 0.8 1 1.2

temps [ms]
f_sfour3_5.eps
Fig. 1.27 SIR dmarrant linstant t = 0 [s] (fichier source).

0.1
|X(jk)|
0.05
0
30 20 10 0 10 20 30
4
/SIR centree
2
0
2
4
30 20 10 0 10 20 30
5
/Decalage
5
30 20 10 0 10 20 30
5
/SIR decalee
5
30 20 10 0 10 20 30
frequence [kHz]
f_sfour3_6.eps
Fig. 1.28 Spectres dune SIR dcale (fichier source).
Si lon dsigne X (j k) par le produit de 3 facteurs X (j k) = X0 X1 (j k)

X2 (j k), le spectre damplitudes sobtient en effectuant le produit des modules
|X (j k)| = |X0 | |X1 | |X2 |

t sin (k f0 t)
= A 1
T k f0 t
alors que le spectre de phases est obtenu en sommant les phases :
6 X (j k) = 6 X0 + 6 X1 + 6 X2
= 0 + (0; ) + ( k f0 t)
Considrant que lon a t = 0.1 [ms], T = 1 [ms], la combinaison de ces

termes spectraux est illustre par la figure 1.28. Comme attendu, on constate
que le dcalage temporel du signal ne modifie pas le spectre damplitudes, mais
introduit une phase variant linairement avec la frquence.

x(t)
y(t)
x(t) y(t)
G(j)
t t
Fig. 1.29 Rponse temporelle dun filtre une SIR.
1.9 Rponse dun systme linaire

Considrons, comme exemple, un filtre soumis une SIR (figure 1.29). Comme
ce signal est priodique, on retrouvera la sortie du circuit un signal priodique
y (t). La dcomposition de ces 2 signaux en srie de Fourier donnera les spectres
X (j k) et Y (j k) qui seront lis lun lautre par la rponse frquentielle
G (j ) du filtre.
Comme les signaux priodiques sont reprsents par des ondes sinusodales
de frquences k f0 et que les systmes linaires conservent la frquence des si-
gnaux appliqus, on retrouve pour Y (j k) des raies spectrales situes aux mmes
frquences que celles de X (j k) (figure 1.30). De plus, lamplitude et la phase
de ces raies spectrales sont lies au signal dentre par la relation bien connue
Y (j ) = G (j ) X (j ). Dans le cas de signaux priodiques, la pulsation
est un multiple de la fondamentale 2 f0 . On a donc :
Y (j k) = X (j k) G (j )|=2kf0 (1.41)

|X(jk)|
1
|G(jf)|
|Y(jk)|
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 2 4 6 8 10 12 14 16 18 20
frquence [Hz]
f_sfour3_7.eps
Fig. 1.30 Rponse frquentielle dun filtre et spectres damplitudes (fichier source).

[V] u1(t)
10 L
u1(t) R u2(t)
t
0 0.2 1.0 [ms]
Fig. 1.31 Analyse de la rponse dun filtre passe-bas.
1.9.1 Analyse de la rponse dun filtre passe-bas

Considrant le circuit L-R de la figure 1.31 et la SIR qui lui est applique, on
aimerait :
1. Connatre la fonction de transfert de ce filtre et sa constante de temps ;
2. Calculer la composante continue U2,dc ;
3. Esquisser le signal de sortie u2 (t) en tenant compte des valeurs numriques
L = 100 [mH], R = 100 [] ;
4. Calculer le spectre U2 (j k) ;
5. Calculer les valeurs efficaces U1,eff , U2,eff , U2,ac,eff ;
6. Estimer la valeur de crte de londulation u2,ac (t).

