Académique Documents
Professionnel Documents
Culture Documents
Avant-propos
Ces notes de cours sont destinées à des étudiants de première année cycle ingénieur
toute filière (EMSI, GTIER, IPP et Méc). Le premier chapitre est consacré à l'étude
mathématique des séries et des transformées de Fourier ainsi que la notion de filtrage
l'échantillonnage et de la quantification.
Tables de Matières
Introduction Générale
I. Le signal
1. définition
Un signal est une grandeur qui dépend du temps t. Cette grandeur est souvent physique.
– Information : par exemple le son qui est une variation de la pression de l’air, voir figure
1.
Les outils présentés ici concernent plus particulièrement les signaux porteurs
d’information.
Les signaux sont ce qui permet à l’homme de percevoir son environnement et d’interagir
avec lui.
Détection L’homme détecte les signaux de son environnement (sons, odeurs, images,
Traitement Il les traite et les interprète (par exemple, il isole un son particulier).
signal. Elle offre les moyens d'analyser, de concevoir et de caractériser des systèmes de
traitement de l'information.
Les notions de signal et bruit sont très relatives. Pour un technicien des
dans la même direction est un bruit. Mais pour l’astronome qui s’intéresse à la source
nommé rapport signal sur bruit, noté (S/N) qui mesure la quantité de bruit contenue dans
le signal. Il s'exprime par le rapport des puissances du signal (P S) et du bruit (PN). Il est
2. Classification :
Il existe différents modes de classification :
a. Morphologiques :
On distingue ici des signaux qui prennent des valeurs à chaque instant (signal
continu) et les signaux qui n’ont de valeurs qu’à certains instants (signal discret).
c. Energétique :
Puissance moyenne : elle représente la puissance contenue dans le signal x(t), elle
Le signal x(t) représente en général une tension et son conjugué est un courant.
nulle: 0 < 𝑃𝑥 < ∞. (Cas des signaux périodiques). Dans le cas des signaux
période T : 1
T / 2
P
T x(t ) x * (t )dt
T / 2
Tous les signaux périodiques (à l'exception de x (t) ≡ 0) sont de type puissance finie et
l’information. L’information y est véhiculée par les signaux. Face à la masse des signaux
qu’il est nécessaire de traiter, souvent en temps réel, des systèmes technologiques d’une
grande complexité ont envahi notre société. En réponse aux enjeux de la société actuelle,
des méthodes scientifiques puissantes ont été développées pour gérer une telle
Pour cela, le traitement du signal développe des méthodes basées sur la modélisation
depuis l’information reçue, qui est toujours de type analogique, provient d’un capteur
numérique. L’objet de ces traitements dans cet exemple est à partir du signal reçu qui
apparaît sous forme d’une sinusoïde bruitée, de déterminer le signal utile (qu’on appelle
Fig4 : Schéma synoptique des différentes techniques de traitement d’un signal par filtrage
éliminer tout bruit et garder que l’information utile. Le même objectif sera réalisé par le
traitement numérique, sauf ici, on aura besoin d’une conversion analogique numérique,
∞
Transformée en
𝑥 𝑡 = 𝑎0 + 𝐴𝑛 . cos 𝑛𝑤𝑡 + 𝐵𝑛 . sin 𝑛𝑤𝑡
série de Fourier
𝑛=1
1
Intégrale de 𝑋 𝑓 =
𝑎 + 𝑗2𝜋𝑓
Fourier
son n’est pas déformé. Par contre un correcteur de graves va privilégier les fréquences
basses alors qu’un correcteur d’aigus va privilégier les fréquences hautes. Pour savoir de
X(f), on peut retrouver le signal x(t) par la transformation de Fourier inverse TFI.
𝒙 𝒕 = 𝒂𝒌 . 𝒖𝒌 (𝒕)
𝒌=𝟎
2. Série de Fourier
Les séries de Fourier peuvent être vues de deux points de vue. Dans le premier, on
connaît la fonction x(t) et on cherche les coefficients C(n). C'est une analyse dans
des analyseurs qui, à partir d'un signal, nous donnent la représentation dans le domaine
des fréquences.
