Vous êtes sur la page 1sur 41

Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

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

analogique utilisé en traitement de signal. Le deuxième chapitre est une étude de

l'échantillonnage et de la quantification.

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 0


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

Tables de Matières

Table des matières


Introduction Générale ..............................................................................................................................................2
I. Le signal ........................................................................................................................................................2
1. définition ..................................................................................................................................................2
2. Classification : ...........................................................................................................................................3
II. L’importance du signal dans le monde technologique.................................................................................5
Chapitre 1 : L’Analyse spectrale des signaux : ..........................................................................................................7
I. Analyse spectrale des signaux périodiques ..................................................................................................7
1. Représentation du signal périodique .......................................................................................................7
2. Série de Fourier ........................................................................................................................................8
II. Analyse spectrale des signaux non périodiques .........................................................................................12
1. Définition : ..............................................................................................................................................12
2. Exemples d’études..................................................................................................................................12
3. Produit de convolution ...........................................................................................................................16
4. Propriété de Base de la Transformée de Fourier ...................................................................................18
III. Les filtrages analogiques ........................................................................................................................19
Chapitre 2 : Echantillonnage et Quantification des Signaux ..................................................................................31
I. L’échantillonnage d’un signal analogique ..................................................................................................31
1. Introduction ............................................................................................................................................31
2. Principe ...................................................................................................................................................32
II. Le spectre d’un signal échantillonné ..........................................................................................................32
1. Formulation mathématique du signal échantillonné .............................................................................32
2. Transformée de Fourier du signal échantillonné ...................................................................................33
3. Le repliement spectrale d’un signal échantillonné :..............................................................................34
4. Théorème de Shannon ...........................................................................................................................36
5. . Reconstruction du signal à partir de ces échantillons ..........................................................................36
III. Quantification d’un signal échantillonné ...............................................................................................38
IV. Le rapport signal sur bruit : ....................................................................................................................40
Exercices : ...............................................................................................................................................................41

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 1


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

Introduction Générale
I. Le signal

1. définition
Un signal est une grandeur qui dépend du temps t. Cette grandeur est souvent physique.

La grandeur d’un signal peut être de différent type :

– Information : par exemple le son qui est une variation de la pression de l’air, voir figure

1.

Exemple d’un signal audio étalé

– L´Energie : par exemple la tension électrique du réseau ;

– Matière : par exemple un débit d’eau en un point d’un canal d’irrigation.

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,

etc..) grâce à ces capteurs (oreilles, nez, yeux, etc...).

Traitement Il les traite et les interprète (par exemple, il isole un son particulier).

Génération Il est capable de générer des signaux.

On peut définir un signal comme suit :

Un signal est la représentation physique de l'information, qu'il convoie de sa source à son

destinataire. La description mathématique des signaux est l'objectif de la théorie du

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 2


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

signal. Elle offre les moyens d'analyser, de concevoir et de caractériser des systèmes de

traitement de l'information.

Dans le même contexte, on peut définir le bruit comme suit :

Un bruit correspond à tout phénomène perturbateur gênant la transmission ou

l'interprétation d'un signal.

Les notions de signal et bruit sont très relatives. Pour un technicien des

télécommunications qui écoute un émetteur lointain relayé par un satellite, le signal

provenant d’une source astrophysique (soleil par exemple) placée malencontreusement

dans la même direction est un bruit. Mais pour l’astronome qui s’intéresse à la source

astrophysique, c’est le signal du satellite qui est un bruit.

Pour mieux quantifier ce mélange du bruit et de l’information, on définit un rapport

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

souvent donné en décibels (dB).


𝑆 𝑃𝑠
= 10log⁡
( )
𝑁 𝑑𝑏 𝑃𝑁

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).

Fig2 Signal continu Signal discret

b. Spectrale: On classe les signaux suivant la bande de fréquence qu’ils occupent.

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 3


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

Fig3 : Signal à variation lente (fréquences basses) Signal à variation rapide

c. Energétique :

 l’énergie d’un signal continu x(t) réel ou complexe est :


 
E  x(t ) x * (t )dt   x(t )
2
dt
 

x*(t) représente le signal complexe conjugué de x(t).

 Puissance moyenne : elle représente la puissance contenue dans le signal x(t), elle

est définie par : 1


T / 2
P  lim
T  T  x(t ) x * (t )dt
T / 2

Le signal x(t) représente en général une tension et son conjugué est un courant.

