Académique Documents
Professionnel Documents
Culture Documents
Cours - Traitement - Signal - P1 PDF
Cours - Traitement - Signal - P1 PDF
Cours de traitement
du
signal
PREMIERE PARTIE
SOMMAIRE
BIBLIOGRAPHIE ...................................................................... 3
I GENERALITES ....................................................................... 4
1°) - DEFINITIONS. ................................................................... 4
2°) - CLASSIFICATION DES SIGNAUX. .............................................. 5
3°) - QUELQUES SIGNAUX IMPORTANTS. ........................................... 7
II SERIES ET TRANSFORMEE DE FOURIER................................. 10
1°) - SERIES DE FOURIER......................................................... 10
2°) - DISTRIBUTIONS. .............................................................. 13
3°) - TRANSFORMEE DE FOURIER (TF). ........................................ 16
III CONVOLUTION ET CORRELATION ....................................... 21
1°) - CONVOLUTION. ................................................................ 21
2°) - CORRELATION. ................................................................ 26
3°) - CAS DES SIGNAUX A PUISSANCE MOYENNE FINIE. ....................... 29
4°) - ANALYSE SPECTRALE......................................................... 30
5°) - FILTRAGE. ..................................................................... 36
IV ECHANTILLONNAGE ........................................................... 39
1°) - ECHANTILLONNAGE IDEAL................................................... 39
2°) - RECONSTRUCTION DU SIGNAL............................................... 42
3°) - SOUS-ECHANTILLONNAGE. .................................................. 43
4°) - ECHANTILLONNAGE PRATIQUE. ............................................. 45
V TRANSFORMEE DE FOURIER DISCRETE (T.F.D) ....................... 50
1°) - TRANSFORMEE DE FOURIER D'UN SIGNAL PERIODIQUE ET DISCRET. .. 50
2°) - TRANSFORMEE DE FOURIER DISCRETE (TFD). ........................... 51
3°) - CONVOLUTION DISCRETE. ................................................... 56
4°) - CORRELATION. ................................................................ 59
3
Bibliographie
I Généralités
1°) - Définitions.
Le signal est la représentation physique d'un phénomène qui
évolue dans le temps ou dans l'espace.
Exemples
x(t) x(t)
t0
t t
t1 0
Continu Discret
x(t) x(t)
t t
+∞
∫ x( t ) dt < + ∞
2
Wx =
−∞
⎡1 T
⎤
∫
2
0 < Px = lim ⎢ 2
T x(t) dt ⎥ < +∞
T→∞ T −
⎣ 2 ⎦
Remarques :
- U n s i g n a l à é n e r g i e f i n i e a u n e p u i s s a n c e m o y e n n e n u l l e ( Px = 0 ) .
-Un signal à puissance moyenne finie (non nulle) possède une
é n e r g i e Wx i n f i n i e .
Px ( t ) = x ( t ) x* ( t )
Pxy ( t ) = x( t ) y* ( t )
1 t0 + T
Px ( t 0 , T) =
T ∫ t0
x( t ) x * ( t ) dt
1 t0 + T
Pxy ( t 0 , T) =
T ∫t0
x( t ) y * ( t ) dt
Wx ( t 0 , T) = T Px ( t 0 , T)
Wxy ( t 0 , T) = T Pxy ( t 0 , T)
⎧ ⎡ T T⎤
⎪1 si t ∈ ⎢- ,
Π T (t) = ⎨ ⎣ 2 2 ⎥⎦
2 ⎪⎩ 0 Ailleurs
Π T (t)
2
1
t
-T T
2 2
⎧1 si t ≥ 0
u( t ) = ⎨
⎩0 si t < 0
u(t)
1
t
- Signe : sgn(t)
⎧ 1 si t > 0
⎪
sgn( t ) = ⎨ 0 si t = 0
⎪- 1 si t < 0
⎩
8
sgn(t)
1
t
-1
- T r i a n g u l a i r e : ΛT (t)
⎧ t
⎪1 - si t < T
Λ T (t) = ⎨ T
⎪⎩ 0 Ailleurs
ΛT (t)
t
-T T
- Gaussienne : g(t)
− t2
1 2σ y2
g( t ) = e
σ y 2π
g(t)
1
M=
σy 2π
61 % M
t
σy
sin( t )
sinc( t ) =
t
9
sinc(t)
- Règle de l'Hopital :
Alors:
⎧ f (t) ⎫ ⎧ f ' (t) ⎫
lim⎨ ⎬ = lim⎨ ⎬
⎩
t → t 0 g( t )
⎭ ⎩
t → t 0 g' ( t )
⎭
Exemple :
⎧ sin( t ) ⎫
lim⎨ ⎬ = lim{cos( t )} = 1
t → 0⎩ t ⎭ t→0
10
nt
+ 2 πj 1
g n (t) = e T
= e + 2 πjnν0 t avec, ν 0 = et n ∈ Ζ
T
1 ⎧0 si n ≠ m
g n ( t ), g *m ( t ) =
T ∫ ( T)
g n ( t ) g *m (t) dt = ⎨
⎩1 si n = m
Dem :
T ( n − m) t
1
∫
* 2πj
2 T
g n ( t ), g ( t )
m = T e dt
T -
2
1 sinπ(n - m) ⎧0 si n ≠ m
g n ( t ), g *m ( t ) = (e πj( n − m) − e − πj( n − m) ) = = ⎨
2 πj(n - m) π(n - m) ⎩1 si n = m
+∞ +∞ nt
∑C ∑C
+ 2 πj
T
f (t) = n g n (t) = ne
n= - ∞ n= - ∞
nt
1 − 2 πj
Cn = f ( t ), g *n ( t ) =
T ∫
( T)
f (t) e T
dt
11
1
T ∫(T)
- C0 : c o m p o s a n t e c o n t i n u e = f ( t ) dt
- C1 : 1ére H a r m o n i q u e o u f o n d a m e n t a l e d u s i g n a l f ( t ) .
- C n : c o n t r i b u t i o n d e l a n ième h a r m o n i q u e .
Propriétés :
- S i f ( t ) r é e l l e a l o r s C n = C*− n (f (t) = f * ( t ))
- S i f ( t ) r é e l l e e t p a i r e a l o r s Cn r é e l ( f (t) = f * ( t ) = f (-t))
- S i f ( t ) r é e l l e e t i m p a i r e a l o r s C n i m a g i n a i r e ( f (t) = - f (-t) = f * ( t ) )
Exemples :
A
1 ) S o i t C n u n e s u i t e d é f i n i e p a r : C1 = C −1 = et C n = 0 , si n ≠ (1,-1) .
2
Déterminer f(t)?