Le second point de vue est l'inverse du premier, c'est à dire qu'on connaît le contenu
a. Quelques définitions
Nous noterons la fonction x(t) qui admet un développement en série de Fourier C(n) (ou
bien Cn).
+∞
𝒙 𝒕 = 𝑪𝒌 . 𝒆𝒋𝟐𝝅𝒇𝟎𝒌.𝒕
𝒌=−∞
𝟏 𝑻/𝟐
Avec 𝑪𝒌 = 𝑻 −𝑻/𝟐
𝒙 𝒕 . 𝒆−𝒋𝟐𝝅𝒇𝟎𝒌.𝒕 𝒅𝒕 et 𝒌 = 𝟎, ±𝟏, , ±𝟐, ±𝟑 , , ±𝟒, …
harmonique.
𝑻
𝟏 𝒂𝟎
𝒙𝟎 = 𝑻 𝟐
𝑻𝒙 𝒕 . 𝒅𝒕 → (𝒙𝟎 = 𝟐
)
−
𝟐
𝑻
Avec 𝒂𝒌 = 𝑻
𝟐 𝟐
𝒙 𝒕 𝒄𝒐𝒔(𝟐𝝅𝒌𝒇𝟎 . 𝒕). 𝒅𝒕
𝑻
−
𝟐
𝟐 𝑻/𝟐
𝒃𝒌 = 𝑻 −𝑻/𝟐
𝒙 𝒕 . 𝒔𝒊𝒏(𝟐𝝅𝒌𝒇𝟎 . 𝒕). 𝒅𝒕
+∞
𝒂𝒌 𝒃𝒌
= 𝒙𝟎 + 𝒂𝟐𝒌 + 𝒃𝟐𝒌 . 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 + . 𝒔𝒊𝒏 𝟐𝝅𝒌𝒇𝟎 . 𝒕
𝒌=𝟏 𝒂𝟐𝒌 + 𝒃𝟐𝒌 𝒂𝟐𝒌 + 𝒃𝟐𝒌
+∞
+∞
= 𝒙𝟎 + 𝑨𝒌 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 − 𝝋𝒌
𝒌=𝟏
𝒃𝒌
Avec 𝝋𝒌 = 𝒂𝒓𝒄𝒕𝒂𝒏𝒈 𝒂𝒌
et 𝑨𝒌 = 𝒂𝟐𝒌 + 𝒃𝟐𝒌
e. Exemples :
Fig 3
f0=100; 10
T=1/f0;
A=10;
8
w0=2*pi*f0;
t=0:0.0001:2/f0;
x0=A/2; % la composante continue 6
x=x0;
for n=1:1:200 4
an=0;
bn=-A/(pi*n); 2
x=x+an*cos(n*w0*t)+bn*sin(n*w0*t);
plot(t,x); grid on
0
pause(1) 0 0.005 0.01 0.015 0.02
temps(s)
end
10
f0=100;
8
T=1/f0;
A=10; 6
w0=2*pi*f0; 4
t=0:0.0001:2/f0; 2
x0=0; % la composante continue
x=x0; 0
pause(1) -10
0 0.005 0.01 0.015 0.02
end temps(s)
Fig.6 : Exemples de scripts Matlab pour reconstruire un signal à partir de ces coefficients de Fourier
15 n=3
n=1 n=5
10
-5
-10
-15
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
10
-5
-10
-15
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
générale des Signaux (périodiques et non périodiques). Ici, comme dans les séries de
fréquences, mais ces fréquences ne sont pas discrètes. Par conséquent, dans ce cas, le
1. Définition :
Nous pouvons préciser formellement le théorème de la transformée de Fourier pour un
𝑋 𝑓 = 𝑥 𝑡 . 𝑒 −𝑗 2.𝜋.𝑓.𝑡 𝑑𝑡
−∞
𝑥 𝑡 = 𝑋 𝑓 . 𝑒 𝑗 2.𝜋.𝑓.𝑡 𝑑𝑓
−∞
X(f) est en général une fonction complexe qui peut s’écrire sous la forme :
𝑋 𝑓 = 𝐴 𝑓 + 𝑗𝐵 𝑓 = 𝑋(𝑓) . 𝑒 𝑗𝜃
𝐵(𝑓)
Avec 𝑋(𝑓) = 𝐴(𝑓)2 + 𝐵(𝑓)2 et 𝜃 = 𝑎𝑟𝑐𝑡𝑎𝑛𝑔
𝐴(𝑓)
2. Exemples d’études
La maîtrise de la transformée de Fourier sera faite par l’étude d’un ensemble d’exemples
𝐴 𝑝(𝑡)
𝜏
𝑡
−𝜏/2 𝜏/2
N.B: le signal rectangle est en général noté Arect 𝜏 (t). 𝜏 représente l’ouverture du