 Type d’énergie et de puissance des signaux

 Un signal d’énergie E finie (Energy-type) a une puissance moyenne P nulle:

Cas des signaux représentant une grandeur physique, Signaux transitoires à


support borné.
 Les signaux à énergie infinie (Power-type) ont une puissance moyenne non

nulle: 0 < 𝑃𝑥 < ∞. (Cas des signaux périodiques). Dans le cas des signaux

périodiques, la puissance moyenne P est la puissance calculée sur une

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

ont une puissance : 1


 T0
Px   x(t )
2
dt
T0 

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 4


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

Où T0 est la période et α est un nombre réel arbitraire.

II. L’importance du signal dans le monde technologique


C’est un lieu commun que d’affirmer que notre vie contemporaine est la société de

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

complexité. La maîtrise de ces méthodes devient de plus en plus incontournable dans la

pratique de l’ingénieur quelque soit le domaine auquel il s’intéresse.

L’objectif de cet enseignement est de donner des bases minimales préalables à

l’acquisition et à la maîtrise de ces méthodes.

Dans le traitement de l’information, il est nécessaire de :

– Mesurer le signal, souvent `a l’aide de capteurs (Instrumentation) ;

– Caractériser et extraire le signal utile (traitement du signal) ;

– Le transmettre par un codage adéquat (traitement du signal).

Pour cela, le traitement du signal développe des méthodes basées sur la modélisation

mathématique, ces méthodes étant ensuite mises en œuvre en général en électronique

(numérique) du signal (réalisation technologique).

Un schéma synoptique ci-dessous résume l’ensemble d’une chaine de traitement de signal,

depuis l’information reçue, qui est toujours de type analogique, provient d’un capteur

physique (Pression, température, vitesse….). Deux techniques de traitement sont

possibles, un traitement analogique et qui fait l’objet de ce cours et un traitement

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

information) du bruit qui est un signal non déterministe.

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 5


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

Fig4 : Schéma synoptique des différentes techniques de traitement d’un signal par filtrage

Dans le traitement analogique, on va voir la série de Fourier et les transformées de

Fourier, afin d’isoler le bruit de l’information et de passer à la conception du filtre pour

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,

puis un filtrage numérique s’impose et en fin pour retrouver l’information, on aura

recours à une conversion numérique analogique.

Passage de la représentation temporelle à une représentation fréquentielle

Passage : temps Fréquence

Pour les signaux périodiques :


𝑥(𝑡) 𝟏
𝑨 𝒔𝒊 𝒕 ∈ 𝒌. 𝑻, 𝒌 + .𝑻
𝒙 𝒕 = 𝟐
𝑡 𝟏
−𝑨 𝒔𝒊 𝒕 ∈ 𝒌+ . 𝑻, 𝒌 + 𝟏 . 𝑻
𝑇 𝟐
𝑇 = 1/𝑓0 𝑤 = 2. 𝜋. 𝑓0


Transformée en
𝑥 𝑡 = 𝑎0 + 𝐴𝑛 . cos 𝑛𝑤𝑡 + 𝐵𝑛 . sin 𝑛𝑤𝑡
série de Fourier
𝑛=1

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 6


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

Pour les signaux uniques:


𝑥(𝑡)
𝒙 𝒕 = 𝒆−𝒂𝒕 avec a>0

1
Intégrale de 𝑋 𝑓 =
𝑎 + 𝑗2𝜋𝑓
Fourier

Chapitre 1 : L’Analyse spectrale des signaux :


L’analyse spectrale est étroitement liée à la notion de bande passante. En effet la bande

passante d’un filtre va modifier la composition de fréquences d’un signal sonore. Un

amplificateur large bande transmet toutes les composantes du spectre fréquentiel et le

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

quelle manière un filtre interfère avec le signal, il faut connaître sa composition en

fréquences encore appelée composition spectrale ou composition harmonique. Le spectre

de fréquence X(f) est obtenu en appliquant la transformation mathématique de Fourier

TF à un signal fonction du temps x(t). De même, si on connait le spectre de fréquence

X(f), on peut retrouver le signal x(t) par la transformation de Fourier inverse TFI.

I. Analyse spectrale des signaux périodiques

1. Représentation du signal périodique


Tout signal périodique peut être représenté par une combinaison linéaire de signaux

simples appelés signaux élémentaires 𝒖𝟎 𝒕 , 𝒖𝟏 𝒕 , 𝒖𝟐 𝒕 , 𝒖𝟑 𝒕 , … … …


𝑵

𝒙 𝒕 = 𝒂𝒌 . 𝒖𝒌 (𝒕)
𝒌=𝟎

La représentation la plus utilisée est la décomposition en série de Fourier qui consiste à

décomposer un signal périodique de fréquence 𝒇𝟎 en une somme infinie de signaux

sinusoïdaux de fréquences multiples de 𝒇𝟎 qu'on appelle les harmoniques.