Solution

i(t)
(t)
uD(t)
U0
Fig. 1.32 Circuit diode.
1.10 Rponse dun systme non-linaire

Dun point de vue spectral, la caractristique remarquable des systmes non-
linaires est de dformer les signaux sinusodaux. Le signal de sortie dun systme
non-linaire qui serait ainsi soumis une entre sinusodale pure est donc, tout en
restant priodique, non-sinusodal. Il sensuit que son spectre est constitu dun
grand nombre de raies spectrales, alors qu lentre il ny avait quune seule raie.
Dans la pratique, il est important de pouvoir chiffrer cette dformation puisque
les amplificateurs rels, quelle que soit leur qualit, possdent des non-linarits.
On mesure cette dformation laide du taux de distorsion harmonique (TDH).
Celui-ci est dfini comme le rapport de la valeur efficace des harmoniques dordre
suprieur 1 avec la valeur efficace du premier harmonique :
s
Xeff (k > 1) X(2)2 + X(3)2 + X(4)2 + . . .
T DH = = (1.42)
Xeff (k = 1) X(1)2
1.10.1 Distorsion due une diode

Considrons comme exemple de systme non linaire, une diode laquelle on
applique une tension sinusodale superpose une tension continue (figure 1.32) :
u (t) = U0 + u (t) = U0 + A sin (2 f0 t)
Cette diode est caractrise par la loi exponentielle bien connue :

UD

ID = IS e nVT
1 (1.43)

Admettant les valeurs numriques suivantes

U0 = 0.5 [V] A = 0.05 [V] f0 = 100 [Hz]
IS = 10 [pA] n = 1 VT = 26 [mV]
on dsire :
1. calculer I0 , Imax et Imin
2. esquisser u (t) et i (t)
3. calculer U (j k) et I (j k)
4. calculer le TDH du courant.
Solution
1. Le calcul de I0 , Imax et Imin se fait par simple application numrique de
lquation de la diode ; on obtient alors :
(a) le courant au point de fonctionnement I0 = 2.54 [mA] ;
(b) sa valeur maximum Imax = 17.2 [mA] ;
(c) sa valeur minimum Imin = 0.36 [mA].
2. La simulation temporelle avec Spice a donn les rsultats de la figure 1.33.
On y voit que la variation sinusodale de la tension de la diode (50 [mV])
autour du point de fonctionnement (500 [mV]) entrane une variation non
sinusodale du courant caractris par les valeurs calcules ci-dessus.
3. Lanalyse spectrale obtenue par FFT (Fast Fourier Transform) donne les
rsultats suivants.
(a) La tension de la diode ne contient que 2 raies spectrales (figure 1.34a) :
i. la composante DC : Udc = 0.5 [V] ;
ii. la composante AC : U1 = 50 [mV].
(b) Le courant non sinusodal est compos dun grand nombre de raies
spectrales dont les 10 premires sont les plus significatives (figure
1.34b). On y trouve en particulier
i. la composante DC : Idc = 5.41 [mA] ;
ii. la composante fondamentale : I1 = 7.43 [mA].
4. Le calcul du taux de distorsion se fait en appliquant la dfinition du TDH :
s
X 2 (2) + X 2 (3) + X 2 (4) + . . .
T DH =
X 2 (1)
r
3.142 + 0.942 + 0.222 + 0.0412 + 0.00652 + . . .
=
7.432
= 44%
Cette valeur leve est le signe de la forte dformation de la sinusode cause
par la variation exponentielle du courant.

Fig. 1.33 Tension et courant de la diode.
Fig. 1.34 Spectres unilatraux de la tension et du courant de la diode.

1.A Exercices
1.A.1 Exercice SF 1
Considrant les 2 signaux suivants pour lesquels f0 = 1 [kHz]
x1 (t) = 6 2 cos (2 f0 t) + 3 sin (2 f0 t)
x2 (t) = 4 + 1.8 cos 2 f0 t + 3 + 0.8 sin (6 f0 t)
1. dessinez leurs spectres damplitude et de phase unilatraux et bilatraux ;
2. crivez x1 (t) et x2 (t) sous forme de srie de Fourier complexe.
1.A.2 Exercice SF 2
Utilisez les formules dEuler pour montrer que la srie de Fourier du signal suivant

x (t) = 1 + cos 2 f0 t + cos (10 f0 t)
6
est dcrite par les harmoniques 4, 5 et 6. Pour ce faire :
1. remplacez chaque fonction cosinus par deux phaseurs ; effectuez le produit ;
2. crivez x (t) sous la forme dune somme de phaseurs ;
3. que valent les coefficients X (j k) non-nuls ?
4. dessinez les spectres bilatraux et unilatraux damplitude et de phase.
1.A.3 Exercice SF 3
Considrant un signal priodique de priode T = 20 [ms] dcrit par son spectre
bilatral X (j k) :
k 0 1 2
X (j k) 2 3 j 2 +1 j 3
|X|
6 X
retrouvez sa description temporelle en cosinus aprs avoir rempli les cases libres
du tableau.
1.A.4 Exercice SF 4
partir des spectres damplitude et de phase dune SIR vus au cours,
1. calculez les spectres complexes des deux signaux de la figure 1.35 page
suivante ;
2. esquissez leurs spectres bilatraux damplitude et de phase.

Ex. SF4
10
x (t) [V]
6
1
4
0 2 4 6 8 10 12 14 16 18
4
x2(t) [V]
4
0 2 4 6 8 10 12 14 16 18
t [ms]
f_exgraphes_7.eps
Fig. 1.35 Exercice SF 4 (fichier source).
1.A.5 Exercice SF 5
Considrant les spectres unilatraux (figure 1.36 page ci-contre) dun signal x (t) :
1. donnez lexpression de x (t) ;
2. dessinez son spectre bilatral ;
3. calculez sa puissance et sa valeur efficace.
1.A.6 Exercice SF 6
Considrant les trois signaux x1 (t), x2 (t), x3 (t) de priode T = 1 [ms] dcrits
par leurs spectres respectifs (tableau 1.2 page suivante) :
1. donnez lexpression temporelle des trois signaux ;
2. crivez ces expressions laide de cosinus seulement ;
3. dessinez leurs spectres damplitude et de phase uni- et bilatraux.
1.A.7 Exercice SF 7
Calculez la puissance de chacun des trois signaux de lexercice 1.A.6.

Ex. SF5
5
3
Ak [V]
0 1 2 3 4 5
0.6
0.4
0.2
k /
0.2
0.4
0 1 2 3 4 5
f [kHz]
f_exgraphes_6.eps
k 0 1 2 3 4
x1 (t) ak +2 +5 -2 +1 0
bk +4 +3 1 0
k 0 1 2 3 4
x2 (t) Ak 1 3 0 2 0
k 0 3 0 + 2 0
k 0 1 2 3 4
x3 (t) X (j k) 5 4j3 0 2 j 0
Tab. 1.2 Exercice SF 6.

1.A.8 Exercice SF 8
Considrant le signal x (t) = 2 + sin (2 f0 t) + 0.25 cos (6 f0 t)
1. crivez x (t) dans les formes cosinus et complexe ;
2. donnez les composantes spectrales dans les trois reprsentations :
{ak , bk } {Ak , k } {X (j k)}
3. vrifiez que la puissance de ce signal calcule laide des trois reprsenta-

tions donne le mme rsultat ;
4. comment calculeriez-vous la puissance dans lespace temps ? voyez-vous des
moyens de simplifier ce calcul ? Si oui, le rsultat est immdiat.
1.A.9 Exercice SF 9
On considre une SIR damplitude A = 2 [V], de priode T = 1 [ms] de largeur
t = 0.2 [ms] ; cette SIR est avance de T4 par rapport une SIR centre :
1. esquissez x (t) ;
2. calculez son spectre X (j k) ;
3. esquissez les spectres bilatraux damplitude et de phase ;
4. calculez la puissance de cette SIR.
1.A.10 Exercice SF 10
Considrant la suite dimpulsions impaires de la figure 1.A.10 page suivante :
1. le spectre sera-t-il rel, imaginaire ou complexe ;
2. calculez ses coefficients de Fourier complexes ;
3. quelle est la puissance de ce signal ?
4. dans le cas o A = 10 [V], T = 10 [ms] et t = 1 [ms], esquissez les spectres
bilatraux damplitude et de phase.
On considre un signal priodique x (t) retard dune valeur tr par rapport au
signal original x0 (t). Montrez que :
1. son spectre complexe vaut X (j k) = X0 (j k) ej2kf0 tr ;
2. son spectre damplitude nest pas modifi ;
3. son spectre de phase vaut 6 X = 6 X0 2 f0 tr .

Ex. SF10
10 +A
t
x(t) [V]
0
+ t
10 A
2 0 2 4 6 8 10 12 14
t [ms]
f_exgraphes_5.eps
Esquissez avec soin les spectres bilatraux damplitude et de phase des signaux
Ex SF12a et Ex SF12b. Expliquez les diffrences apparaissant entre les spectres.
partir du spectre dune SIT, calculez le spectre dun signal triangulaire sym-
trique damplitude A = 5 [V] et de priode T = 1 [ms].
Considrant les quatre signaux de la figure 1.40 page 61 damplitude A et de
priode T :
1. calculez leur valeur efficace ;
2. partir du spectre dune suite dexponentielles dcroissantes, utilisez deux
thormes proposs dans le cours pour trouver les spectres des signaux x2 (t)
et x3 (t).
Considrant une SIR centre de priode T = 100 [s], de largeur t = 20 [s] et
damplitude A = 10 [V],

Ex. SF12a
1
x1(t) [V]
0.5
0
0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4
1
x2(t) [V]
0.5
0
0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4
0.5
x3(t) [V]
0.5
0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4
t [ms]
f_exgraphes_4.eps
Fig. 1.38 Exercice SF 12a (fichier source).
Ex. SF12b
0.6
0.4
0.2
x4(t) [V]
0.2
0.4
0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4
0.6
0.4
0.2
x5(t) [V]
0.2
0.4
0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4

t [ms]
f_exgraphes_3.eps
Fig. 1.39 Exercice SF 12b (fichier source).

Ex. SF14
1
1
0.5 0.8
0.6
x1(t)
x2(t)
0
0.4
0.5 0.2
0
1
0 0.5 1 1.5 1 0.5 0 0.5 1
t [ms] t [ms]
1
1
0.8
0.8
0.6 0.6
x4(t)
x3(t)
0.4 0.4
0.2
0.2
0
0
0 0.5 1 1.5 1 0.5 0 0.5 1
t [ms] t [ms]
f_exgraphes_2.eps

1. calculez le pourcentage de puissance comprise dans le premier lobe du sinus

cardinal ;
2. admettant que cette SIR est applique un filtre passe-bas dordre 1 dont
la fonction de transfert est
1
H (j f ) = f
fc = 10 [kHz]
1+j fc
que valent lamplitude et la phase des composantes 10 [kHz], 40 [kHz] et

150 [kHz] ?
Un filtre passe-bas RC ralis avec R = 1 [k] et C = 0.1 [F] est excit par
un signal carr u1 (t) de priode T = 1 [ms] et damplitude comprise entre 0 et
20 [V] :
1. esquissez le signal de sortie u2 (t) et le courant i (t) ;
2. pour chacun des 3 signaux u1 (t), u2 (t), i (t), calculez leurs valeurs DC,
efficace totale et efficace AC.
Soit un filtre RC passe-bas dont la constante de temps est mal connue. On lui
applique une SIR x (t) damplitude A = 10 [V], de priode T = 20 [ms] et de
largeur t = 1 [ms].
1. que valent les composantes continues des signaux dentre et de sortie ?
2. quelle est la fonction de transfert H (j ) du circuit ;
3. que valent les spectres bilatraux X (j k) et Y (j k) ?
4. admettant que la constante de temps est de lordre de 2 [ms], esquissez les
signaux dentre x (t) et de sortie y (t) ; estimez la valeur maximum de y (t) ;
5. pour la frquence f = 5 f0 , lanalyseur spectral du signal de sortie fournit
le coefficient complexe Y (j 5) = 0.0659 j 0.154 ; calculez lamplitude
et largument de la fonction de transfert pour cette frquence ;
(Rp. : |H| = 0.37,6 H = 68 [ ])
6. que valent la constante de temps et la frquence de coupure du filtre ?
(Rp. : = 1.6 [ms], fc = 100 [Hz])
Pour identifier un systme linaire possdant une rsonance, on injecte dans
celui-ci une SIR x (t) de priode T . La sortie sera donc priodique et son spectre

Y (j k) sera constitu de raies distantes de T1 . Afin dobtenir une image spec-

trale reprsentative du systme H (j ), il faut que les raies spectrales soient en
nombre suffisant et que le premier lobe de la SIR couvre le domaine de frquences
dsir ( 10 fres ).
On demande de dterminer les paramtres T et t dune SIR permettant de
mesurer la rponse harmonique dun circuit LC-R dont on connat approximati-
vement les valeurs L 1 [mH], C 0.1 [F], R 20 [].
Pour ce faire :
1. esquissez H (f ) dans un diagramme linaire,
2. prcisez le nombre de raies spectrales BF et HF que vous estimez nces-
saires ;
3. estimez la distance inter-spectrale ncessaire pour observer le pic de rso-
nance ;
4. calculez T et t ; adoptez des valeurs entires ;
5. si lamplitude des impulsions est de 10 [V], quelle est lamplitude de la raie
spectrale situe prs de la rsonance fres ? Prs de 5 fres ?
6. pour ces mmes frquences, quelles sont les amplitudes des raies mesures
la sortie du filtre LC-R ?
Un circuit RC de rsistance R = 1 [k] et de capacit C = 1 [F] est attaqu par
une SIR u1 (t) damplitude E = 10 [V], de largeur t = 0.2 [ms] et de priode
T = 1 [ms] :
1. quelles sont les valeurs moyennes de u1 (t) et u2 (t) ;
2. que vaut la constante de temps du circuit ?
3. esquissez u2 (t) ;
4. calculez Z (j ) et I (j k f0 ) ;
5. quelle est la puissance dissipe dans la rsistance ?
Un circuit redresseur double alternance suivi dun filtre RC (R et C en parallle
avec le pont redresseur) est utilis pour raliser une conversion AC-DC. Tenant
compte des hypothses simplificatrices suivantes
le courant i (t) est considr comme une suite dimpulsions rectangulaires
de largeur t beaucoup plus petite que la priode T = 10 [ms],
la ractance du condensateur est ngligeable par rapport la rsistance de
charge R,
dessinez le schma du circuit puis :

1. calculez les coefficients de Fourier U (j k) de la tension de sortie u (t) ;

2. calculez la puissance de chaque harmonique ;
3. calculez une borne suprieure pour la puissance dondulation, sachant que

X 1 2
=
k=1
k2 6
4. calculez le taux dondulation maximum ;

5. si lon veut un taux dondulation infrieur 0.1, quelle capacit faut-il
choisir lorsque la rsistance R vaut 100 [] ?
6. estimez lamplitude du gnrateur u1 (t) pour que Udc 15 [V].
Un circuit non linaire de type parabolique est modlis par la caractristique de
transfert suivante :
u2 (t) = u1 (t) + u21 (t)
Sachant quon lui applique une tension sinusodale u1 (t) = A sin (0 t) :
1. dterminez les composantes spectrales que lon obtient la sortie ;
2. quelle est la puissance normalise P2 du signal de sortie ?
3. que vaut-elle par rapport celle du signal dentre P1 ?
1
4. faites lA.N. avec A = 10 [V], = 2 100 rad

s
, = 1, = 0.2 V
5. esquissez u2 (t) ; quel est son taux de distorsion harmonique ?
Considrant les deux signaux ci-dessous :
x1 (t) = cos 2 t + 6 + sin 4

t + 2

3 5
x2 (t) = cos 2 t + 6 + sin 4
t + 2 + sin 20

3 5 7
t
prcisez si ces signaux sont priodiques ou non. Pour cela, il vous faut trouver :
1. les frquences constitutives de chaque signal,
2. les rapports existant entre ces frquences,
3. la frquence fondamentale si elle existe,
4. quels sont les harmoniques prsents ?

Ex. SF23
2 5
1.5 4.5
4
1
3.5
0.5
3
x1(t)
x2(t)
0 2.5
2
0.5
1.5
1
1
1.5 0.5
2 0
0 0.5 1 1.5 1 0.5 0 0.5 1

t [ms] t [ms]
f_exgraphes_1.eps
Les deux signaux de la figure 1.41 caractriss par
A1 = 2 [V] t = 0.2 [ms] T = 1 [ms]
A2 = 5 [V] = 0.1 [ms] T = 1 [ms]
passent au travers dun filtre passe-bas idal de frquence de coupure fc =

4.5 [kHz]. Aprs avoir rappel ce quest la rponse frquentielle dun filtre passe-
bas idal,
1. calculez les puissances Px1 , Px2 de chacun des signaux dentre ;
2. calculez les puissances Py1 , Py2 de chacun des signaux de sortie.
A cause de son taux de variation limit (slew-rate), un amplificateur oprationnel
transforme un sinus en un signal triangulaire symtrique damplitude A. Calculez
le taux de distorsion de cette dformation.

Un signal sinusodal damplitude 10 [V] et de frquence 1 [kHz] est appliqu un
filtre RC passe-bas de frquence de coupure 2 [kHz]. Calculez le TDH du signal
de sortie.
On applique un signal sinusodal damplitude 0.1 [V] et de frquence 10 [kHz]
un amplificateur inverseur de gain 100. Visuellement, le signal de sortie semble
parfaitement sinusodal. Cependant, une analyse spectrale conduite avec pSpice
a fourni les composantes Ak du tableau ci-dessous. Calculez la valeur efficace du
signal de sortie et son TDH.
k 0 1 2 3 4 5 6 7 8 9
Ak [V] 81 103 6.46 87 106 0.105 55 106 2.66 103 58 106 213 106 57 106 48 106
La figure 1.42 page ci-contre prsente une sinusode x (t) damplitude 10 [V] et
une sinusode y (t) sature 9 [V] avec les spectres correspondants. Sachant que
les composantes spectrales unilatrales fournies par lanalyseur spectral sont les
suivantes :
k 1 3 5 7 9
Ax (k) [dB] 0.0
Ay (k) [dB] 0.33 30.0 33.2 33.8 50.7
Ax (k) [V]
Ay (k) [V]
1. calculez les amplitudes spectrales unilatrales et compltez le tableau ;

2. calculez les valeurs efficaces des deux signaux ;
3. calculez le TDH de y (t) ;
4. justifiez le fait que pour le signal y (t) les harmoniques paires doivent tre
nuls.

Signaux temporels et frquentiels

10
5
x(t) et y(t)
5
Usat = 9[V]
10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
temps [s] x 10
3
0
20
X(f) [dB]
40
60
80
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
20
Y(f) [dB]
40
60
80
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
frquence [Hz]
f_satur_1.eps


Bibliographie
[A.V83] A.S.Willsky A.V.Oppenheim. Signals and Systems. Prentice-Hall, 1983.
[B.P98] B.P.Lathy. Linear Systems and Signals. Berkeley-Cambridge Press, Car-
michael CA, 1998.


1 A Cours TS

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

1 A Cours TS

Transféré par

Droits d'auteur :

Formats disponibles

Haute Ecole dIngnirie et de Gestion du

canton de Vaud (HEIG-Vd)

Prof. M.ETIQUE et Prof. F.MUDRY,

Fiche dunit denseignement

CONTENU ET COMPETENCES ACQUISES

FORME DE L'ENSEIGNEMENT: Cours et exercices en classe et en laboratoire (Matlab)

LIAISON AVEC D'AUTRES MODULES:

SUPPORT DE COURS: Cours polycopis

12 fvrier 2003/fmy Tronc Commun Signaux et Systmes

v.1.6 2 MEE \cours_TS.tex\6 avril 2006

Table des matires

I Analyse des signaux (Fourier) 13

v.1.6 3 MEE \cours_TS.tex\6 avril 2006

1.10 Rponse dun systme non-linaire . . . . . . . . . . . . . . . . . 52

2 Analyse des signaux non priodiques 71

v.1.6 4 MEE \cours_TS.tex\6 avril 2006

2.3.1 Exponentielle dcroissante . . . . . . . . . . . . . . . . . . 85

v.1.6 5 MEE \cours_TS.tex\6 avril 2006

2.B.2 Exercice TF 2 . . . . . . . . . . . . . . . . . . . . . . . . . 124

3 lments danalyse spectrale numrique 139

v.1.6 6 MEE \cours_TS.tex\6 avril 2006

3.4.2 Le nombre de priodes enregistres nest pas un entier . . 148

II Analyse des signaux et systmes numriques 177

v.1.6 7 MEE \cours_TS.tex\6 avril 2006

4.6.2 Bruit de quantification . . . . . . . . . . . . . . . . . . . . 203

5 Signaux et systmes numriques 225

v.1.6 8 MEE \cours_TS.tex\6 avril 2006

5.2.5 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . 236

v.1.6 9 MEE \cours_TS.tex\6 avril 2006

Traitement numrique des signaux

Filtres analogiques et numriques

v.1.6 10 MEE \cours_TS.tex\6 avril 2006

Analyse spectrale numrique

Pour le plaisir des yeux et de lesprit

v.1.6 11 MEE \cours_TS.tex\6 avril 2006

[8] Reeves Hubert. Malicorne : rflexions dun observateur de la nature. Folio

Quelques adresses Internet

v.1.6 12 MEE \cours_TS.tex\6 avril 2006

Analyse des signaux priodiques

1.2 Deux reprsentations pour un seul signal

x(t) = A cos (2 f0 t + ) (1.1)

v.1.6 15 MEE \cours_TS.tex\6 avril 2006

de tels signaux, ladaptation la situation relle o les signaux ne sont dfinis

Fig. 1.1 Descriptions temporelle et frquentielle dune sinusode.

v.1.6 16 MEE \cours_TS.tex\6 avril 2006

Sinusoides de frquences f0 et 2f0

Fig. 1.2 Somme de 2 sinusodes de frquences diffrentes (fichier source).

A titre dexemple, considrons un signal compos de 2 sinusodes

v.1.6 17 MEE \cours_TS.tex\6 avril 2006

Cosinusode d'amplitude A et de phase -900 Cosinusode d'amplitude A/2 et de phase -450

Signal priodique non-sinusodal

Fig. 1.3 Spectres individuels et spectre rsultant.

v.1.6 18 MEE \cours_TS.tex\6 avril 2006

Fig. 1.4 Construction dun signal priodique non-sinusodal (fichier source).

1.3 Sries de Fourier

1.3.1 Dfinition de la srie de Fourier

o f0 = T1 est la frquence fondamentale du signal, a20 est la valeur moyenne ou

v.1.6 19 MEE \cours_TS.tex\6 avril 2006

N.B. Cette reprsentation, qui sert de point de dpart au dveloppement en

1.3.2 Srie de Fourier en cosinus

on voit que le dveloppement en srie de Fourier peut galement scrire :

Cette srie en cosinus est extrmement importante car elle correspond la

v.1.6 20 MEE \cours_TS.tex\6 avril 2006

Fig. 1.17 Suite dexponentielles dcroissantes ( T ) (fichier source).