Académique Documents
Professionnel Documents
Culture Documents
Signal Chapitre1
Signal Chapitre1
Descriptif du cours
I – Définitions :
● Un signal est une fonction qui transporte de l’information généralement sur l’état ou le
comportement d’un système physique.
Les signaux sont représentés par une fonction à 1 ou plusieurs variables.
ex. : Un signal cardiaque est un signal unidimensionnel fonction à 1 seule variable qui est le
temps.
Une image peut être représentée par une intensité, fonction de 2 variables.
● Un signal analogique est une fonction continue dans le temps.
● Un signal discret est défini à des instants discrets, les variables prennent des valeurs
discrètes.
Schéma synoptique
1 – Signaux analogiques :
Un signal analogique est représenté par une fonction continue dans le temps, soit x(t).
La transformée de Fourier X(Ω) de x(r) fournit le spectre en fréquence du signal =
X(Ω) = x® e-jΩt dt
La fréquence en Hz ou [cycles/seconde] est f =
2
Note : Le symbole Ω est réservé pour noter la fréquence en rad/sec. Nous utilisons le symbole
w pour noter la fréquence numérique en [rad/échantillons].
d
x(r) = X(Ω) ejΩt
2
La transformée de Laplace est obtenue en posant s = jΩ
X(s) = x(t) e-st dt
On définit la réponse en fréquence à l’état stable (équilibre) d’un filtre comme sa réponse à
des entrées sinusoïdales ;
Ceci montre que la sortie a exactement la même forme que l’entrée. Elle est modifiée en
amplitude par la facteur H(Ω1)
2 – Echantillonnage :
x(r) est périodiquement mesuré toues les T secondes. On pose t = nT avec x = 0, 1, 2,…
T est le pas d’échantillonnage.
Si l’on compare ces 2 signaux (signal anal.) et (signal échant.) on constate que le découpage
du signal analogique introduira des fréquences hautes dans le spectre en fréquence original.
Pour voir ce qui passe on doit se poser 2 questions.
● Comment le spectre original est-il affecté par l’opération d’échantillonnage.
● Comment doit-on choisir le pas d’échantillonnage T ?
1
On définit la fréquence d’échantillonnage fs = mesurée en [échantillons/seconde].
T
fs exprime la densité des échantillons.
Donc un signal variant rapidement doit être échantillonné avec une grande vecteur de fs (T est
très petit), alors qu’un signal variant lentement peut être échantillonné avec une petite valeur
de fs.
f max
X(r) = Ai cos 2πft = Ai cos 2πfmin t + … + Amax cos 2πfmax
f min
Tout signal peut être exprimé comme une somme de sinusoïdes. Considérons donc
l’échantillonnage seulement de la sinusoïde la plus rapide,
1
fs T
Si fs = 8 fmax = Ts = = 8 échantillons/cycle
f max 1 Ts
T
fs
fs = 4 fmax = 4 échantillons/cycle
f max
fs
fs = 2 fmax = 2 échantillons/cycle
f max
Pour représenter le signal sinusoïdal, il faut à la limite 2 échantillons/cycle.
Le cas f = fs n’est pas satisfaisant
fs ≥ 2 fmax.
Remarque :
● Si fmax → ∞, fs → ∞ ce qui est impossible.
Donc fmax doit être finie, il résulte que le signal doit avoir un spectre borné.
● Si la plus rapide des sinusoïdes a été convenablement échantillonnée, les moins rapides le
sont également.
● Comme la plupart des signaux ne sont pas limité en fréquence, on doit rendre leur spectre
borné en effectuant un filtrage passe - bas avant d’échantillonner le signal ; La fréquence de
fs fs
coupure du filtre doit être au plus égale à (fc ≤ )
2 2
fs
a) Supposons que fs ≥ 2 fmax ≥ fmax
2
fs fs
le spectre X(f) de x(r) se trouve à l’intérieur de l’intervalle 2 , 2
fs fs
2 , 2 est appelé intervalle de Nyquist.
2f
w= fréquence digitale
fs
fs 2 (fs / 2
si f = - w= = -π
2 fs
fs
si f = + w = +π
2
donc en unité radian/ech., l’intervalle de Nyquist devient [-π, +π].
Le terme 20 → fréquence 0 hz
1000
* 15 cos πt/t = en secondes = 15 cos 2π f t x(10-3s) f = = 500 Hz
2
10 cos 2πt = 10 cos 2π f t x(10-3s) f = 1000 Hz
5 cos 3π = 5 cos 2π f t x(10-3s) f = 1500 Hz
Après échantillonnage :
0 ± fs = ± 1500 750 , 750 mais 0 750 , 750
Donc 20 x cos 2π (o)t = 20
500 ± fs = - 1000 , 2000 750 , 750 mais 500 750 , 750
Donc 15 cos πt
1000 ± fs = - 500 , 2500 - 500 750 , 750
10 cos 2πt sera perçu comme 10 cos-πt = 10 cos πt
1500 ± fs = 0 , 300 750 , 750
5 cos 3πt sera perçue comme 5 (freq = 0)
x(nT) = 25 + 25 cos πt
* Note :
t f
Cos 2π ft ms = cos 2π f( ) = cos 2π( )t
3 3
10 10
f 2 10 3
Cos πt = cos 2π t π= f = = 500 Hz
3 3 2
10 10
a) Echantillonnage/Formulation théorique
En pratique la mesure périodique de x(r) tous les T secondes ne peut être faite
instantanément. En fait la mesure se fait pendant un temps τ. ex.
S(r) = p(t – nT) ou p est une impulsion de largeur τ
n
Xe (t) = x(r). s(r) = x(r) p(t – nT)
n
L’opération d’échantillonnage peut-être vue comme une modulation de la porteuse s(r)
par le signal analogique x(r)
● Si le maxima des échantillons suivent le signal ; l’échantillonnage est dut naturel.
● Si la valeur de l’échantillon est maintenu et durant τ seconde : l’échantillonnage et dit
flat-top.
Xe(r) = x(nT) p(t – nT)
n
Lorsque τ → 0 ; on parlera d’échantillonnage idéal.
Donc s(r) = δ(n – T) ou δ est la fonction de Dirac
n
Xe(t) = x(nT) δ(t – nT)
n
b) Effet de l’échantillonnage sur le spectre du signal original calculons la transformée de
Fourier :
Xe (f) = xe(r) e-j2πft dt
Xe (f) =
x(nT) δ(t – nT) .e-j2πft dt
n
Xe (f) = x(nT) e-j2πfnT dt c’est la TF. Discrète de x(nT)
n
Remarques :
Xe(f) est une fonction périodique de f dont fs est la période
1
T j2fnT = e
-j2π(f+mfs)T.n
fs e
Ceci signifie que le spectre du signal échantillonné contient des fréquences élevées.
- A cause de cette périodicité, l’intervalle peut être réduit à 1 seule période c.a.
fs fs
2 , 2
- Puisque s(t) est périodique , s(t) = s(t +T) ; on pet la décomposer en sens de Fourier.
2mt
j
S(t) = Cn e T ; Cn : coeff. De Fourier
m
2m m
= 2π fm avec fm = freq. Des harmoniques m = 0, t1, t2
T T
1
Fs = ; le même harmonique a lieu lorsque fm = mxfs
T
m
1 T/2 j2 t
Cm = s(t) e T dt
T T
2
m
1 T/2 j2 t
T T
Cm = δ(t) e T dt ═> 1 δ dt = 1
Cm =
T
2
1
Il en résulte que s(t) = δ(t – nT) =
T
ej2π(mfs)t
n m
1
Xe(t) = x(t).s(t) = x(t) x
T
ej2π(mfs)t
1
Xe(f) = xe(t) e
-j2πft
dt =
T
x(nT) e-j2πt(f-mfs)
m
X(f – mfs)
1
Xe (f) =
T
x (f – mfs)
m
δ = fs – 2fmax
Si δ ≥ 0 fs ≥ 2 fmax ; il n’y a pas de recouvrement de spectre
Si δ < 0 fs < 2 fmax ; il y a chevauchement de spectres
Spectre résultant
Dans le cas où le signal n’est pas borné en fréquence, il y aura toujours chevauchement des
spectre. Pour remédier à ce problème, il est nécessaire de fietrer le signal analogique par un
fs
fietre passe bas avec une fréquence de coupure fc ≤ arrivant de l’échantillonner.
2
Fonction de transfert du fietre idéal
fs
H(f) = 1 pour │f │≤
2
III. Quantification
C’est une discrétisation selon l’axe des ordonnées x représente une tension ou un courant.
Q est le pas de quantification.
v
Si v est la tension crête à crête du signal, est le nb.de niveaux de quantification, si b est le
Q
v
nombre de bits nécessaire pour représenter chaque niveau ; b est calculé à partir de = 2b, b
Q
nb de bits / échantillon.
On définit l’erreur de quantification e = x – xQ. On suppose qu’elle suit une distribution
Q Q
uniforme sur l’intervalle , .
2 2
Q/2
2
e
E e =0
1 Q/2
Q Q
La moyenne de e est e = e de
2
2 Q
2
Q/2 2 2
1 Q
Van e =
Q Q e de =
12
2
Ex. : On prend V = 10v.
Quel type de convertisseur doit on utiliser pour que l’erreur ne dépasse pas 3 mv.
Q
L’ecart type σ = van e = = 3 mv Q = 3 12 . 10-3
12
3
V 10 x 10
= 2b ≈ 962,5 niveau , on arrondit la puissance de 2 la plus proche c.a.d.
Q 3 12
1024 2b = 1024 b = 10
V. Reconstitution du signal
Après traitement numérique des données, le module de restitution convertit ces données en
signal analogique. On parlera de la conversion N/A. La reconstitution du signal peut être vue
comme un filtrage passe bas du signal échantillonné. En effet :
La reconstitution peut être effectuée en remplissant les vides entre les échantillons en
maintenant constante la valeur de l’échantillon jusqu’au prochain échantillon. Le
reconstructeur est appelé Sample/hold ou reconstructeur d’ordre zéro (échantillon bloqueur).
Si h(t) représente la réponse impulsionnelle du reconstructeur et si le signal échantillonné est
représenté par
Xe(t) = x(nT) δ(t – nT)
n
alors le signal analogique reconstitué se ra :
Xa(t) = h(t – t’) xe(t’) dt’
Xa(t) = h(t – t’) x(nT) δ(t’ – nT) dt’
n
Xa(t) = x(nT) h(t – nT)
n
Note :
Le reconstructeur doit avoir une durée ou moins égale à T pour remplir l’intervalle entre 2
échantillons. Ex. :
Si h(t) = u(t) – u(t – T)
Dans le domaine spectral :
1
Xa(f) = H(f) . Xe(f) = H(f) .
T
X(f – mfs)
m
H(f) est la réponse en fréquence du reconstructeur.
a) Reconstructeur idéal.
Dans le cas idéal, la reconstitution doit reproduire exactement le spectre du signal d’origine,
c.a.d. Xa(f) = X(f)
Si X(f) est un spectre borné, et si fs est choisie tel que les replicas du spectre ne se recouvrent
pas, une reconstitution fidèle peut être réalisée à l’aide d’une filtre passe bas idéal dont la
fs
fonction de transfert est telle que H(f) = T pour f 2
0 ailleurs
fs
Les fréquences indésirables sont les fréquences au delà de (freq. de Nyquist). Donc ce
2
filtre est moins performent que le filtre idéal. Pour éliminer toutes ces fréquences indésirables,
on peut ajouter un filtre passe bas avec une fréquence de coupure fs/2.
Remarque :
fs fs
- Après filtrage passe bas, les fréquences , mais le module de H(f ) n’est pas
2 2
fs
plat, il y a une atténuation de 4 dB lorsque la fréquence atteint .
2
Conclusion / en résumé
Un système de traitement numérique du signal nécessite
- un préfiltrage passe bas pour limiter le spectre du signal à traiter dans l’intervalle de
fs
Nyquist , fs / 2
2
- une convension A/N (échantillonnage + quantification)
- un processeur numérique
- un convertisseur N/A
- un filtre passe bas pour éliminer les fréquences indésirables introduites par
fs
l’échantillonnage et la reconstitution avec une fréquence de coupure ≤
2
La fonction de transfert de l’ensemble s’écrit :
Ya(f) = HLPF2(f) . HRec(f) . ye(f) = HLPF2(f) . HRec(f) . Hp(f) . Xe(f)
2 – Propriétés :
- Si x(n) est périodique de période N, alos x(n + N) = x(n) n
- les fonctions exponentielles pour lesquelles σ = 0 sont des séquences sinusoïdales ayant une
2 2 2
période = si n’est pas entier, la sinusoïde sera périodique avec une période >
o o o
2
On définit l’énergie par x (n )
n
Produit de 2 séquences :
x(n) .y(n) = x(n).y(n) séquences produit
Si y(n) est la réponse de x(n)
alors y(n-k) est la réponse de x(n-k) k entier positif//négatif
y(n) = x(k)T (n k = x (k ) h(n – k)
k k
Note : h(n) est la réponse impulsionnelle. de δ(n)
h(n – k) est la réponse impulsionnelle de δ(n-k)
Il en résulte que y(n) = x(n) *h(n) = h(n) * x(n)
Cas de 2 systèmes :
- en cascade
- en parallèle
Stabilité : un système est dit stable si lorsque son entrée est bornée, la sortie est bornée aussi
c.a.d. h (k ) <∞
k
Ex : si x(n) est bornée x (n ) < M n
x (n ) = h (k ) x (n k ) ≤ ∞
k
Causalité : un système est dit causal si la réponse impulsionnelle est nulle pour n < 0.
addition :x(n) + y(n) = x(n) y(n)séquense somme.
Multiplication par un scalaire
α. x(n) x(n)
Retard : y(n) est la version retardée de x(n) si
y(n) = x(n - no) avec no entier représentant le retard
invariance :
- un système est défini comme une transformation unique d’une séquence x (n ) en une
séquence y(n )
y(n) = T x (n )
Principe de superposition
T ax (x) bx (n)
1 2
= a T x (n ) + b T x (n )
1 2
= a y1(n) + b y2(n)
Exemple :
X(n) = a-3 δ(n + 3) + ao δ(n) + a1 δ(n – 1) + a3 δ(n – 3)
En général, x(n) = x(k) δ(n – k) sachant que δ(n-k) = 1 pour n = k
k
y(n) = T[x(n)] = T[ x(k) δ(n – k) ]
k
Y(n) = x(k) T (n k)
k
On appelle hk(n) la réponse impulsionnelle du système
T (n k) = hk(n)
y(n) = x(k) hk(n)
k
yo xo
y1 x1
Y = y 2 X = x 2 Y = HT X = XT H
. .
. .
. .