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 7


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

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

laquelle on passe de la considération temporelle de x(t) comme une fonction analytique à

sa considération fréquentielle à l'aide des coefficients C(n). Dans la pratique il existe

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

fréquentiel C(n) et on cherche à retrouver l'expression analytique de la fonction x(t).

Les appareils qui font ceci sont des synthétiseurs.

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, …

 C(0) est la valeur moyenne de x(t). En effet nous avons :


𝑇
1 2
𝐶 0 = 𝑥 𝑡 𝑑𝑡
𝑇 −𝑇
2

C(0) est appelée la composante continue (ou encore DC) du signal.

 𝐶 −1 𝑒 −𝑗 𝜔 0 𝑡 + 𝐶(1)𝑒 𝑗 𝜔 0 𝑡 est appelé la fondamentale du signal ou la première

harmonique.

 𝐶 −𝑛 𝑒 −𝑗 𝑛𝜔 0 𝑡 + 𝐶(𝑛)𝑒 𝑗𝑛 𝜔 0 𝑡 est appelé la nième harmonique du signal.

b. Représentation unilatérale du signal (coefficients réels 𝒂𝒌 et 𝒃𝒌 ):


+∞

𝒙 𝒕 = 𝒙𝟎 + 𝒂𝒌 . 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 + 𝒃𝒌 . 𝒔𝒊𝒏 𝟐𝝅𝒌𝒇𝟎 . 𝒕


𝒌=𝟏

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 8


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

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

c. Relation entre les coefficients réels 𝒂𝒌 𝒆𝒕 𝒃𝒌 et complexes 𝑪𝒌


𝟐𝑪𝟎 = 𝒂𝟎
𝟏
𝑪𝒌 = 𝒂 − 𝒋𝒃𝒌
𝟐 𝒌
𝟏
𝑪−𝒌 = 𝒂 + 𝒋𝒃𝒌
𝟐 𝒌
𝒂𝒌 = 𝑪𝒌 + 𝑪−𝒌 = 𝟐. 𝕽 𝑪𝒌
𝒃𝒌 = 𝒋 𝑪𝒌 − 𝑪−𝒌 = −𝟐. 𝕴(𝑪𝒌 )

d. Une autre Représentation de série de Fourier :


+∞
𝒙 𝒕 = 𝒙𝟎 + 𝒌=𝟏 𝒂𝒌 . 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 + 𝒃𝒌 . 𝒔𝒊𝒏 𝟐𝝅𝒌𝒇𝟎 . 𝒕

+∞
𝒂𝒌 𝒃𝒌
= 𝒙𝟎 + 𝒂𝟐𝒌 + 𝒃𝟐𝒌 . 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 + . 𝒔𝒊𝒏 𝟐𝝅𝒌𝒇𝟎 . 𝒕
𝒌=𝟏 𝒂𝟐𝒌 + 𝒃𝟐𝒌 𝒂𝟐𝒌 + 𝒃𝟐𝒌

+∞

= 𝒙𝟎 + 𝒂𝟐𝒌 + 𝒃𝟐𝒌 𝒄𝒐𝒔(𝝋𝒌 ). 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 + 𝒔𝒊𝒏(𝝋𝒌 ). 𝒔𝒊𝒏 𝟐𝝅𝒌𝒇𝟎 . 𝒕


𝒌=𝟏

+∞

= 𝒙𝟎 + 𝑨𝒌 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 − 𝝋𝒌
𝒌=𝟏

𝒃𝒌
Avec 𝝋𝒌 = 𝒂𝒓𝒄𝒕𝒂𝒏𝒈 𝒂𝒌
et 𝑨𝒌 = 𝒂𝟐𝒌 + 𝒃𝟐𝒌

e. Exemples :

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 9


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

Fig 5 : Exemples de calcul de la série de Fourier

Le tableau ci-dessous contient les amplitudes et les fréquences des harmoniques du


premier signal m1(t) de la liste ci-dessus avec fo = 125 Hz. Son spectre est représenté
sur la figure Fig. 3

Fig 3

Le script suivant permet de reformer le signal à partir de la somme de plusieurs signaux


sinusoïdaux.