Nous avons :
+∞ +𝜏/2 +𝜏/2
−𝑗 2𝜋𝑓𝑡 −𝑗 2𝜋𝑓𝑡
𝑒 −𝑗 2𝜋𝑓𝑡
𝑃 𝑓 = 𝔗 𝑝(𝑡) = 𝑝 𝑡 .𝑒 𝑑𝑡 = 𝑝 𝑡 .𝑒 𝑑𝑡 = 𝐴
−𝑗2𝜋𝑓 −𝜏/2
−∞ −𝜏/2
𝛿(𝑓)
Le spectre de la transformée de Dirac contient toutes les fréquences avec une amplitude
x(t ).e e e
j 2 ft at j 2 ft ( a j 2 f ) t
X(f ) .dt .e .dt .dt
0 0
e ( a j 2 f ) t 1
X(f )
(a j 2 f ) 0 a j 2 f
On présente dans la figure ci-dessous le programme sur un script Matlab, pour tracer le
0.9 0.45
0.8 0.4
0.7 0.35
0.6 0.3
X(f)
x(t)
0.5 0.25
0.4 0.2
0.3 0.15
0.2 0.1
0.1 0.05
0 0
0 1 2 3 4 5 6 7 8 9 10 -20 -15 -10 -5 0 5 10 15 20
temps en s frequence en Hz
1.5
0.4
1
0.5
0.3
arg(X(f))
|X(f)|
0.2
-0.5
-1
0.1
-1.5
0 -2
-20 -15 -10 -5 0 5 10 15 20 -20 -15 -10 -5 0 5 10 15 20
frequence en Hz frequence en Hz
3. Produit de convolution
Le produit de convolution exprime la quantité de recouvrement d’une fonction e(t)
lorsqu’on la déplace sur une autre fonction h(t) : c’est un mélangeur de fonction. C’est un
La réponse d’un système, ayant pour réponse impulsionnelle h(t), à une sollicitation e(t)
(−𝜏)
La fonction (𝑡 − 𝜏) est une fonction paramétré par la variable t, on considère les
intervalles de où le produit 𝑥(𝜏) avec (𝑡 − 𝜏) garde la même forme, cela va simplifier
les calculs.
On peut maintenant calculer le produit de convolution d’une manière simple, en suivant les
de x(t) et h(t).
Propriété expression
Dérivation 𝑑𝑥 𝑡
𝔗ℱ = (𝑗2𝜋𝑓)𝑋 𝑓
𝑑𝑡
Intégration 1 𝑋 0
𝔗ℱ 𝑥 𝑡 𝑑𝑡 = 𝑋 𝑓 + 𝛿(𝑓)
𝑗2𝜋𝑓 2
Le conjugué 𝑥(𝑡) ↔ 𝑋 𝑓 alors 𝑥 ∗ (𝑡) ↔ 𝑋 ∗ −𝑓
+∞
Aire sous x(t)
𝑥(𝑡) 𝑑𝑡 = 𝑋(0)
−∞
+∞
Aire sous X(f)
𝑋(𝑓) 𝑑𝑓 = 𝑥(0)
−∞
Propriétés de calcul
Ces propriétés sont relatives à l’impulsion de Dirac afin de simplifier les calculs.
Si
Alors
spectre.
Le filtre idéal permet de transmettre sans distorsion une partie du spectre (bande
passante) et bloque toutes les autres parties (bande coupée), avec un passage abrupte
Les filtres sont caractérisés par leur fonction de transfert, et ils peuvent être classés
passe-bas passe-haut
passe-bande coupe-bande
Le filtre idéal avec une discontinuité dans sa fonction de transfert n’est pas
causal).