+∞ nt
A t t
2 πt
∑C
+ 2 πj 2 πj − 2 πj
T T T
f (t) = n e = (e + e ) = A cos( )
n = -∞ 2 T
f(t)
1
t
-T −τ τ T
2 2 2
2
Cn
-1 1
τ τ n
-1 1 T
T T
Relation de PARSEVAL :
+∞ 2
1
∫ ∑C
2
*
Pf =< f(t), f (t) > f (t) dt = n
T ( T)
n = −∞
Dem :
+∞ +∞
1
Pf =
T ∫ (T)
*
f(t) f ( t ) dt = ∑ ∑C
n = -∞ m = -∞
n C *m < g n ( t ), g *m ( t ) >
m 2
d ' o ù : Pf = ∑
n = −∞
Cn
Exemple :
+∞ 2
2πt A2
D a n s l e c a s d u s i g n a l A cos(
T
) l a p u i s s a n c e e s t Pf = ∑
n = −∞
Cn =
2
+∞
a0 ⎡ n n ⎤
f (t) =
2
+ ∑ ⎢⎣a
n =1
n cos(2 π
T
t) + b n sin(2 π t) ⎥
T ⎦
Dem :
+∞ n
⎡ n +∞
− 2 πj t ⎤
n
∑ Cne ∑ ⎢ n
+ 2 πj t + 2 πj t
⎥
T T T
f (t) = C= C0 +
e + C -n e
n = -∞ n = 1 ⎣ ⎦
+∞
⎡ t t ⎤
f (t) = C 0 + ∑ ⎢(C n +C − n ) cos(2 πn ) + j (C n - C − n ) sin(2 πn ) ⎥
n =1 ⎣ T T ⎦
d'où :
13
2 2πnt
an = Cn + C− n =
T ∫( T )
f ( t ) cos(
T
) dt
2 2πnt
bn = j (C n - C − n ) = ∫
T ( T)
f ( t ) sin(
T
) dt
1
Cn = (a - j b n )
2 n
L e s p e c t r e d u s i g n a l , r e p r é s e n t é p a r l e s Cn , p e u t ê t r e d é c o m p o s é
en :
1
- Un spectre d'amplitude = Cn = a 2n + b 2n
2
2
- Un spectre de puissance = Cn
− bn
- Un spectre de phase = Arg(C n ) = Arctg( )
an
Remarques
- L a d é c o m p o s i t i o n e n Cn i n t r o d u i t l a n o t i o n d e " f r é q u e n c e s
négatives ". Ces fréquences n'ont aucun sens physique, elles
permettent uniquement de simplifier le calcul.
2°) - Distributions.
Nous nous intéresserons, dans ce paragraphe, à la
distribution de DIRAC. Pour de plus amples renseignements sur
la théorie des distributions, on pourra consulter les ouvrages L.
SCHWARTZ et E. ROUBINE.
L a d i s t r i b u t i o n d e D I R A C , n o t é e δ( t ) , t i e n t u n e p l a c e
particulièrement importante en traitement du signal. En effet,
elle intervient dans un grand nombre d'applications telles que
l'échantillonnage, la modulation ou le filtrage.
Cette définition n'a aucun sens car une fonction presque partout
nulle serait d'aire nulle.
⎧ + ∞ f ( t ) dt = 1
⎪∫- ∞ n
⎨
[
⎪ δ( t ) = lim f n ( t ) ]
⎩ n → +∞
f (t)
n
n
2
1 t
-1
n n
δ (t- to )
δ (t)
t t
0 to
Propriétés
δ ( t ) f ( t ) = f ( 0) δ ( t )
δ( t − t 0 ) f ( t) = f ( t 0 ) δ( t − t 0 )
15
Cela signifie que l'aire associée au pic de DIRAC n'est plus
u n i t a i r e , m a i s v a u t f ( 0 ) o u f ( t0) .
- Intégration :
et bien sûr
+∞ +∞
∫−∞
δ ( t ) dt = ∫ −∞
δ ( t - t 0 ) dt = 1
(t)
T
t
-3T -2T -T 0 T 2T 3T
+∞
|_ I _ |T ( t ) = ∑ δ(t
n = −∞
−nT)
+∞ +∞
f ( t ) |_ I_ |T ( t ) = f ( t ) ∑ δ( t
n = −∞
- nT) = ∑ f ( nT) δ(t
n = −∞
- nT)
O n p o s e : fe ( t ) = f ( t ) | _ I_ |T ( t )
O n d i t q u e fe ( t ) e s t u n e f o n c t i o n é c h a n t i l l o n n é e .
16
t (t)
-2T -T 0 T 2T T
t
-2T -T 0 T 2T
∫−∞ x( t ) e−2πjft dt
+∞
TF { x( t )} = X( f ) =
= ∫ X( f ) e +2 πjft df
+∞
TF -1
{ X( f )} = x(t)
−∞
Exemple :
C o n s i d é r o n s l a f o n c t i o n p o r t e x ( t ) = ∏ τ (t)
2
⎧ ⎡- τ τ⎤
⎪1 si t ∈ ⎢ ,
x( t ) = ⎨ ⎣ 2 2 ⎥⎦
⎪⎩ 0 Ailleurs
On a :
τ
+∞
X( f ) = ∫−∞
x( t ) e − 2 πjft
dt = ∫ −
2
τ e − 2 πjft dt
2
τ
[e − 2 πjft
] 2
−τ
sin( πfτ)
τ sinc( πfτ)
2
X( f ) = = =
− 2 πjf πf
17
X(f)
x(t) τ
−τ t f
τ -1 1
2 2 τ τ
Notation :
Définitions :
- S p e c t r e d ' a m p l i t u d e = X( f )
2
- S p e c t r e ( o u d e n s i t é s p e c t r a l e ) d e p u i s s a n c e = X( f )
⎛ Im {X( f )} ⎞⎟
- Spectre de phase = Arctg ⎜ = ϕ( f )
⎝ Re {X( f )} ⎠
Remarques :
Conditions d'existence de la TF
a) f(t) bornée
∫-∞
+∞
b) f ( t ) dt existe
c) les discontinuités de f(t) sont en nombre limité.
Propriétés :
- L i n é a r i t é : TF e t TF −1 s o n t d e s o p é r a t e u r s l i n é a i r e s .
TF
∀ λ ∈ C , λ x(t) + y(t) ⇔−1 λ . X(f ) + Y(f )
TF
1 ⎛f⎞
∀ a ∈ R , f(at) ⇔ F⎜ ⎟
a ⎝ a⎠
Dem :
En posant at = t'
⎛f⎞
+∞ 1 +∞ − 2 πj⎜ ⎟ t ' 1 ⎛f⎞
∫−∞
f (at ) e − 2 πjft
dt = Signe(a )
a ∫ -∞
f (t' ) e ⎝ a⎠
dt ' = F⎜ ⎟
a ⎝ a⎠
- Translations :
TF
x( t - t 0 ) ⇔ exp( −2 πjft 0 ) X( f )
TF − 1
X( f - f 0 ) ⇔ exp( +2 πjf 0 t ) x( t )
Dem :
En posant t - t 0 = t'
+∞ +∞
∫−∞
x( t - t 0 ) e − 2 πjft dt = e − 2 πjft 0 ∫
−∞
x( t ' ) e − 2 πjft ' dt ' = e − 2 πjft 0 X( f )
- Dérivation en temps :
dx( t )
⇔ 2 πjf X( f )
dt
d n x( t )
⇔ (2 πjf) n X( f )
dt n
Dem:
19
n
d x( t )
=
dn [∫ -∞
+∞
X( f ) e 2 πjft df ] = ∫
+∞
X( f )
d n (e 2 πjft )
df
dt n d tn -∞ d tn
d n x( t )
= TF − 1 { (2 πjf ) n X( f )}
dt n
- Dérivation en fréquence :
dX( f ) TF −1
⇔ - 2 πjt x( t )
df TF
n
d X( f )
⇔ (-2 πjt ) n x( t )
df n
- Parité :
Si x(t) est un signal réel et pair alors son spectre X(f) est réel et
pair.
Dem :
t' = - t
+∞ +∞ ↓ +∞
X (f ) = ∫ x ( t )e − 2 πjft
dt = ∫ x (− t )e − 2 πjft
dt = ∫ x ( t ' )e −2 πj( − f ) t dt '
−∞ −∞ −∞
⎢⎣ -∞ ⎥⎦
x( t ) = δ ( t ) ⇔ X( f ) = 1
x( t ) = 1 ⇔ X( f ) = δ ( f )
x( t ) = e + 2 πjf0 t ⇔ X( f ) = δ ( f - f 0 )
x( t ) = δ ( t - t 0 ) ⇔ X( f ) = e − 2 πjft 0
x( t ) =
1 jϕ 0
cos(2 πf 0 t + ϕ 0 ) ⇔ X( f ) =
2
e δ ( f - f 0 ) + e − jϕ 0 δ( f + f 0 ) [ ]
x( t ) = sin(2 πf 0 t + ϕ 0 ) ⇔ X( f ) =
1 jϕ 0
2j
e δ ( f - f 0 ) - e − jϕ 0 δ ( f + f 0 ) [ ]
1 1 +∞ n
x ( t ) = | _ I_ |T ( t ) ⇔ X ( f ) = | _ I_ | 1 ( f ) = ∑ δ (f - )
T T
T n = −∞ T
Relation de PARSEVAL
20
+∞ 2 +∞ 2
Wx = ∫
−∞
x( t ) dt = ∫ −∞
X( f ) df
Dem :
∫ [∫ ][∫ ]
+∞ 2 +∞ +∞ +∞ *
∫−∞
x( t ) dt =
−∞ −∞
X( f ) e 2 πjft
df
−∞
X( f ' ) e 2 πjf ' t
df ' dt =
∫ ∫
-∞
+∞ +∞
-∞
X( f ) X * ( f ' ) [∫ +∞
−∞ ]
e − 2 πjt ( f ' − f ) dt df df '
+∞ +∞
[∫ +∞
]
2
∫−∞
x( t ) dt = ∫
−∞
X( f )
−∞
X * ( f ' )δ ( f '− f )df ' df
avec :
+∞
∫−∞
X * ( f ' )δ ( f − f ' )df ' = X * ( f )
d ' où :
+∞ 2 +∞ 2
∫−∞
x( t ) dt = ∫
−∞
X( f ) df
2
X( f ) est appelée densité spectrale d'énergie ou parfois,
abusivement, densité spectrale de puissance. On peut montrer de
la même façon que, pour deux signaux x(t) et y(t), l'énergie
d ' i n t e r a c t i o n Wxy v é r i f i e l a r e l a t i o n :
+∞ +∞
Wxy = ∫ −∞
x( t ) y * (t) dt = ∫−∞
X(f)Y * ( f ) df
21
1°) - Convolution.
La convolution est un opérateur fondamental en traitement
du signal. Il provient de la théorie des systèmes linéaires et
invariants. Soit h(t) la réponse impulsionnelle du filtre, c'est à
dire la réponse du filtre lorsque l'entrée est un impulsion de
Dirac:
FILTRE
δ(t) h(t)
+∞
y(t) = x( t ) * h( t ) = ∫−∞
x( u) h(t - u) du
Filtre de réponse
x(t) Impulsionnelle y(t)
h(t)
Interprétation
S o i t h1 ( t ) l a r é p o n s e d u s y s t è m e à u n e i m p u l s i o n d e l a r g e u r Δt
1
et de hauteur . h 1 ( t ) Δt e s t d o n c l a r é p o n s e à u n e i m p u l s i o n d e
Δt
l a r g e u r Δt e t d e h a u t e u r u n i t é .
x(t)
x(0) x(kΔ t)
Δt kΔt
t
+∞
y( t ) = ∑ x( kΔt ) h ( t
k = -∞
1 - kΔt ) Δt
S i Δt d e v i e n t t r è s p e t i t a l o r s l ' i m p u l s i o n t e n d v e r s u n p i c d e
D i r a c e t , p a r c o n s é q u e n t , l a r é p o n s e h1 (t) t e n d v e r s l a r é p o n s e
impulsionnelle h(t). On trouve pour y(t):
+∞
y( t ) = ∫ −∞
x( u) h( t − u) du
Propriétés
+∞
- δ( t ) é l é m e n t n e u t r e : δ( t ) * g ( t ) = ∫ δ(u)g ( t - u ) du = g ( t )
-∞
- δ( t − t 0 ) é l é m e n t d e t r a n s l a t i o n :
+∞
δ( t − t 0 ) * g ( t ) = ∫ δ(u − t 0 )g ( t - u ) du = g ( t - t 0 )
-∞
⎡ +∞ ⎤ +∞ +∞
| _ I_ | T ( t ) * g( t ) = ⎢ ∑ δ ( t − nT) ⎥ * g( t ) =
⎣ n = −∞ ⎦
∑ [δ( t − nT) * g( t )]
n = −∞
= ∑ g( t − nT)
n = −∞
Exemple :
⎡− T T⎤
Soit g(t) un signal défini sur l'intervalle ⎢ . Le produit de
2 ⎥⎦
,
⎣ 2
c o n v o l u t i o n |_ I_ |T ( t ) * g ( t ) r e s t i t u e u n s i g n a l p é r i o d i q u e :
-T
2
t t
T
2
δ( t − t 1 ) * δ( t − t 2 ) = δ( t − t 1 − t 2 )
Exemple :
Soit x( t ) = ∏ T
2
( t ) et g( t ) = ∏ T
( t − T) . Calculons y(t) .
x(t) g(t)
1 1
t t
-T T 2T
2 2
d'où :
g(t-u)
u
t-2T t
et :
t
-T T 3T 5T
2 2 2
2
Théorème de PLANCHEREL
TF( x( t ) * y( t ) ) = X( f )Y( f )
TF( x( t ) y( t ) ) = X( f ) * Y( f )
Dem :
24
⎡ +∞ ⎤ ⎡ +∞ ⎤
TF{ x( t ) * y( t )} =
+∞ +∞
∫−∞ ⎣⎢ ∫_ ∞
x( u) y( t − u) du⎥ e − 2 πjtf dt =
⎦ ∫
−∞
x( u) ⎢ ∫ y( t − u) e − 2 πjtf dt ⎥ du
⎣ _∞ ⎦
Application :
⎡ δ( f − f 0 ) + δ( f + f 0 ) ⎤
y( t ) = x( t ) cos(2 πf 0 t) ⇔ Y( f ) = X( f ) * ⎢ ⎥
⎣ 2 ⎦
X( f − f 0 ) X( f + f 0 )
y( t ) = x( t ) cos(2 πf 0 t) ⇔ Y( f ) = +
2 2
X(f)
f
-4 KHz 4 KHz
Y(f)
X(f-fo) X(f+fo)
f
-fo-4 -fo -fo+4 fo-4 fo fo+4
y( t ) = x 1 ( t ) cos(2 πf 1 t ) + . . + x n ( t ) cos( 2 πf n t )
o ù f1 , f2 ,..., f n s o n t l e s p o r t e u s e s a s s o c i é e s à x1 ( t ) , x 2 ( t ) , .. , x n ( t ) .
Y(f)
X 2(f-f2)
X 1(f-f1) 2 X 3(f-f3)
2
2
f
-f3 -f2 -f1 f1 f2 f3
E n r é c e p t i o n , p o u r r e t r o u v e r l e m e s s a g e xi ( t ) , i l f a u t f i l t r e r
y ( t ) p a r u n f i l t r e p a s s e - b a n d e [ fi − 4 KHz , fi + 4 KHz ] p u i s d é m o d u l e r l e
signal de sortie du filtre ( translation du spectre autour de
l'origine des fréquences ) afin que le message soit audible.
⎧ ⎡_ T T ⎡
⎪x( t ) si t ∈ ⎢
2 ⎢⎣
,
x T (t) = ⎨ ⎣ 2
⎪⎩ 0 Ailleurs
On a :
x( t ) = x T ( t ) * | _ I_ |T ( t )
d'où :
1
X( f ) = X ( f ) | _ I_ | 1 ( f )
T T T
Soit encore :
+∞
1 ⎛ n⎞ ⎛ n⎞
(1) X( f ) =
T
∑X
n = −∞
T ⎜ ⎟ δ⎜ f −
⎝ T⎠ ⎝
⎟
T⎠
∑ Cne ∑C
2 πj t
(2) x( t ) = T
et X( f ) = δ⎜ f − ⎟
n = −∞ n = −∞
n
⎝ T⎠
⎛ n⎞
XT ⎜ ⎟
⎝ T⎠
Cn =
T
2°) - Corrélation.
Soient x(t) et y(t) deux signaux à énergie finie, la fonction
d ' i n t e r c o r r é l a t i o n C xy ( τ ) est définie par :
+∞
C xy ( τ) = ∫
-∞
x( t ) y * ( t − τ) dt
S i C xy ( τ ) = 0 o n d i t q u e l e s s i g n a u x x ( t ) e t y ( t ) s o n t d é c o r r é l é s
ou orthogonaux.
Exemple
x(t) y(t)
Objet
Radar
Emetteur - Récepteur
27
x(t) y(t)
t t
T
C xy (t)
L e m a x i m u m τ0 d o n n e l a d i s t a n c e à l ' o b j e t . E n e f f e t s i v0 e s t l a
vitesse de propagation de l'onde on a :
v0τ0
d = ← trajet Aller et Retour
2
S i x ( t ) = y ( t ) , C xx ( τ ) e s t a p p e l é f o n c t i o n d ' a u t o c o r r é l a t i o n d u
signal x(t).
Propriétés
C xy ( τ) = C *yx ( − τ)
Dem :
*
= ⎡⎢∫ x * ( t '+ τ) y( t ' ) dt '⎤⎥
+∞ +∞
C xy ( τ) = ∫-∞
x( t ) y * ( t − τ) dt
↑
t - τ = t'
⎣ −∞ ⎦
[∫ ]
+∞ *
C xy ( τ) = y( t ' ) x * ( t '−( − τ)) dt '
−∞
d'où:
C xy ( τ) = C *yx ( − τ)
O n e n d é d u i t q u e C xx ( τ ) e s t à s y m é t r i e h e r m i t i e n n e :
C xx ( τ) = C *xx ( − τ)
- L ' é n e r g i e t o t a l e Wx d ' u n s i g n a l x ( t ) e s t :
+∞ 2
Wx = ∫-∞
x( t ) dt = C xx (0) > 0
28
C xx ( τ) ≤ C xx (0) ∀τ
2
C xy ( τ) ≤ C xx (0)C yy (0) ∀τ
Théorème de Wiener-Kintchine
{
TF C xy ( τ) } = S xy ( f ) = X( f )Y * ( f )
Dem :
{
TF C xy ( τ) } = ∫ -∞
+∞
C xy ( τ)e − 2 πjfτ dτ = S xy ( f )
⎡ ⎤
⎡ + ∞x( t ) y * ( t − τ) dt ⎤ e − 2 πjfτ dτ = ⎢ dτ ⎥ dt
+∞ +∞ +∞
S xy ( f ) = ∫
−∞ ⎢⎣ ∫- ∞ ⎥⎦ ∫ −∞
x( t ) ∫ y ( t − τ ) e
⎢ -∞
* − 2 πjfτ
⎥
⎢⎣ ↑
t' = t - τ ⎥⎦
+∞ +∞
S xy ( f ) = ∫
−∞
x( t ) e − 2 πjft dt ∫ −∞
y * ( t ' ) e + 2 πjft ' dt '
[∫ ]
+∞ *
S xy ( f ) = X( f ) y( t ' ) e − 2πjft ' dt ' = X( f ) Y * ( f )
−∞
2
S i x ( t ) = y ( t ) a l o r s S xx ( f ) = X( f ) .
S xx ( f ) e s t l a d e n s i t é s p e c t r a l e d ' é n e r g i e . C ' e s t u n e f o n c t i o n r é e l l e
positive.
S i C xy ( τ ) e s t l ' i n t e r c o r r é l a t i o n d e s s i g n a u x x ( t ) e t y ( t ) a l o r s :
C xy ( τ) = x( τ ) * y * ( − τ )
Dem :
{
TF C xy ( τ) } = S xy ( f ) = X( f ) Y * ( f )
d'où
C xy ( τ) = TF − 1 S xy ( f ) { } = x( t ) * TF − 1 {Y * ( f )}
avec
29
TF − 1 {Y * ( f )} = [∫ ]
+∞ +∞ *
∫
−∞
Y * ( f )e 2 πjfτ df =
−∞
Y( f )e 2 πjf ( − τ ) df = y * ( − τ)
⎧1 T
⎫
x( t ) * y( t ) = lim ⎨
T → +∞ T
∫ −
2
T x( u) y( t − u) du⎬
⎩ 2 ⎭
⎧1 T ⎫
C xy (τ ) = lim ⎨
T →+∞⎩ T
∫−2T x( t ) y* ( t − τ ) dt ⎬
2 ⎭
T0
1
x( t ) * y ( t ) =
T0 ∫−
2
T0 x( u) y( t − u) du
2
T0
1
C xy ( τ) =
T0 ∫−
2
T0 x( t ) y * ( t − τ ) dt
2
{
TF C xy ( τ) } = S xy ( f )
⎧ ⎡ T T⎤ ⎧ ⎡ T T⎤
⎪x( t ) si t ∈
x( t , T) = ⎨ ⎢⎣ 2 2 ⎥⎦ et y( t , T) = ⎪⎨y( t ) si t ∈
− , ⎢⎣− 2 , 2 ⎥⎦
⎪⎩ 0 Ailleurs ⎪⎩ 0 Ailleurs
L a p u i s s a n c e t o t a l e Pxy e s t :
+∞
(1) Pxy = ∫
-∞
S xy ( f ) df
Mais aussi :
T
1 1 +∞
Pxy = lim
T → +∞ T ∫-
2
T x( t ) y * ( t ) dt = lim
T → +∞ T ∫
-∞
x( t , T)y * ( t , T) dt
2
1 +∞
(2) Pxy = lim
T → +∞ T ∫-∞
X( f , T)Y * ( f , T) df
⎧ X( f , T)Y * ( f , T) ⎫
S xy ( f ) = lim ⎨ ⎬
T→∞
⎩ T ⎭
⎧1 2⎫
S xx ( f ) = lim ⎨ X( f , T) ⎬
T → +∞ ⎩ T ⎭
1 +∞
ΔF =
Wx ∫
−∞
f 2 S xx ( f ) df
et
Bu = 2 α ΔF avec α choisi arbitrairement.
Sxx(f)
ΔF
Bu
f
D e m ê m e o n d é f i n i t l a d u r é e u t i l e Du d ' u n s i g n a l x ( t ) p a r :
Du
t
B u D u ≥ Cte
Dem :
2 2
+∞ dx( t ) +∞ 2 +∞ dx( t )
∫ −∞
t x( t )
dt
dt ≤ ∫-∞
t 2 x( t ) dt ∫
-∞ dt
dt
[ t x 2 ( t )] − ∞ −
+∞ dx( t ) 1 +∞ 1 +∞ Wx
∫−∞
t x( t )
dt
dt =
2 2 ∫
−∞
x 2 ( t ) dt = -
2
de plus :
2
+∞ dx( t ) +∞
∫−∞ dt
dt = 4 π 2 ∫
−∞
f 2 S xx (f) df = 4 π 2 Wx ΔF 2
d'où :
Wx2
≤ Wx T 2 4 π 2 Wx ΔF 2
4
1 αβ
4TΔF ≥ d' où D u Bu ≥
π π
Fenêtres d'observation.
s(t) = x(t)f(t)
[
⎪⎧1 si t ∈ t 0 , t 1
f (t) = ⎨
]
⎪⎩ 0 Ailleurs
t1
t t
t0
S( f ) = X( f ) * F( f ) = X( f )
on en déduit :
F( f ) = δ ( f ) ⇒ f ( t ) = 1
L a f o n c t i o n u n i t é ( f ( t ) = 1) d é f i n i e s u r ] −∞,+∞[ n ' e s t p a s u n e
fenêtre. On en déduit cependant que la transformée de Fourier
d'une fenêtre "satisfaisante", c'est à dire modifiant peu X(f), doit
s'approcher du pic de Dirac.
La fonction Porte ∏ T
2
(t) , a p p e l é e a u s s i f e n ê t r e n a t u r e l l e f u t l a
première utilisée. Sa transformée P(f) est :
⎡ ⎤
P(f) = TF⎢∏ T ( t ) ⎥ = T sinc( πfT)
⎣ 2 ⎦
f1
f
1
T
Lobes secondaires
P( f 1 )
Q = 20 Log 10
P(0)
O ù P ( f1 ) e s t l ' a m p l i t u d e m a x i m a l e d u 1er l o b e s e c o n d a i r e .
1
Dans le cas de la fenêtre naturelle on trouve B = et Q= -13 dB.
T
B définit la résolution ou pouvoir séparateur du spectre. Si
X ( f ) e s t c o n s t i t u é d e d e u x r a i e s a u x f r é q u e n c e s t r è s p r o c h e s f1 e t
f2 ( f1 − f2 < B ) , i l n e s e r a p a s p o s s i b l e d e l e s d i s t i n g u e r .
S(f)
f
f1 f2
2
Λ T (t) =
T
∏ T
4
(t) * ∏ T
4
(t)
2
d'où:
⎧⎪ ⎫⎪ T ⎛ T⎞
TF⎨Λ T ( t ) ⎬ = sinc 2 ⎜ πf ⎟
⎪⎩ 2 ⎪⎭ 2 ⎝ 2⎠
2
On a: B = et Q = -26 dB
T
⎧ 1 2 πt ⎡ T T⎤
⎪H N ( t ) = (1 + cos ) si t ∈ ⎢- , ⎥
⎨ 2 T ⎣ 2 2⎦
⎪⎩ H N ( t ) = 0 Ailleurs
2
B = et Q = -32 dB
T
H N (t)
t
-T T
2 2
1 1 ⎛ 1⎞ 1 ⎛ 1⎞ ⎧ ⎫
H N (f ) = P( f ) + P⎜ f + ⎟ + P⎜ f − ⎟ , avec: P( f ) = TF⎨∏ T ( t ) ⎬
2 4 ⎝ T⎠ 4 ⎝ T⎠ ⎩ 2 ⎭
36
Fenêtre de Hamming : R.W. HAMMING a étudié une famille de
fonctions définies par:
⎧ 2 πt ⎡ T T⎤
⎪H m ( t ) = α + (1 - α ) cos( ) si t ∈ ⎢- , ⎥
⎨ T ⎣ 2 2⎦
⎪⎩ H m ( t ) = 0 Ailleurs
2
L a v a l e u r d e α q u i m i n i m i s e Q e s t α= 0 , 5 4 . O n a a l o r s B = et
T
1
Q = -52 dB . P o u r α = , on retrouve la fenêtre de HANNING.
2
5°) - Filtrage.
Soit S un filtre de réponse impulsionnelle h(t). Soient x(t)
l'entrée de ce filtre et y(t) la sortie :
y(t)=h(t)*x(t) et Y(f)=H(f)X(f)
+∞ +∞
y ind ( t ) = ∫
-∞
u( τ) h( t − τ) dτ = ∫
0
h( t − τ) dτ
∫
t
y ind ( t ) = h( t ' ) dt '
↑ -∞
t' = t - τ
d'où :
∫
t
y ind ( t ) = h( t ' ) dt '
-∞
x( t ) = e 2 πjf0 t
alors :
y( t ) = e 2 πjf0 t * h( t )
d'où :
37
Y(f) = δ(f-fo)H(f) = H(fo) δ(f-fo)
y( t ) = H(f 0 )e 2 πjf0 t = H ( f 0 ) x( t )
y( t ) = H ( f 0 ) e jϕ ( f0 ) x( t )
Dérivation :
Dem :
{
⎧⎪TF − 1 [2 πjf . X( f )] H ( f )
et ⎨ − 1
}= x' ( t ) * h( t )
{
⎪⎩TF [2 πjf . H ( f )] X( f ) }= h' ( t ) * x( t )
Stabilité :
+∞
∫ −∞
h( τ) dτ existe .
Filtres cascades :
N
y( t ) = x( t ) * h 1 ( t ) * h 2 ( t ) * . . . * h N ( t ) et Y ( f ) = X( f ) ∏ H (f )
i = 1
i
Fréquence de coupure :
38
L a d é f i n i t i o n d e l a f r é q u e n c e d e c o u p u r e Fc e s t :
En Traitement du signal :
En Automatique :
Fc e s t t e l l e q u e : H ( Fc ) = 1 .
En Electronique :
F c e s t t e l l e q u e : H ( Fc )
2
=
(
Max H ( f )
2
) .
2
39
IV Echantillonnage
x(t)
t
-Te Te 2Te
+∞
x e ( t ) = x( t ) | _ I_ |T ( t ) = x( t ) ∑ δ( t - n Te )
-∞
40
d'où :
+∞
x e (t) = ∑ x( nT )δ( t - n T )
n = -∞
e e
D é t e r m i n o n s l e s p e c t r e Xe ( f ) d u s i g n a l xe ( t ) :
1 +∞
⎛ n ⎞
X e (f ) = ∑ X(f ) * δ⎜⎜ f − T ⎟⎟
Te n = −∞ ⎝ e ⎠
1 +∞
⎛ n⎞
X e (f ) =
Te
∑ X⎜⎝ f
n = −∞
− ⎟
Te ⎠
C e t t e r e l a t i o n m o n t r e q u e Xe ( f ) e s t o b t e n u e , à u n f a c t e u r p r è s
( 1 Te ) , p a r u n e s i m p l e p é r i o d i s a t i o n e n f r é q u e n c e d u s p e c t r e X( f ) .
L e s p e c t r e e s t r e p r o d u i t t o u s l e s Fe = 1 Te . C e t t e p é r i o d i s a t i o n p e u t
s'effectuer suivant trois cas de figures:
1 ° ) : X( f ) e s t à s u p p o r t b o r n é , s a f r é q u e n c e d e c o u p u r e e s t Fc e t
Fe > 2 Fc .
X(f) Te Xe(f)
f f
-Fc Fc -2Fe -Fe -Fc Fc Fe 2Fe
2 ° ) : X( f ) e s t à s u p p o r t b o r n é , s a f r é q u e n c e d e c o u p u r e e s t Fc et
Fe < 2 Fc
41
X(f) Te Xe(f)
f f
-Fc Fc -2Fe -Fe Fe 2Fe
I l e s t c l a i r q u e l e s p e c t r e i n i t i a l X( f ) e s t d é f o r m é . On ne peut pas
o b t e n i r X( f ) à p a r t i r d e X e ( f ) , d o n c :
Remarque :
S i a p r è s l ' é c h a n t i l l o n n a g e l e s s p e c t r e s t r a n s l a t é s X( f ) s e
chevauchent, on dit qu'il y a repliement spectral, recouvrement
spectral ou encore "aliasing".
3 ° ) : X( f ) e s t à s u p p o r t n o n - b o r n é .
X(f) Te Xe(f)
f f
T H E O R E M E D E S H A N N O N : " U n s i g n a l x ( t ) à s p e c t r e X( f )
borné sur l'intervalle [-Fc,Fc] est correctement échantillonné si
Fe > 2 Fc . "
Exemple :
x( t ) = cos(2πFo t ) ⇒ Fc = Fo et Fe > 2 Fo .
42
X( f ) = Te X e ( f ) ∏ Fe
2
(f )
(f) Te Xe(f)
Fe
2 1
f
-2Fe -Fe -Fe Fe Fe 2Fe
2 2
⎧ ⎫
x( t ) = TF − 1 {X( f )} = Te TF − 1 ⎨X e ( f ) ∏ Fe ( f )⎬
⎩ 2 ⎭
⎧ ⎫
x( t ) = Te x e ( t ) * TF − 1 ⎨∏ Fe ( f ) ⎬
⎩ 2 ⎭
+∞
x( t ) = Te ∑ x( nT )δ( t
n = −∞
e − nTe ) * Fe sinc ( π Fe t )
+∞
x( t ) = ∑ x( nT ) (δ( t
n = −∞
e − nTe ) * sinc ( π Fe t ))
d'où :
+∞
x( t ) = ∑ x( nT ) sinc (π
n = −∞
e Fe ( t − nTe ))
Remarques :
1°) Cette formule n'est pas utilisable en temps réel car elle
nécessite la connaissance à l'instant t de tous les échantillons
(−∞ → + ∞ ) .
2°)Sur-échantillonner n'apporte aucune information
supplémentaire.
3 ° ) L e s f o n c t i o n s s n ( t ) = sinc ( π Fe ( t − nTe )) s o n t o r t h o g o n a l e s . O n e n
déduit que toute fonction à spectre borné [-Fc,Fc] peut être
d é c o m p o s é e s u r l a b a s e {s n ( t )} .
43
4 ° ) E n s u p p o s a n t sn ( t ) t r è s p e t i t l o r s q u e n c r o î t , o n a p p r o c h e l a
formule d'interpolation en tronquant la formule à un petit nombre
d'échantillons.
N
∑ x( nT ) sinc (π Fe ( t − nTe ))
2
x( t ) ≈ e
N
n=−
2
Formule de POISSON
S o i t X( f ) l a T F d e x ( t ) . S o i t T u n r é e l q u e l c o n q u e , o n a :
+∞ +∞
1 ⎛ q⎞
∑ x( pT)
p = −∞
=
T
∑ X⎜⎝ T ⎟⎠
q = −∞
Dem :
+∞ +∞
+∞
∑
p = −∞
x( pT) = ∑∫
p = −∞
−∞
X( f ) e 2 πjfpT df
+∞
+∞ ⎡ +∞ ⎤
∑ x( pT) = ∫−∞
X( f ) ⎢ ∑ e 2 πjfpT ⎥ df
p = −∞ ⎣ p = −∞ ⎦
avec
+∞ +∞
I( f ) = ∑e 2 πjfpT
⇒ TF −1
{I( f )} = ∑ δ( t + pT) = | _ I_ |T ( t )
p = −∞ p = −∞
Par suite
+∞
⎛ q⎞
I( f ) = TF{| _ I_ |T ( t )} =
1 1
T
| _ I_ |T ( f ) =
T
∑ δ⎜⎝ f
q = −∞
− ⎟
T⎠
d ' où :
+∞ +∞
1 +∞ ⎛ q⎞
∑
p = −∞
x( pT) =
T
∑∫
q = −∞
−∞
X( f ) δ⎜ f − ⎟ df
⎝ T⎠
Soit
+∞ +∞
1 ⎛ q⎞
∑ x( pT)
p = −∞
=
T
∑ X⎜⎝ T ⎟⎠
q = −∞
3°) - Sous-échantillonnage.
On appelle sous-échantillonnage, l'échantillonnage d'un
signal à une fréquence inférieure à celle de SHANNON, c'est à
d i r e t e l l e q u e Fe < 2 Fc . C e c i n ' e s t p o s s i b l e q u e d a n s l e c a s
suivant.
X(f)
X_ X+
O n s u p p o s e q u e F0 >> B , l e s i g n a l e s t d i t à b a n d e é t r o i t e .
Selon SHANNON, on devrait échantillonner x(t) avec une
fréquence Fe > 2 ( F0 + B ) . C e p e n d a n t , o n p e u t e x p l o i t e r l a n u l l i t é
d e s s p e c t r e s e n t r e l e s b a n d e s [ − F0 − B , − F0 + B ] e t [ F0 − B , F0 + B ] , e n
t r a n s l a t a n t l e s m o t i f s X+ e t X− d a n s c e t t e b a n d e e t e n p r e n a n t s o i n
q u e X+ e t X− n e s e c h e v a u c h e n t p a s .
S u p p o s o n s q u e l a k ième t r a n s l a t é e d e X − p r é c è d e X + , s a n s
r e c o u v r e m e n t , e t q u e l a k +1ième t r a n s l a t é e s u i v e X + , t o u j o u r s s a n s
recouvrement :
X(f)
kFe Fe
X_ X+
kFe-Fo+B (k+1)Fe-Fo-B
⎧ k Fe − F0 + B < F0 − B
⎨
⎩( k + 1) Fe − F0 − B > F0 + B
S o i t p o u r Fe , l a c o n d i t i o n :
2 ( F0 + B) 2 ( F0 − B)
< Fe <
k +1 k
2 ( F0 + B) 2 ( F0 − B)
Il faut de plus que : <
k +1 k
Exemple :
2,01 10 6 1, 99 10 6
6
S i F0 = 10 Hz et B = 5 10 Hz 3
alors k<99,5 et < Fe < .
k +1 k
θ
kTe +
x e ( kTe ) = ∫ kTe −
θ
2
x( t ) h( t − kTe ) dt
2
h(t)
t
−θ θ
2 2
d'où :
+∞
x e ( kTe ) = ∫−∞
x( t ) h( t − kTe ) dt = C xh ( kTe ) = x( τ) * h( − τ) τ = kT
e
C e t t e r e l a t i o n i n d i q u e q u e t o u t e s l e s v a l e u r s x e ( kTe ) s o n t
portées par la fonction g(t)=x(t)*h(-t). Le signal discret xe(t) est
obtenu par échantillonnage idéal de g(t):
x e (t) = [ x( t ) * h( − t ) ] | _ I_ |Te ( t )
L e s p e c t r e X e ( f ) e s t o b t e n u p a r p é r i o d i s a t i o n d u p r o d u i t X( f ) H * ( f ) .
R e m a r q u e : S i h ( t ) = δ (t) , o n r e t r o u v e l ' é c h a n t i l l o n n a g e i d é a l .
X(f)
H(f)
f
-Fc Fc
X(f) H(f)
1
D a n s c e c a s h( t ) =
θ
∏ θ2 ( t ) e t H( f ) = sin c ( π f θ) .
P o s o n s : θ = λ Te avec λ ∈ [0 , 1] e t Fe = 2αFc avec α > 1
X( Fc ) - X( Fc ) H ( Fc )
< 1%
X( Fc )
Soit:
1 − H ( Fc ) < 1 %
⎛ πλ ⎞
1 − sinc ( π Fc θ) = 1 − sinc⎜ ⎟ < 1 %
⎝ 2α ⎠
⎛ πλ ⎞
d ' o ù sinc ⎜ ⎟ > 0,99
⎝ 2α ⎠
1 ⎛ πλ ⎞ λ
2
L'ouverture θ d e l a p o r t e n e p e u t d o n c ê t r e s u p é r i e u r à λ Te , s o i t
0,16 Te .
1
θ < 0,16 Te et Te =
2 Fc
θ < 0,16 Te Te
λ max 1
S i p a r c o n t r e , o n a λ max = 1 alors α = et θ = Te avec Te =
0,16 13,2 Fc
Application
m1(t) m (t)
2
Te + θ
t t
0 Te θ
m3(t)
t
2θ
48
A c h a q u e f i n d ' a c q u i s i t i o n d ' u n é c h a n t i l l o n d u m e s s a g e mi ( t )
l ' é c h a n t i l l o n n e u r c o m m u t e s u r l e m e s s a g e mi +1 ( t ) . O n u t i l i s e a i n s i
l ' é c h a n t i l l o n n e u r d u r a n t t o u t e l a p é r i o d e Te ( = 1 2 5 μ s ) . S i θ = 4 μ s
T
a l o r s l e n o m b r e d e s i g n a u x t r a n s m i s e s t N = e = 30 + 1. C e s y s t è m e
θ
est appelé MIC 30 Voies ( + 1 voie de synchronisation ).
x(t)
y(t)
t
Te
y( t ) = x e ( kTe ) [
pour t ∈ kTe , ( k + 1) Te [
ou encore :
+∞
⎛ Te ⎞
y( t ) = ∑x
k = −∞
e ( kTe ) ∏ Te ⎜ t − kTe −
2 ⎝ 2⎠
⎟
Posons
⎛ Te ⎞
h( t ) = ∏ Te
2
⎜t −
⎝ 2⎠
⎟ alors :
+∞
y( t ) = ∑x
k = −∞
e ( kTe ) h ( t − kTe )
+∞
y( t ) = ∑x
k = −∞
e ( kTe ) δ ( t − kTe ) * h( t )
y( t ) = x e ( t ) * h( t )
d'où :
Y( f ) = X e ( f ) H ( f )
49
Comme pour l'échantillonnage pratique, on remarque que
Xe ( f ) e s t m o d i f i é p a r H ( f ) . L a d i s t o r s i o n s e r a d ' a u t a n t p l u s f a i b l e
que le spectre H(f ) (= sinc ( π f Te ) sera étendu, c'est à dire que Te
sera petit. On a donc, dans ce cas, intérêt à sur-échantillonner le
signal ( Fe>>2Fc ).
Remarque : Pour avoir Y(f)=X(f), il faut que H(f) soit une porte
de demi-largeur Fe/2. Par conséquent, h(t) doit être un sinus
cardinal. On retrouve la formule d'interpolation de SHANNON.
Interpolateur d'ordre 1.
⎡ x e (( k + 1) Te ) − x e ( kTe ) ⎤
y( t ) = x e ( kTe ) + ⎢ ⎥ ( t − kTe )
⎣ Te ⎦
x(t)
y(t)
t
50
⎧ +∞
⎪x( t ) = ∑ x(kTe ) δ(t - kTe )
⎨ k = -∞
⎪⎩ x( t + NTe ) = x(t)
L e s i g n a l t r o n q u é s u r u n e p é r i o d e , xT ( t ) , s ' é c r i t :
N −1
x T (t) = ∑
k=0
x(kTe ) δ ( t − kTe )
d'où
N −1 +∞
x(t) = x T ( t ) * ⎣⊥⎦ T (t) = ∑
k=0
x(kTe ) δ ( t − kTe ) * ∑ δ(t - nT)
n = -∞
Alors
N -1
1 +∞
⎛ n ⎞
X(f) = ∑ x(kT ) e
k=0
e
- 2 πjfkTe
NTe
∑
n = -∞
δ⎜ f -
⎝
⎟
NTe ⎠
1 +∞
⎡ N -1 nk
⎤ ⎛ n ⎞
∑ ⎢ ∑ x(kTe ) e
- 2 πj
⎥ δ⎜ f - NT ⎟
N
X( f ) =
NTe n = -∞ ⎣k = 0 ⎦ ⎝ e⎠
N -1 kn
∑
- 2 πj
N
S o i t X( n) = x(kTe ) e
k=0
1 +∞
⎛ n ⎞
X( f ) =
NTe
∑ X(n) δ⎜⎝ f
n = -∞
- ⎟
NTe ⎠
Dem :
51
⎛ 1⎞ 1 +∞
⎛ ( N − n) ⎞
X⎜ f + ⎟ =
⎝ Te ⎠ NTe
∑
n = -∞
X(n) δ⎜ f +
⎝ NTe ⎠
⎟
Si N-n=-n'
⎛ 1⎞ 1 +∞
⎛ n' ⎞
X⎜ f +
⎝
⎟ =
Te ⎠ NTe
∑
n' = - ∞
X(n'+N) δ⎜ f -
⎝
⎟
NTe ⎠
Avec
N -1 k N -1 n' k
∑ ∑
- 2 πj(n'+N) - 2 πj
X( n '+ N ) = x(kTe ) e N
= x(kTe ) e N
k=0 k=0
d'où
X( n'+ N ) = X(n' )
et
⎛ 1⎞
X⎜ f + ⎟ = X(f)
⎝ Te ⎠
X(f)
n
0 1 N-1 N NTe
N -1
T F D N {x(k)} = X(n) = ∑ x(k) W - nk
N
k=0
2 πj
N
avec WN = e = Facteur de Rotation.
⎧ x( kTe ) 1 1
⎨ a v e c Δf = =
⎩X( n Δf ) NTe T
Propriétés
N
. WNN k = 1; WN2 = -1
N
k
. WN2 = (-1) k ; WNα k = WNk
α
- L a T F D N {x( k )} e s t p é r i o d i q u e s u r N p o i n t s .
- La formule d'inversion est donnée par :
N -1
{X( n)} = T F D I N {X( n)} =
1
x( k ) = T F D -1
N
N
∑
n=0
X( n) WN+ nk
N -1
X( N - n) = X(-n) = ∑
k=0
x(k) WN+ nk
*
⎡ N -1 ⎤
X( N - n) = ⎢ ∑ x(k) WN-nk ⎥
⎣k = 0 ⎦
X( N - n) = X(n) *
Ex : S i x ( t ) = e − at u( t ) , a v e c a > 0 e t u ( t ) = é c h e l o n , a l o r s :
53
1 1
X( f ) = et X( f ) =
a + 2πjf a 2 + 4π 2 f 2
Signal Spectre
x(t)
X(f)
t f
A p r è s é c h a n t i l l o n n a g e à u n e p é r i o d e Te :
(t) 1 1 (f)
xe (t) = x(t) Te Xe (f) = X(f)*
Te Te
t f
0 Te -Fe Fe
Recouvrement spectral
Après troncature du signal sur N points :
t f
0 Te (N-1)Te
" Clapotis " dû à la convolution par le sinus cardinal
t 1 (N-1)Te f
0 Te NTe 0
NTe NTe
Remarques :
1 ⎡ ⎛ 2 πk ⎞ ⎤
⎢1 - cos⎜ ⎟ , k ∈ 0, N -1
⎝ N ⎠ ⎥⎦
. H a n n i n g = w( k) =
2 ⎣
k -N / 2
. Bartlett = w(k) = 1 - , k ∈ 0, N -1
N / 2
L a t r a n s f o r m é e X p ( n) d u s i g n a l x ( k ) p o n d é r é e s t :
N -1
X p ( n) = ∑
k=0
w(k) x(k) WN-nk
x( t ) = cos(2 π f 0 t ) a l o r s X( f ) =
1
2
[
δ (f - f 0 ) + δ (f + f 0 ) . ]
A p r è s t r o n c a t u r e d u s i g n a l , s u r u n e d u r é e T = N Te , l e s p e c t r e
X ( f ) e s t l a s o m m e d e d e u x s i n u s c a r d i n a u x c e n t r é s e n f0 e t − f0 .
A p r è s é c h a n t i l l o n n a g e à u n e f r é q u e n c e Fe , l e s p e c t r e d e v i e n t
périodique. X(f) est finalement représenté, sur la bande de
f r é q u e n c e [ 0 , Fe ] , p a r :
55
X(f)
N
2
f
Fo Fe-Fo
1 1
Fo - Fo +
NTe NTe
p
S i f0 = , a v e c p e n t i e r ∈ [0, N - 1] , a l o r s l e s p e c t r e X ( n ) e s t
N Te
donné par :
⎧⎪ N
si n = p ou n = N - p
X( n) = ⎨ 2
⎩⎪ 0 Ailleurs
D a n s c e c a s l a p ième c o m p o s a n t e c o r r e s p o n d e x a c t e m e n t à l a
n
f r é q u e n c e f0 . L e s r a i e s é l o i g n é e s d e correspondent alors aux
N Te
zéros du sinus cardinal.
p
S i f0 ≠ , ∀ p ∈ N.
N Te
Dans ce cas X(n) correspond à un échantillonnage de X(f),
tel que :
X(n)
N
2
n
p-1 Fo p NTe
NTe NTe
N -1
z( k ) = x(k) * y(k) = ∑
i=0
x(i) y(k - i)
Posons k - i = k'
N -1
⎡ N -1- i ⎤
Z( n) = ∑ x(i) ⎢ ∑ y(k' ) WN-n k' ⎥ WN-n i
i=0 ⎣ k' = -i ⎦
soit S :
N -1- i -1 N -1- i
S = ∑
k' = -i
y(k' ) WN-n k' = ∑
k' = -i
y(k' ) WN-n k' + ∑
k=0
y(k' ) WN-1
N -1 N -1- i
S = ∑
k' = N - i
y(k' ) WN-n k' + ∑
k' = 0
y(k' ) WN-n k'
d'où
57
N -1
S = ∑
k' = 0
y(k' ) WN-n k' = Y(n)
Par suite :
N -1
Z( n) = ∑
i=0
x(i) WN-n i Y(n) = X(n) Y(n)
{
z( k ) = T F D -1 T F D{x( k )} T F D{ y( k )} }
Cas des signaux à durée finie.
S o i e n t xT ( k ) e t yT ( k ) d e u x s i g n a u x d é f i n i s r e s p e c t i v e m e n t s u r
Nx e t Ny p o i n t s . P o u r c a l c u l e r l e p r o d u i t d e c o n v o l u t i o n , à l ' a i d e
d e l a r e l a t i o n p r é c é d e n t e , i l f a u t p é r i o d i s e r xT ( k ) e t yT ( k ) s u r u n e
même période N. On pourra alors calculer les TFD sur les signaux
périodiques et en déduire z(k). Le problème est : "Comment
choisir N?".
⎧2 si k ∈ [0,5] ⎧1 si k ∈ [0,5]
x T ( k) = ⎨ ; y T (k) = ⎨
⎩ 0 Ailleurs ⎩ 0 Ailleurs
A v e c Te = 1 e t N x = N y = 6
xT (k) yT (k)
2
1
k k
0 1 5 6 0 1 5 6
et :
z T (k) = xT (k) * yT (k)
12
k
0 1 5 6 10
zT ( k ) e s t d é f i n i s u r N ( = 1 1 ) p o i n t s . C ' e s t à d i r e a v e c N = N x + N y - 1 .
Soient x(k) et y(k) les signaux périodiques.
58
- Si N = 11
x(k) y(k)
1
k k
0 1 5 6 11 0 1 5 6 11
d'où :
z(k) = x(k) * y(k)
12
k
0 1 5 6 10
10
A v e c z( k ) = ∑ i=0
x(i) y(k - i)
- Si N = 6
x(k) y(k)
k k
0 1 5 6 11 0 1 5 6 11
5
d ' o ù z( k ) = ∑ x(i) y(k - i) = 12
i=0
12
k
0 1 5 6 11
- A l ' é v i d e n c e l e p r o d u i t d e c o n v o l u t i o n e s t b i a i s é s i N < N x + N y -1
- S i N > N x + N y -1 a l o r s z ( k ) e s t n u l l e p o u r k ∈ N x + N y , N
+∞
z( k ) = x(k) * y(k) = ∑
i = -∞
x(i) y(k - i).
4°) - Corrélation.
Les relations et propriétés de la corrélation sont analogues à
celles établies pour la convolution. Si x(k) et y(k) sont à énergie
finie :
+∞
C xy (k) = ∑
i = -∞
x(i) y * (i - k).
N −1
C xy (k) = ∑
i=0
x(i) y * (i - k).
{ }
S xy ( n) = T F D N C xy ( k ) = X( n)Y * ( n)
S xy ( n) = T F D N {x( k )} T F D *N { y( k )}