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 10


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

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

for n=1:2:200 % n impair -2


an=0; -4
bn=((4*A)/(n*pi));
-6
x=x+an*cos(n*w0*t)+bn*sin(n*w0*t);
plot(t,x); grid on -8

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

La somme des 3 composantes donne le signal suivant :


15

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

Fig.7 : Reconstitution avec 3 harmoniques (1, 3 et 5)

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 11


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

II.Analyse spectrale des signaux non périodiques


La transformée de Fourier est le prolongement de la série de Fourier à la catégorie

générale des Signaux (périodiques et non périodiques). Ici, comme dans les séries de

Fourier, les signaux sont exprimés en termes exponentielles complexes de différentes

fréquences, mais ces fréquences ne sont pas discrètes. Par conséquent, dans ce cas, le

signal présente un spectre continu par opposition à un spectre discret.

1. Définition :
Nous pouvons préciser formellement le théorème de la transformée de Fourier pour un

signal x(t) comme suit:


+∞

𝑋 𝑓 = 𝑥 𝑡 . 𝑒 −𝑗 2.𝜋.𝑓.𝑡 𝑑𝑡
−∞

Et le signal original x(t) peut être obtenu à partir de sa transformée de Fourier:


+∞

𝑥 𝑡 = 𝑋 𝑓 . 𝑒 𝑗 2.𝜋.𝑓.𝑡 𝑑𝑓
−∞

On donne quelques observations concernant la transformée de Fourier :

 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)

Pour noter X(f) la transformée de Fourier de x(t) on utilise la notation suivante :

Et pour la transformée inverse x(t) on écrit:

Et en utilisant la correspondance, on note :

2. Exemples d’études
La maîtrise de la transformée de Fourier sera faite par l’étude d’un ensemble d’exemples

très pratiques, qu’on pourra les exploiter dans un tel traitement.

Exemple 1: calculer la transformée de Fourier du signal rectangle suivant :

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 12


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

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

rectangle et A son amplitude.

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

𝑒 −𝑗𝜋𝑓𝜏 − 𝑒 𝑗𝜋𝑓𝜏 −2𝑗𝑠𝑖𝑛(𝜋𝑓𝜏) 𝐴𝑠𝑖𝑛(𝜋𝑓𝜏)


𝑃 𝑓 =𝐴 =𝐴 = = 𝐴𝜏. 𝑠𝑖𝑛𝑐(𝜋𝑓𝜏)
−𝑗2𝜋𝑓 −𝑗2𝜋𝑓 𝜋𝑓

Traçons la fonction Sinus-cardinal


𝐴𝜏. 𝑠𝑖𝑛𝑐(𝜋𝑓𝜏)
𝐴𝜏

−2/𝜏 3/𝜏 5/𝜏

−3/𝜏 −1/𝜏 1/𝜏 2/𝜏 4/𝜏

Fig. 8 : Transformé de Fourier de la Fonction 𝑟𝑒𝑐𝑡𝜏)

Exemple 2: calculer la transformée de Fourier de l’impulsion de Dirac :

La transformée de Fourier de l’impulsion de Dirac est :

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 13


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

On trace le spectre de cette transformée est :

𝛿(𝑓)

Fig.9 : Fonction de Dirac et son Spectre

Le spectre de la transformée de Dirac contient toutes les fréquences avec une amplitude

unité et une phase nulle.

Exemple 3 : Soit x(t) un signal non périodique définie par:


𝑒 −𝑎𝑡 𝑝𝑜𝑢𝑟 𝑡≥0
𝑥 𝑡 = 𝑎 ∈ ℝ+∗
0 𝑝𝑜𝑢𝑟 𝑡 < 0
La transformée de Fourier de x(t) est X(f), soit :
  

 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

Le module ou le spectre en amplitude de X(f) est :


1
X( f ) 
a  (2 f ) 2
2

L’Argument ou le spectre en phase de X(f) est :


 2 f 
Arg ( X ( f ))     arctan g  
 a 

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 14


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

On présente dans la figure ci-dessous le programme sur un script Matlab, pour tracer le

spectre de la fonction temporelle x(t).

Fig. 10 : Programme sur Matlab de la fonction x(t)


signal temporel spectre bilatéral de X(f)
1 0.5

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

spectre d amplitude de X(f) spectre de phase de X(f)


0.5 2

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

Fig.11: la représentation temporelle et spectrale de la fonction x(t)

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 15


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

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

outil important en TS (filtrage...).

La réponse d’un système, ayant pour réponse impulsionnelle h(t), à une sollicitation e(t)

est donné par le produit de convolution :


Le système doit être linéaire,
continu et invariant dans le
temps.

o Exemple de Calcul du produit de convolution de deux signaux,

On considère deux signaux rectangulaires d’ouvertures et d’amplitudes différentes :

Calculons le produit de convolution de x(t) avec h(t) :



y (t )  x(t )* h(t )   x( ).h(t   )d


Pour ce faire, on essaie de décomposer cette intégrale en morceaux d’intervalle facile à

calculer, tout d’abord traçons la fonction 𝑥(𝜏) et 𝑕(−𝜏) pour t=0

𝑕(−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.

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 16


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

On peut maintenant calculer le produit de convolution d’une manière simple, en suivant les

différentes étapes et en effectuant les calculs par intervalle.

o Première intervalle t<0

o Seconde intervalle 0<=t<=1

o Troisième intervalle 1<=t<=2

o Quatrième intervalle 2<t<=3

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 17


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

o Cinquième intervalle t>3

Après la décomposition en intervalle s simples, on peut résumer l’ensemble des

calculs ci-dessus et tracer la fonction y(t) qui représente le produit de convolution

de x(t) et h(t).

4. Propriété de Base de la Transformée de Fourier

Propriété expression

Linéarité 𝔗ℱ 𝑎𝑥 𝑡 + 𝑏. 𝑦(𝑡) = 𝑎. 𝑋 𝑓 + 𝑏. 𝑌(𝑓)

Changement d’échelle du temps 1 𝑓


𝔗ℱ 𝑥 𝑎𝑡 = 𝑋
𝑎 𝑎
Décalage dans le temps 𝔗ℱ 𝑥 𝑡 − 𝑡0 = 𝑋 𝑓 . 𝑒 −𝑗 2𝜋𝑓 𝑡0
𝔗ℱ 𝑥 𝑡 + 𝑡0 = 𝑋 𝑓 . 𝑒 𝑗 2𝜋𝑓 𝑡0
Décalage en fréquence 𝔗ℱ 𝑒 𝑗 2𝜋𝑓0 𝑡 . 𝑥 𝑡 = 𝑋 𝑓 − 𝑓0

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)
−∞

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 18


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

+∞
Aire sous X(f)
𝑋(𝑓) 𝑑𝑓 = 𝑥(0)
−∞

Produit de convolution 𝔗ℱ 𝑥 𝑡 ∗ 𝑦(𝑡) = 𝑋 𝑓 . 𝑌(𝑓)

Produit 𝔗ℱ 𝑥 𝑡 . 𝑦(𝑡) = 𝑋 𝑓 ∗ 𝑌(𝑓)

Propriétés de calcul

Ces propriétés sont relatives à l’impulsion de Dirac afin de simplifier les calculs.

a) Propriété de dualité : (importante)

Si

Alors

III. Les filtrages analogiques


Un filtre est un Système Linéaire Invariant dans le Temps permettant de diviser le

spectre (espace fréquentiel) afin de conserver une ou plusieurs parties (bande) de ce

spectre.

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 19


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

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

(discontinuité) entre ces deux parties.

Les filtres sont caractérisés par leur fonction de transfert, et ils peuvent être classés

en 5 familles, suivant la bande du spectre de fréquences sur laquelle ils agissent :

 passe-bas  passe-haut

 passe-bande  coupe-bande

 Le filtre idéal avec une discontinuité dans sa fonction de transfert n’est pas

physiquement réalisable, car sa réponse impulsionnelle nécessiterait que l’évolution

du signal de sortie anticipe l’évolution du signal appliqué en entrée (système non

causal).

 Les filtres analogiques réels présentent donc des imperfections avec lesquelles il

faut trouver des compromis en fonction de son application.

Ces imperfections sont:

 transition progressive entre la bande passante et la bande coupée

 Irrégularité du gain dans la bande passante (ondulations)

 Affaiblissement dans la bande coupée

 Irrégularité du gain dans la bande coupée (ondulations)

 Irrégularité du temps de propagation

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 20


Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

Les compromis faits sur ces différentes imperfections peuvent être regroupés sur un

graphique appelé gabarit du filtre.

Ce gabarit fixe les limites de la fonction de transfert du filtre réalisé.

Exemple d’un filtre passe bas:

Passe bas d’ordre 1 : 1


Module : 𝐻 𝑗𝑤 =
1 𝑤 2
𝐻 𝑗𝑤 = 𝑤  1+
𝑤0
1+𝑗
𝑤0

𝑤0 est la fréquence de coupure à -3dB 𝑤


Phase: 𝜑 = −𝑎𝑟𝑐𝑡𝑎𝑛𝑔 𝑤
0
script matlab pour tracer le diagramme de bode pour 𝑤0 = 10 𝑟𝑎𝑑/𝑠

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

Passe bas d’ordre 2 : 1


Module : 𝐻 𝑗𝑤 =
1 2
𝑤 2 𝑤 2
𝑤 𝑤 2 1− +4𝑚 2
𝑤0 𝑤0
1+𝑗 2𝑚 + 𝑗
𝑤0 𝑤0
𝐻 𝑗𝑤 = 1 
𝑤
𝑗 𝑤 𝑤 2 2𝑚
1+ + 𝑗 𝑤0
𝑄 𝑤0 𝑤0 Phase: 𝜑 = −𝑎𝑟𝑐𝑡𝑎𝑛𝑔 𝑤 2
1−
𝑤0
𝐰𝟎 est la fréquence propre

Q : facteur de qualité

m : coefficient d’amortissement

script matlab pour tracer le diagramme de bode pour 𝑤0 = 10 𝑟𝑎𝑑/𝑠


w0=10;
H=tf([1],[1/w0^2 2*m/w0 1]);
bode(H)
grid on

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

𝑚 ≥ 0.7 : pas de résonnance

𝑚 = 0.7 : réponse la plus plate


24
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

𝑚 ≥ 1 : H(jw) est décomposable en un produit de deux éléments du 1 ordre

Vérifions les propriétés de ce filtre :

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

pour w1=5 rad/s<w0

Pour w1=15 rad/s>w0=10 rad/s

Pour w1=40 rad/s>>w0=10 rad/s

25
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

Les gabarits des filtres:

Les fonctions de transfert des filtres idéaux :

Filtre passe Bas :

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

t0: Le temps de propagation (retard)

Filtre passe Haut :

 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

t0: Le temps de propagation

(retard)

Filtre passe Bande :

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

t0: Le temps de propagation (retard)

Filtre coupe Bande ou rejecteur de bande:

 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 :

Réalisations à l’aide des éléments passifs R et C

( en train de construire )

Réalisations à l’aide des amplificateurs opérationnels et des éléments passifs Ret C

Passe bas Passe haut Passe bande

Résistances Y1 et Y3 Y2 et Y4 Y1 et Y2

Capacités Y2 et Y4 Y1 et Y3 Y3

Y4=R//C

Exemple de calcul : prenons le cas d’un passe bas


𝟏 𝟏
𝑲𝑹 .𝑹
𝟏 𝟑
𝑯 𝒋𝒘 =
𝟏 𝟏 𝟏
𝑹𝟏 + 𝒋𝑪𝟐 𝒘 𝑹𝟑 + 𝒋𝑪𝟒 𝒘 + 𝑹𝟑 𝒋𝑪𝟒 𝒘 − 𝑲𝒋𝑪𝟐 𝒘
𝑲
=
𝟏 + 𝒋𝑹𝟏 𝑪𝟐 𝒘 𝟏 + 𝒋𝑹𝟑 𝑪𝟒 𝒘 + 𝒋𝑹𝟏 𝒘 𝑪𝟒 − 𝑲𝑪𝟐

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

𝟏 𝟏 𝟏 𝟐𝑹𝟏 +𝑹𝟑 −𝑲𝑹𝟏


Avec 𝒘𝟎 = =𝑪 et 𝒎 = 𝟎. 𝟓 ∗ 𝑪 𝟐𝑹𝟏 + 𝑹𝟑 − 𝑲𝑹𝟏 =
𝑹𝟏 𝑹𝟑 𝑪𝟐 𝑹𝟏 𝑹𝟑 𝑪 𝑹𝟏 𝑹𝟑 𝟐 𝑹𝟏 𝑹𝟑

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

𝑅5 = 𝑅2 ⟹ 𝑚 = 1.5 𝑒𝑡𝑤0 = 1000 𝑟𝑎𝑑/𝑠

𝑅5 = 5𝑅2 ⟹ 𝑚 = 0.67 𝑒𝑡𝑤0 = 447.2 𝑟𝑎𝑑/𝑠

𝑅5 = 15𝑅2 ⟹ 𝑚 = 0.39 𝑒𝑡𝑤0 = 258.2 𝑟𝑎𝑑/𝑠

29
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

Passe bas Passe haut Passe bande

Résistances Y1,Y3 et Y4 Y2 et Y5 Y1, Y3 et Y5

Capacités Y2 et Y5 Y1 ,Y3 et Y4 Y2 et Y4

Exemple de calcul : prenons le cas d’un passe haut


−𝒋𝑪𝟏 𝒘. 𝒋𝑪𝟑 𝒘
𝑯 𝒋𝒘 =
𝟏 𝟏
𝑹𝟓 𝒋𝑪𝟏 𝒘 + 𝑹𝟐 + 𝒋𝑪𝟑 𝒘 + 𝒋𝑪𝟒 𝒘 + 𝒋𝑪𝟑 𝒘. 𝒋𝑪𝟒 𝒘
𝑹 𝟐 𝑹 𝟓 𝑪 𝟏 𝑪 𝟑 𝒘𝟐
=
𝟏 + 𝒋𝒘(𝑪𝟏 + 𝑪𝟑 + 𝑪𝟒 𝑹𝟐 − 𝑹𝟐 𝑹𝟓 𝑪𝟑 𝑪𝟒 𝒘𝟐
Pour 𝑪𝟏 = 𝑪𝟑 = 𝑪𝟒 = 𝑪

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

𝑅5 = 𝑅2 ⟹ 𝑚 = 1.5 𝑒𝑡𝑤0 = 1000 𝑟𝑎𝑑/𝑠

𝑅5 = 5𝑅2 ⟹ 𝑚 = 0.67 𝑒𝑡𝑤0 = 447.2 𝑟𝑎𝑑/𝑠

𝑅5 = 15𝑅2 ⟹ 𝑚 = 0.39 𝑒𝑡𝑤0 = 258.2 𝑟𝑎𝑑/𝑠

Chapitre 2 : Echantillonnage et Quantification des Signaux


I. L’échantillonnage d’un signal analogique

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

Te : la période d’échantillonnage. fe = 1/Te est dite la fréquence d’échantillonnage.

Exemple de fréquence d’échantillonnage

Taux d'échantillonnage Qualité du son


44 100 Hz CD
22 000 Hz Radio
8 000 Hz Téléphone
Remarque : Dans la pratique, l’échantillonnage est réalisé par des circuits intégrés, qui font
toute la conversion analogique numérique.

Exemple de circuit intégré commercialisé : ADC08B3000, 8-Bit, 3 GSPS A/D Converter.

II.Le spectre d’un signal échantillonné

1. Formulation mathématique du signal échantillonné


Mathématiquement, l'échantillon de x(t) qui correspond à t = k.Te est représenté par le
produit de la fonction x(t) par une impulsion de Dirac unité centré sur k.Te.

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

le produit de x(t) par le peigne de Dirac unité de période Te.

k 
xe (t )  x *' t )  x(t ).PeigneTe (t )  x(t ).   (t  k .Te )
k 

2. Transformée de Fourier du signal échantillonné


On doit calculer la transformée de Fourier du signal x*(t) défini 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

périodisation en fréquence du Spectre X(f). Le spectre est reproduit tous les fe =

1/Te.

3. Le repliement spectrale d’un signal échantillonné :


Soit un signal x(t) dont son spectre X(f) est donné par :

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 :

Si après l’échantillonnage les spectres translatés se chevauchent, on dit qu’il y a


repliement spectral, recouvrement spectral ou encore “aliasing”.

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

Il apparaît donc impossible d’échantillonner un tel signal.

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.

La valeur normalisée par l'industrie est 44,1 kHz.

5. . Reconstruction du signal à partir de ces échantillons


Soit x(t) un signal continu à spectre borné, échantillonné en respectant le théorème de
Shannon.

36
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

Comment peut on rétablir le signal continu x(t) à partir de x*(t)?

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 :

On a : X(f) = X*(f) . H(f)


sin ⁡
(𝜋𝑓𝑒 .𝑡) sin ⁡
(𝜋𝑓𝑒 .𝑡)
D’où : 𝑥 𝑡 = 𝑥 ∗ 𝑡 ∗ 𝑕 𝑡 = 𝑥 ∗ 𝑡 ∗ = ∞
𝑘 𝑥 𝑘. 𝑇𝑒 . 𝛿 𝑡 − 𝑘. 𝑇𝑒 ∗
𝜋𝑓𝑒 .𝑡 𝜋𝑓𝑒 .𝑡


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

III. Quantification d’un signal échantillonné


L’opération de quantification consiste à attribuer un nombre binaire à toute valeur
prélevée au signal lors de l’échantillonnage.
C’est le CAN (convertisseur analogique numérique) qui réalise cette opération.
Chaque niveau de tension est codé sur n bits, chaque bit pouvant prendre deux valeurs
(0 ou 1). Donc un convertisseur à n bits possède 2n niveaux de quantification.
Considérons un CAN 8 bits, il n’y a donc que 28 = 256 valeurs possibles attribuables à
toutes les valeurs prélevées lors de l’échantillonnage.
L’opération se fait donc avec une perte d’information d’autant plus grande que n est
petit. Si le signal évolue entre deux limites –Vmax, +Vmax on définit le pas de
quantification par :

𝑉𝑚𝑎𝑥 − (−𝑉𝑚𝑎𝑥 ) 2𝑉𝑚𝑎𝑥 𝑉𝑚𝑎𝑥


𝑞= 𝑛
= 𝑛
= 𝑛−1
2 2 2

On définit aussi l’erreur de quantification donnée par :

𝜀 = 𝑥𝑒 𝑡 − 𝑥𝑞 (𝑡)

Signal quantifié

Signal continu

Signal échantilloné

A un instant d'échantillonnage 𝑘𝑇𝑒 , la valeur numérique 𝑥𝑞 𝑘𝑇𝑒 du signal peut être


définie de deux façons :
Troncature :

𝑠𝑖 𝑘. 𝑞 ≤ 𝑥𝑒 𝑡 ≤ 𝑘 + 1 𝑞 alors à 𝑥𝑞 𝑡 on associe le code 𝑁 ou la valeur 𝑘. 𝑞

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 :

IV. Le rapport signal sur bruit :


Le rapport signal sur bruit RSB définit par :

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

La puissance du bruit de quantification est donnée :

+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

𝑹𝑺𝑩 𝒅𝒃 = 𝟏𝟎𝑳𝒐𝒈 𝟔 + 𝟏𝟎𝑳𝒐𝒈 𝟐−𝟐 + 𝟏𝟎𝑳𝒐𝒈 𝟐𝟐𝒏 = 𝟏. 𝟕𝟔 + 𝟔𝒏

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)

Exercice 1 :(4 points):


Considérant les deux signaux x1(t) et x2(t) de période T = 1 ms décrits par leurs
spectres respectifs :
k 0 1 2 3 4
x1(t) ak 3 5 -3 1 0
bk 0 4 3 -1 0

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

3. Déterminer la transformée de Fourier de 𝑥𝑒 𝑡 notée 𝑋𝑒 𝑓 . Comment s’écrit la


condition de Shannon pour le signal 𝑥 𝑡 ?
4. On échantillonne le signal 𝑥 𝑡 à la fréquence 𝑓𝑒 =6 KHz. Représenter
graphiquement la transformée de Fourier du signal échantillonné 𝑥𝑒 𝑡 dans la
bande −12 𝑘𝐻𝑧, 15 𝑘𝐻𝑧
5. On désire restituer le signal x(t) à partir de 𝑥𝑒 𝑡 par un filtrage de
transmitance 𝐻 𝑓 .
a. 1er cas : 𝐻 𝑓 = 𝑟𝑒𝑐𝑡𝐹 (𝑓) avec F = 6kHz. Montrer que le signal restitué par
ce filtre noté 𝑥𝑟 𝑡 a une expression temporelle similaire à celle de 𝑥 𝑡
mais obtenue en remplaçant 𝑓0 par une autre fréquence que l’on précisera.
b. 2eme cas : 𝐻 𝑓 = 𝑟𝑒𝑐𝑡𝑓𝑏 𝑓 + 𝑓0 + 𝑟𝑒𝑐𝑡𝑓𝑏 (𝑓 − 𝑓0 ) (avec 𝑓0 = 8 𝑘𝐻𝑧 et
𝑓𝑏 = 1 𝑘𝐻𝑧 (comme précédemment). Quel est le signal restitué 𝑥𝑟 𝑡 ?
6. En s’appuyant sur les résultats obtenus ci-dessus, expliquer s’il est possible de
restituer un signal passe-bande échantillonné sans respecter la condition de
Shannon.

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

−12 −11 −10 −9 −8 −7 −6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15


𝑓 ( 𝑘𝐻𝑧)

42
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès