Cours Acoustique

Analyse des signaux

D. Duhamel

1
Domaines de représentation des signaux

caractériser les signaux,

Buts :
visualiser et extraire les propriétés des systèmes,
interpréter les résultats d’essais et de simulations numériques.

domaine représentation de base fonction de corrélation

temporel
transformation de Hilbert

évaluation directe de la périodicité ou non développement

domaine des phénomènes en séries de Fourier
fréquentiel évaluation de la distribution de l’énergie transformation de Fourier
en fonction de la fréquence

domaine évaluation de la stationnarité ou non

des phénomènes
temps-fréquence transformation en ondelettes
évaluation de la distribution de l’énergie
en fonction du temps et de la fréquence

2
 Classification des signaux

permanents stationnaires
déterministes
signaux
non-stationnaires
aléatoires transitoires

+∞ 2
signaux déterministes à énergie finie ∫− ∞ x(t) dt < +∞
+T
x(t) = a cos(ωt)
2
signaux de puissance finie (théorie) lim 1
∫ 2
x(t) dt < +∞
T → +∞ T − T
2

Signaux périodiques x(t + T) = x(t)

Signaux non-périodiques

signaux continus
n∆ − ε
signaux discrets x(n∆) = ∫n∆ + ε x(t) δ∆(t) dt
3
 Domaine temporel

x(t)
amplitude

temps

4
fonction d’autocorrélation Domaine temporel

+∞ 2
x(t) signal déterministe à énergie finie
∫− ∞ x(t) dt < +∞

+∞ +∞
Rxx(τ) = ∫ x(t) x(t − τ) dt = ∫ x(t) x(t + τ)dt
−∞ −∞
mesure des dépendances internes du signal
prédictibilité des signaux,

Cas des signaux de puissance finie (théorie)

+T 2
puissance moyenne transportée par le signal lim 1
∫ 2
x(t) dt < +∞
T → +∞ T − T
2

+T
Rxx(τ) = lim 1
∫ 2
x(t) x(t − τ) dt
T → +∞ T −T
2
5
Signaux usuels et leurs fonctions d’autocorrélation respectives normalisées
DOMAINE TEMPOREL x(t) AUTOCORRELATION (
Rxx )
τ

6
temps retard
Propriétés de l’autocorrélation pour des signaux physiques

x(t) complexe
(
Rxx )
τ hermitienne

x(t) réel
(
Rxx )
τ réelle et paire

0
(
Rxx )
τ ≤(
Rxx )
Le module de la fonction d’auto-corrélation est maximal à l’origine,
où la fonction est réelle, positive, égale à l’énergie totale de x(t)

1
(
R )
τ (Γ)
0
(Γ)
τ = xx τ ≤
(
Rxx )
cohérence

0
1
(degré de self cohérence)
(Γ ) =

7
fonction d’intercorrélation Domaine temporel

x(t) et y(t) signaux déterministes à énergie finie

+∞ 2
∫− ∞ x(t) dt < +∞
+∞
Rxy(τ) = ∫ x(t) y(t − τ) dt
+∞ −∞
y(t) dt < +∞
2
∫− ∞
x(t) et y(t) signaux de puissance finie

+T 2
lim 1
∫ 2
x(t) dt < +∞
T → +∞ T − T
2 +T
Rxy(τ) = lim 1
∫ 2
x(t) y(t − τ) dt
+T 2 T → +∞ T −T
2
lim 1
∫ 2
y(t) dt < +∞
T → +∞ T −T
2

8
 Signaux et fonctions d’intercorrélation respectives (normalisées)

x(t) x(t)

temps temps

y(t) y(t)

temps temps

(
Rxy )
τ (
Rxy )
τ

9
retard retard
Propriétés de l’intercorrélation pour des signaux physiques réels

Rxy (τ ) réelle mais non paire

2
Rxy (τ ) ≤ Rxx (0) × R yy (0)

Rxy (τ )
Γxy (τ ) =
degré de cohérence entre x(t) et y(t)
Rxx (0) × R yy (0)

Γxy (τ ) ≤ 1

degré de ressemblance entre les fonctions x(t) et y(t)

10
 ˆ Domaine fréquentiel
(x )
ν
module de la T.F.

fréquence

11
 Domaine fréquentiel

x(t) est périodique de période T x(t) peut se décomposer en série de Fourier

+∞
 cos 2π nt  + b sin 2π nt  
x(t) = a0 + ∑
n =1
an
 
 T  n  T 
  
T
a0 valeur moyenne de x(t) a0 = 1 ∫ 2
x(t) dt
T −T
2

2π nt 
x(t) cos
T
2π nt 
x(t) sin
T
an = 2 ∫ 2
 dt bn = 2
T −T
2  T  T ∫2
−T
2  T  dt


x(t) est non périodique On peut calculer la transformée de Fourier

et intégrable sur R
+∞ −2i πν t
xˆ(ν) = ∫− ∞ x(t) e dt

12
densité spectrale d’énergie - autocorrélation

x(t) signal d’énergie totale finie

+∞ −2i πν t
xˆ(ν) = ∫− ∞ x(t) e dt
+∞ 2 +∞ 2
théorème de Parseval
∫− ∞ x(t) dt = ∫− ∞ xˆ(ν) dν
2
xˆ(ν) énergie par intervalle de fréquence dν densité spectrale d’énergie

transformation de Fourier inverse

{ xˆ(ν ) } (t ) = x(t ) ∗ x(−t ) = ∫

+∞
−1
x(τ ) x(−t + τ ) dτ = Rxx (τ )
2
T .F .
−∞

fonction d’autocorrélation de x(t)

13
Densité spectrale croisée. Corrélation croisée

x(t) signal d’énergie totale finie

y (t ) signal d’énergie totale finie

2
+∞ −2i πν t +∞
xˆ(ν) = (y )
ν = ∫(y)t e − i πν t
∫− ∞ x(t) e dt −∞
dt

+∞ +∞
théorème de Parseval
∫− ∞ x(t) y(t) dt = ∫− ∞ xˆ(ν) yˆ(ν) dν
ˆ
ˆ

(x )
ν(y )
ν énergie par intervalle de fréquence dν densité spectrale croisée d’énergie

transformation de Fourier inverse

T.F.
−1
{ xˆ(ν) yˆ(ν) }(t) = x(t) ∗ y(−t)
+∞
x(t ) ∗ y (−t ) = ∫ x(τ ) y (−t + τ ) dτ = Rxy (τ )
−∞

fonction d’inter-corrélation de x(t) et de y(t)

14
 Puissance spectrale

Energie moyenne en fonction de la fréquence

x(t ), 0 ≤ t ≤ T , T .F . → x1 (ω )
x(t ), T ≤ t ≤ 2T , T .F . → x2 (ω )

x(t ), (n − 1)T ≤ t ≤ nT , T .F . → xn (ω )

1 i =n
Puissance spectrale S ≈ ∑ xi (ω )
2

n i =1
 densité spectrale d’énergie - autocorrélation

Rxx (τ ) T .F . ⇒ S xx (ω ) Densité spectrale d’énergie

Rxy (τ ) T .F . ⇒ S xy (ω ) Interspectre

si
y = h* x
S yx
h=
S xx

16
 Description d’un système par fonctions de transfert

Système à une entrée et une sortie

x(t ) y (t ) = (h * x)(t ) y (t )

Exemple poutre en flexion

x(t )
y (t )

Description très générale des systèmes

17
Réponse impulsionnelle

Cas 1 entrée-1 sortie y(t) = h(t) ∗ u(t)

−λω t
h(t) = ~ e sin( ω
~ t)
oscillateur linéaire visqueux

1
1 λ<
m &y&(t) + c y& (t) + k y(t) = u(t) mω

51
00
0
/
5

5
0
/0

51
00
//

5
5

c=

/
m = Kg c = m = Kg c = m = Kg Ns m
1

4
Ns m Ns m
4

k= N m k= N m k= N m

4
4
.
7
2
/

1
.
1
1
4
4
.
7
2
/

0
.
1
1

1
4
1
.
4
2
/

0
.
0
3
5 ω= λ =18
ω= rd s λ = ω= rd s λ = rd s
Amortissement sous critique Amortissement sur critique
Fonction de transfert - Fonction de réponse en fréquence

Fonction de transfert Transformée de Laplace de la réponse impulsionnelle

Fonction de réponse en fréquence Transformée de Fourier de la réponse impulsionnelle

19
 Système linéaire
+∞
y (t ) = ∫ H (t ,τ ) x(τ )dτ
−∞

Système invariant dans le temps

+∞
y (t ) = ∫ h(τ ) x(t − τ )dτ
−∞

Système causal
+∞
y (t ) = ∫ h(τ ) x(t − τ )dτ
0

Pour déterminer h on peut prendre x(t)=δ(t)

Il suffit de mesurer la sortie du système pour connaître la fonction h(t)

Le comportement en fréquence est

y (ω ) = h(ω ) x(ω )

20
 Echantillonnage

xn = x(nTe )
Te est la période d’échantillonnage
yn = y (nTe )

+∞
y (t ) = ∫ h(τ ) x(t − τ )dτ
0
i =n
yn = ∑ hi xn −i
i =0

21
Théorème de Shannon : un signal continu à spectre borné par
la fréquence F doit être échantillonné au moins à 2F.

Filtrer avant d’échantillonner

F 2F

Dans ce cas on peut reconstruire x(t) à partir des signaux discrets xi

22
 Description d’un système par variables d’état

 x1 (t ) 
x(t ) =  M 
• Système décrit par n paramètres

 xn (t )
• Lois d’évolution
dx
= A.x
dt
A n×n
x(t ) = x 0
• Cas avec contrôle B n×m
dx u m ×1
= A.x + B.u
dt
x(t ) = x 0 23
 Exemple 1 : masse - ressort

f(t)

m&x&(t ) + kx(t ) = f (t )
m
x(t)

 x(t )
x(t ) = 
k

& 
 x(t )

 0 1  x(t )  0 
x& (t ) =  k   +  1  f (t )
− m 0  x& (t )  
 m

24
 Exemple 2 : Système avec N modes

n= N
p ( x, t ) = ∑ pn (t )Φ ( x) &p&n (t ) + ωn2 pn (t ) = f n (t )
n =1

 p1   0 1 L 0 0  0 
 p&  − ω 2
 1  1 0 L 0 0  f (t ) 
 1 
dx
x(t ) =  M  (t ) =  M M O M M  x(t ) +  M 
  dt    
 pN   0 0 L 0 1  0 
 p& N   0 0 L − ω N2 0  f N (t )

Vecteur d’état Loi d’évolution

25