Les filtres analogiques réels présentent donc des imperfections avec lesquelles il
Les compromis faits sur ces différentes imperfections peuvent être regroupés sur un
w0=10;
H=tf([1],[1/w0 1]);
bode(H)
grid on
𝐻(𝑗𝑤) = −3𝑑𝑏
𝑤 = 𝑤0
𝜑 = −45°
23
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
Q : facteur de qualité
m : coefficient d’amortissement
𝑚 = 0.1
𝑚 = 0.5
𝑚=2
𝑚=1
𝑚 = 0.7
0 ≤ 𝑚 ≤ 0.7 : il y a résonnance à 𝑤 = 𝑤𝑟 = 𝑤0 1 − 𝑚2
𝑥(𝑡) 1 𝑦(𝑡)
𝑤 𝑤 2
1 + 𝑗2𝑚 𝑤 + 𝑗 𝑤
0 0
𝑗𝑤
Soit x(t) un signal sinusoidal de fréquence f :𝑥 𝑡 = 2. sin(𝑤1. 𝑡) soit 𝑋 𝑗𝑤 = 𝑗𝑤 2 +𝑤12
25
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
sin(2 f c (t t0 ))
h(t ) 2k . f c . j 2 ft0
pour f f c
2 f c (t t0 ) e
H( f )
=2k . f c .sin c(2 f c (t t0 ))
0 pour f f c
26
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
sin(2 f c (t t0 ))
0 pour f f c
h(t ) k. (t t0 ) 2 f c . H ( f ) j 2 ft
2 f c (t t0 ) pour f f c
k .e
0
(retard)
sin(2(t t0 ))
0 pour f f1 ; f 2
h(t ) 2k .. .cos(2 f c (t t0 )) H ( f ) j 2 ft
2 c (t t0 )
k .e
0
pour f f1; f 2
f 2 f1 f f
avec et f c 2 1
2 2
sin(2(t t0 ))
h(t ) k . (t t0 ) 2. .cos(2 f c (t t0 ))
2 c (t t0 )
f f f f
avec 2 1 et f c 2 1
2 2
27
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
k .e
j 2 ft0
pour f f1; f 2
H( f )
0 pour f f1 ; f 2
Réalisations :
( en train de construire )
Résistances Y1 et Y3 Y2 et Y4 Y1 et Y2
Capacités Y2 et Y4 Y1 et Y3 Y3
Y4=R//C
28
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
𝑲
=
𝟏 + 𝒋𝒘 𝑹𝟏 𝑪𝟐 + 𝑹𝟑 𝑪𝟒 + 𝑹𝟏 𝑪𝟒 − 𝑲𝑹𝟏 𝑪𝟐 − 𝑹𝟏 𝑪𝟐 𝑹𝟑 𝑪𝟒 𝒘𝟐
Pour 𝑪𝟐 = 𝑪𝟒 = 𝑪
𝑲 𝑲
𝑯 𝒋𝒘 = = 𝟐
𝟏 + 𝒋𝒘(𝟐𝑹𝟏 + 𝑹𝟑 − 𝑲𝑹𝟏 )𝑪 − 𝑹𝟏 𝑹𝟑 𝑪𝟐 𝒘𝟐 𝟐𝒎 𝒋𝒘
𝟏 + 𝒘 𝒋𝒘 + 𝒘
𝟎 𝟎
C=1e-6;
K=2; %K=1+r2/r1 on prend r1=r2
R3=1e3;
R1=R3; %R1=5*R3 puis R1=15*R3
w0=1/(sqrt(R1*R3)*C);
m=1.5*sqrt(R3/R1);
H=tf([K],[1/w0^2, 2*m/w0, 1]);
hold on
bode(H) , grid on
29
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
Capacités Y2 et Y5 Y1 ,Y3 et Y4 Y2 et Y4
𝒋𝒘 𝟐
𝑹𝟓 𝑹𝟐 𝑪 𝒘 𝟐 𝟐 − 𝒘𝟎
𝑯 𝒋𝒘 = 𝟐 𝟐
= 𝟐
𝟏 + 𝟑𝑪𝑹𝟐 𝒋𝒘 − 𝑹𝟐 𝑹𝟓 𝑪 𝒘 𝟐𝒎 𝒋𝒘
𝟏 + 𝒘 𝒋𝒘 + 𝒘
𝟎 𝟎
𝟏 𝟏 𝟏 𝑹𝟐
Avec 𝒘𝟎 = =𝑪 et 𝒎 = 𝟎. 𝟓 ∗ 𝟑𝑪𝑹𝟐 𝑪 = 𝟏. 𝟓
𝑹𝟐 𝑹𝟓 𝑪𝟐 𝑹𝟐 𝑹𝟓 𝑹𝟐 𝑹𝟓 𝑹𝟓
C=1e-6;
R2=1e3;
R5=R2; %R5=5*R2 puis R5=15*R2
w0=1/(sqrt(R2*R5)*C);
m=1.5*sqrt(R2/R5);
H=tf([-1/w0^2 ,0, 0],[1/w0^2, 2*m/w0, 1]);
hold on
bode(H), grid on
30
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
1. Introduction
Les signaux rencontrés dans la nature sont par nature analogique, pour pouvoir les
traiter numériquement, il faut d'abord les numériser pour obtenir un signal discret ou
signal numérique ou encore signal digital.
Un signal digital est un signal défini seulement pour un certain nombre d'instants que
l'on choisit de préférence périodique. La valeur du signal pour chacun de ces instants
ne peut prendre elle-même que des valeurs discrètes. Pour obtenir un signal digital à
partir d'un signal analogique, on procède en deux étapes;
Etape d'échantillonnage :
Pendant cette étape, on va échantillonner le signal analogique avec une période
d'échantillonnage Te ( fe = 1/Te = fréquence d'échantillonnage). On obtient un signal
échantillonné défini seulement aux instants nTe.
Etape de quantification :
Pendant cette étape, dite aussi étape de codage, on va discrétiser la valeur du signal,
31
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
c.a.d. qu'on va les ramener aux valeurs discrètes possibles. Pour cela, on peut procéder
de deux façons différentes ;
- par troncature, on prend la valeur discrète immédiatement inférieure.
- par arrondi, on prend la valeur discrète la plus proche.
2. Principe
L'échantillonnage d'un signal analogique, représenté par une fonction x(t), consiste à
construire un signal à temps discret obtenu en mesurant la valeur de x(t) toutes les Te
secondes : xn = x(n.Te).
𝑥(𝑡) 𝑥𝑒 (𝑡)
𝑇𝑒 2𝑇𝑒 3𝑇𝑒
𝑥 𝑡 𝛿 𝑡 − 𝑘. 𝑇𝑒 = 𝑥 𝑘. 𝑇𝑒 𝛿 𝑡 − 𝑘. 𝑇𝑒 = 𝑥 𝑘 𝛿 𝑡 − 𝑘. 𝑇𝑒
32
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
Le signal échantillonné xe(t) noté x*(t) est, donc, formulé, mathématiquement, par
k
xe (t ) x *' t ) x(t ).PeigneTe (t ) x(t ). (t k .Te )
k
33
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
k
TF ( xe (t )) TF x(t ). (t k .Te )
k
k
TF ( x (t )) * TF (t k .Te )
k
1
X ( f ) * Peigne fe ( f )
fe
f e . X(f)* ( f k . f e )
f e . X(f)* ( f k . f e )
D’où : 1 1
TF ( xe (t )) X e ( f )
Te
. X ( f )* ( f k. fe )
X ( f k. f e )
Te
Cette relation montre que Xe(f)est obtenue, à un facteur près (1/Te ) , par une simple
1/Te.
1er Cas : X(f) est à support borné, sa fréquence de coupure est fc telle que : fe>2fc :
2eme Cas : X(f) est à support borné, sa fréquence de coupure est fc telle que : fe=2fc
34
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
On constate qu’au prix d’un simple filtrage passe-bas idéal, de fréquence de coupure
fe/2, on retrouve X(f) et donc x(t). les “informations” initiales ne sont pas perdues. La
transformation x(t) →Xe(t) est réversible. On a correctement échantillonné le signal.
3ème Cas : X(f) est à support borné, sa fréquence de coupure est fc telle que : fe<2fc
Il est clair que le spectre initial X(f) est déformé. On ne peut pas obtenir X(f) à partir
de Xe(f). Les “informations” initiales sont perdues. La transformation est irréversible.
On a mal échantillonné le signal.
Remarque :
4ème Cas : X(f) est à support non borné : Dans ce cas, il est évident qu’il y au ra
repliement spectral.
35
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
En pratique, on filtrera le signal x(t) par un filtre passe bas de fréquence de coupure
fc =fmax, puis on échantillonnera le signal de sortie du filtre à une fréquence fe>2fc
Pour ce faire, on fixe une fréquence fmax au dessous de laquelle, on considère que les
harmoniques constituent le signal utile.Les fréquences au dessus de fmax seront alors
supprimés par le filtre.
4. Théorème de Shannon
Afin d’éviter toute déformation du spectre d’un signal par son échantillonnage, la
fréquence d'échantillonnage fe doit être supérieure au double de la fréquence
maximale contenue dans ce signal.
Exemple d’application
L'oreille humaine peut capter les sons jusqu'à 16 kHz, quelquefois jusqu'à 20 kHz. Il
convient donc, lors de la conversion, d'échantillonner le signal Audio à au moins 40 kHz.
36
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
Le signal continu est obtenu à partir de ses échantillons à l’aide d’un filtrage passe-bas
parfait.
En domaine fréquentiel :
En domaine temporel :
∞
sin(𝜋𝑓𝑒 . (𝑡 − 𝑘. 𝑇𝑒 ))
𝑥 𝑡 = 𝑥 𝑘. 𝑇𝑒 ∗
𝜋𝑓𝑒 . (𝑡 − 𝑘. 𝑇𝑒 )
𝑘
37
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
𝜀 = 𝑥𝑒 𝑡 − 𝑥𝑞 (𝑡)
Signal quantifié
Signal continu
Signal échantilloné
38
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
0111
𝑥𝑞 (𝑡)
0110
0101 4𝑞
0100 3𝑞
0011 2𝑞
0010
0001 𝑞
−3𝑞 −2𝑞 −𝑞 𝑥𝑒 (𝑡)
0000/1000
𝑞 2𝑞 3𝑞 4𝑞 5𝑞
1001
1010
−2𝑞
1011
1100
1101
1110 𝜀
1111 𝑞
𝑥𝑒 (𝑡)
0
−𝑞
Arrondi :
1 1
𝑠𝑖 𝑘 − 2 𝑞 ≤ 𝑥𝑒 𝑡 ≤ 𝑘 + 2 𝑞 alors à 𝑥𝑞 𝑡 on associe le code 𝑁 ou la valeur 𝑘. 𝑞
0111
𝑥𝑞 (𝑡)
0110
0101 4𝑞
0100 3𝑞
0011
2𝑞
0010
0001 𝑞
−3𝑞 −2𝑞 −𝑞 𝑥𝑒 (𝑡)
0000/1000
𝑞 2𝑞 3𝑞 4𝑞 5𝑞
1001 −𝑞
1010
−2𝑞
1011
1100
1101
1110 𝜀
𝑞/2
1111
𝑥𝑒 (𝑡)
0
−𝑞/2
39
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
Exemples :
𝑷𝒔
𝑹𝑺𝑩 𝒅𝒃 = 𝟏𝟎𝑳𝒐𝒈 avec Ps = puissance du signal et Pb puissance du bruit
𝑷𝒃
Pour un signal x(t) sinusoïdal d’amplitude Vmax , sa puissance est donnée par
2
𝑉𝑚𝑎𝑥
2
𝑃𝑠 = 𝑉𝑒𝑓𝑓 = 2
+𝑞/2 𝑞/2
1 2
1 𝑒3 1 1 𝑞3 𝑞3 𝑞2
𝑃𝑏 = 𝑒 𝑑𝑒 = = . + =
𝑞 −𝑞/2 𝑞 3 −𝑞/2
𝑞 3 8 8 12
𝑉2
𝑚𝑎𝑥
𝑉𝑚𝑎𝑥 𝑞2 𝑉𝑚𝑎𝑥 2 𝑷𝒔
Or 𝑞 = 2𝑛 −1
donc 𝑃𝑏 = 12
= 12(22𝑛 −2 )
𝑹𝑺𝑩 𝒅𝒃 = 𝟏𝟎𝑳𝒐𝒈 = 𝟏𝟎𝑳𝒐𝒈 2
𝑉𝑚𝑎𝑥 2
𝑷𝒃
12 . 22𝑛−2
2
𝑉𝑚𝑎𝑥
𝑹𝑺𝑩 = 𝟏𝟎𝑳𝒐𝒈 2 = 𝟏𝟎𝑳𝒐𝒈 6. 22𝑛−2
𝒅𝒃
𝑉𝑚𝑎𝑥 2
12. 22𝑛−2
= 𝟏𝟎𝑳𝒐𝒈 𝟔 + 𝟏𝟎𝑳𝒐𝒈 𝟐−𝟐 + 𝟏𝟎𝑳𝒐𝒈 𝟐𝟐𝒏
40
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
Exercices :
EXAMEN : Traitement de signal (2017-2018)
0k 1 2 3 4
x2(t) Ck 5 4 0 -2 0
1. Donnez les expressions temporelles de x1(t) et de x2(t).
2. Ecrivez ces expressions à l’aide de cosinus seulement.
3. Dessinez leurs spectres d’amplitude et de phase unilatéraux et bilatéraux ;
4. Calculez la puissance de chacun des deux signaux.
Exercice 2 : (4 points)
Calculer le produit de convolution suivant :
(𝑡) = 𝑓(𝑡) ∗ 𝑔(𝑡)
Les fonctions f et g sont définies par :
−𝑒 𝛼𝑡 𝑝𝑜𝑢𝑟 𝑡 ≤ 0
𝑓 𝑡 = 𝛼>0
0 𝑝𝑜𝑢𝑟 𝑡 > 0
1
𝑔 𝑡 = 𝑅𝑒𝑐𝑡1 𝑡 − 𝑝𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑡
2
Exercice 3 : ( 6 points)
Un signal capté x(t) est situé dans la bande de [-100,100] Khz et d’amplitude 2V,
doit être transmis via un emetteur bluetooth caractérisé par la bande de fréquence
centrale f0=2.4GHz.
1) Donner l’expression en fréquence XN(f) permettant de déplacer le spectre aux
alentours de f0 et –f0; Tracer le spectre.
2) Déterminer l’expression mathématique xN(t).
3) Réaliser un schéma bloc permettant d’obtenir xN(t) à partir d’un oscillateur
Fosc=2.4GHz.
Exercice 4 : (6 points)
On considère le signal 𝑥 𝑡 = 𝑥1 𝑡 + 𝑥2 (𝑡)défini comme suit :
sin
(𝜋𝑓 𝑏 𝑡) sin
(𝜋𝑓 𝑏 𝑡)
𝑥1 𝑡 = 𝑓𝑏 . . 𝑒 𝑗 2𝜋𝑓0 𝑡 et 𝑥2 𝑡 = 𝑓𝑏 . . 𝑒 −𝑗 2𝜋𝑓0 𝑡
𝜋𝑓 𝑏 𝑡 𝜋𝑓 𝑏 𝑡
avec 𝑓0 = 8 𝑘𝐻𝑧 𝑒𝑡 𝑓𝑏 = 1𝑘𝐻𝑧
1. Calculer la transformée de Fourier 𝑋 𝑓 du signal 𝑥 𝑡 , représenter le
graphiquement
2. Rappeler l’expression du signal 𝑥𝑒 𝑡 obtenu par échantillonnage idéal de 𝑥 𝑡 à
la fréquence 𝑓𝑒 .
41
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
Document Réponse :
Question 1
𝑋( 𝑓)
1
0.75
0.5
0.25 𝑓 ( 𝑘𝐻𝑧)
−8 −7 −6 −5 −4 −3 −2 −1 1 2 3 4 5 6 7 8 9
Question 4
𝑋𝑒 ( 𝑓)
1
0.75
0.5
0.25
42
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès