Académique Documents
Professionnel Documents
Culture Documents
1.Definitions……………………………………………………………………………………………………………………………………2
1. Définition ....................................................................................................................................... 16
1. Echantillonnage ............................................................................................................................. 28
2. Quantification ................................................................................................................................ 34
2
INTRODUCTION AU TRAITEMENT DE SIGNAL
1 DÉFINITIONS
Le traitement du signal est la discipline technique qui, s’appuyant sur les ressources de
l’électronique, de l’informatique et de la physique appliquée, a pour objet l’élaboration ou
l’interprétation des signaux.
Son champ d’application se situe donc dans tous les domaines concernés par la perception, la
transmission ou l’exploitation des informations véhiculées par ces signaux.
Les fonctions du traitement du signal peuvent se diviser en deux catégories : l’élaboration des
signaux (incorporation des informations) et l’interprétation des signaux (extraction des
informations).
3
Les principales fonctions intégrées dans ces deux parties sont les suivantes :
– Élaboration des signaux :
• synthèse : création de signaux de forme appropriée en procédant par exemple à une
combinaison de signaux élémentaires ;
• modulation, changement de fréquence : moyen permettant d’adapter un signal aux
caractéristiques fréquentielles d’une voie de transmission ;
• codage : traduction en code binaire (quantification), etc.
Les grandeurs physiques (mouvement mécanique, variation de température, etc.) liées aux
procédés physiques contrôlés mis en jeu doivent être transformées en signaux analogiques
électriques (courant ou tension) : cela est le rôle des capteurs ou transducteurs (quartz,
thermocouple,...) dans le cas de la mesure. Inversement, la commande au niveau du processus
est faite à l’aide d’actionneurs ou récepteurs (moteur, vanne,...) qui transforment le signal
analogique électrique reçu en grandeurs physiques (énergie mécanique, chaleur, etc.).
4
Figure 1 Chaîne d’acquisition et de restitution de données d’un procédé physique piloté par
un système numérique.
Dans le cas des traitements par des systèmes numériques, ces signaux analogiques transmis ou
reçus seront transformés en signaux numériques.
Ce rôle est rempli par des interfaces électroniques spécialisées qui sont composées de
différents éléments : les convertisseurs analogiques-numériques et numériques-analogiques,
les échantillonneurs-bloqueurs, les multiplexeurs, les amplificateurs à gain programmable,
etc. Les fonctions du traitement numérique sont très nombreuses : filtrage, analyse spectrale,
modulation, détection, estimation, transcodage, génération de signaux, reconnaissance,
correction, etc.
Mais sur le plan théorique, pour la commodité du calcul et l’étude de certains phénomènes, les
signaux sont représentés par des fonctions :
– à énergie théorique infinie ;
– avec des discontinuités (signal carré) ;
– définies sur R (signaux non causaux) ;
– à spectre du signal infini ;
– à valeurs complexes :
5
s (t ) = Ae jωt = A(cos ωt + j sin ωt )
6
En ce qui concerne les signaux aléatoires, ils sont dits stationnaires lorsque leur valeur
moyenne est indépendante du temps, c’est-à-dire que les résultats de leur analyse statistique
restent les mêmes quel que soit le moment où l’on en observe une partie déterminée.
b) Classification spectrale
Un signal peut être classé suivant la distribution de son amplitude, sa puissance ou son
énergie en fonction de la fréquence (spectre du signal). Le domaine des fréquences occupé par
son spectre est aussi appelé la largeur de bande spectrale du signal ∆F
∆F = Fmax − Fmin
Cette caractéristique, exprimée en hertz (Hz), est absolue. Aussi il est nécessaire de la
comparer au domaine de fréquences dans lequel se situe le signal.
En considérant la fréquence moyenne Fmoy = (Fmax + Fmin)/2, on peut distinguer deux
types de signaux :
– les signaux à bande étroite avec ∆F/Fmoy petit (soit Fmax # Fmin) ;
– les signaux à large bande avec ∆F/Fmoy grand (soit Fmax ≫ Fmin).
Pour les signaux à bande étroite, il est possible de les classer par le domaine de variation de la
fréquence moyenne Fmoy :
7
c) Les signaux analogiques et numériques
Le temps est un paramètre important de classification. Comme nous venons de le voir, le
traitement numérique des signaux conduit à faire la distinction entre les signaux dits à temps
continus (signaux continus) et les signaux dits à temps discrets (signaux discrets ou
échantillonnés). Un autre paramètre des signaux traités est à prendre en compte, c’est
l’amplitude qui peut aussi être continue ou discrète (quantifiée).
Ainsi quatre formes de signaux, qui se retrouvent dans un système numérique de contrôle
d’un processus physique, peuvent être distinguées (cf. figure 4) :
– signal à amplitude et temps continus (signal analogique) : s(t) ;
– signal à amplitude discrète et temps continu (signal quantifié) : sq(t). Ce signal correspond à
celui qui est fourni à la sortie d’un circuit convertisseur numérique-analogique pour la
commande d’un actionneur ;
– signal à amplitude continue et temps discret (signal échantillonné) :
s(nTe). Ce signal, obtenu à l’aide d’un circuit échantillonneur-bloqueur, est transmis à un
circuit convertisseur analogique numérique pour obtenir un signal numérique utilisable par un
ordinateur ;
– signal à amplitude discrète et temps discret (signal logique ou numérique)
: sq(nTe). Ce dernier cas correspond en réalité à une suite de nombres codés en binaire. Ces
nombres, utilisés au sein d’un ordinateur, se transmettent sous la forme de plusieurs signaux
de type numérique 0 V (0 logique) ou 5 V (1 logique) se propageant en parallèle :
8 signaux pour un nombre codé sur 8 bits.
On appelle numérisation d’un signal l’opération qui consiste à faire passer un signal de la
représentation dans le domaine des temps et des amplitudes continus au domaine des temps et
des amplitudes discrets.
Cette opération de numérisation d’un signal peut être décomposée en deux étapes principales :
échantillonnage et quantification.
La restitution (ou l’interpolation) constitue le processus inverse qui intervient lors du passage
du signal numérique au signal analogique : commande d’un actionneur.
Ces trois étapes sont indissociables. En effet, le signal, étant le support physique d’une
information, doit conserver au cours de ces modifications tout le contenu informatif initial.
Cette condition, ajoutée à la notion de coût limite d’un système, va être à la base de la
numérisation des signaux et de l’étude du traitement numérique.
8
Figure 4 Classification morphologique des signaux.
La fonction signe, notée sgn est une fonction réelle de la variable réelle définie par :
+1, si t > 0
sgn(t) =
-1, si t < 0
9
3.2 Fonction échelon unité
La fonction échelon unité, ou simplement échelon, notée e(t), est une fonction réelle de la
variable réelle définie par :
+1, si t > 0
e(t)=
0, si t < 0
La fonction rampe, notée r, est une fonction réelle de la variable réelle définie par :
t si t>0
r(t)=
0 ailleurs
Représentation de la rampe
10
3.4 Fonction rectangle ou porte
La fonction rectangle, ou fonction porte, de largeur 1, notée rect, est une fonction réelle de la
variable réelle définie par :
1
1si t ≤
rect (t ) = 2
0ailleurs
La fonction rectangle, ou fonction porte, de largeur T, notée rectT , est une fonction réelle de
la variable réelle définie par :
t
rect T (t ) = rect ( )
T
T
1si t ≤
rect T (t ) = 2
0ailleurs
La fonction triangle unité, notée tri, est une fonction réelle de la variable réelle définie par :
11
Representation Fonction Triangle
13
b) Propriétés de périodisation avec le peigne de Dirac (convolution)
Pour une fonction f (x), on a les relations suivantes :
Ainsi le peigne de Dirac périodise la fonction f (x) avec une période A égale à l’intervalle
entre les pics de Dirac.
14
Valeurs caractéristiques d’un signal
Soit un signal x(t) défini sur un intervalle [t1, t2]. On peut le caractériser par les grandeurs
15
TRANSFORMATIONS DE LAPLACE
1. Définition
Considérant une fonction réelle d’une variable réelle s(t) telle que s(t) = 0 pour t < 0, on
définit sa transformée de Laplace L(s) comme la fonction S de la variable complexe p telle
que :
a) Linéarité
Soit f (t) une fonction du temps. Soit F(p) sa transformée de Laplace. On montre que la
transformée de Laplace de sa dérivée première se calcule simplement en fonction de F(p) :
Par exemple :
16
Remarque : Dans le cas où ces conditions initiales sont nulles, ce qui est a priori très souvent
le cas, on peut retenir simplement les relations suivantes :
Soit P(t) une primitive d’une fonction f (t) et F( p) la transformée de Laplace de cette
fonction. On a :
Remarque : Dans le cas où la condition initiale P(0) est nulle, ce qui est a priori très souvent
le cas, on peut retenir simplement la relation suivante :
e) Théorème du retard
Considérons la fonction f (t − τ), autrement dit la fonction f (t) à laquelle on a fait subir un
changement
d’origine des temps (figure 1.3), autrement dit un retard d’un temps τ.
17
En remarquant que la fonction f (u − τ) est nulle pour t < τ , on peut, sans changer la valeur
de l’intégrale, lui choisir une borne d’intégration inférieure plus faible que τ :
18
Encore plus utile que le théorème précédent, le théorème de la valeur finale permet de
calculer la limite quand t tend vers l’infini d’une fonction temporelle f (t) en connaissant
uniquement sa transformée de Laplace
h) Propriétés diverses
Sans être fondamentales, les trois propriétés suivantes peuvent s’avérer utiles lors du calcul de
certaines transformées de Laplace :
De même qu’une fonction du temps peut avoir une transformée de Laplace, il est possible à
partir d’une fonction F( p) de retrouver son original, autrement dit la fonction f (t) dont elle
est la transformée de Laplace.
Il s’agit ici de calculer une intégrale dans le plan complexe :
Remarque : Les cas où il faudra effectivement calculer une transformée de Laplace inverse à
l’aide de cette expression sont extrêmement rares : nous verrons plus loin, qu’en général, il
suffit de connaître une dizaine de transformées de Laplace usuelles et quelques propriétés
fondamentales pour retrouver l’original d’une fonction F( p).
a) Échelon unité
L’échelon unité (fig 1.4) est la fonction u(t) telle que u(t) = 0 pour t < 0 et u(t) = 1 pour t ≥ 0.
19
Compte tenu de la linéarité de la transformée de Laplace, tout échelon (non unitaire),
l’amplitude A, aura pour transformée de Laplace :
On la note en général v(t). Elle est nulle pour t négatif et est égale à t pour t positif ou nul
(figure 1.5).
c) Impulsion unitaire
En dérivant cette fois la fonction u(t), on obtient une fonction habituellement notée δ (t ) et
appelée impulsion unitaire ou impulsion de Dirac.
Il s’agit en théorie d’une fonction nulle pour tout t sauf pour t = 0 où elle a une valeur infinie.
L’aire comprise entre la courbe représentative de cette fonction δ (t ) et l’axe des t vaut 1.
Le schéma de la figure 1.6 donne une idée de cette impulsion en faisant tendre le paramètre θ
vers 0.
20
d) Signal sinusoïdal
a) Définition
Considérons un système linéaire quelconque possédant une entrée e(t) et une sortie s(t).
On suppose qu’il est régi par une équation différentielle de degré n :
Si nous appliquons la transformation de Laplace aux deux membres de cette équation, tout en
supposant nulles les différentes conditions initiales, il vient :
Cette fraction rationnelle de deux polynômes de la variable complexe p est appelée fonction
de transfert du système et communément notée :
21
Comme cette fonction est une fraction rationnelle de deux polynômes en p, il est possible de
factoriser ces deux polynômes dans le corps des complexes.
On obtient :
Les racines zi qui annulent le numérateur sont appelés les zéros de la fonction de transfert.
Les racines pi qui annulent son dénominateur sont les pôles de la fonction de transfert. Ces
paramètres peuvent être complexes ou réels. Nous verrons plus loin que l’étude, le signe ou
l’appartenance à l’ensemble des réels de ces pôles ou zéros, jouent des rôles très importants
dans l’étude des systèmes
22
TRANSFORMATIONS DE FOURIER
1 ANALYSE SPECTRALE DES FONCTIONS PÉRIODIQUES
Soit :
où an et bn sont les coefficients de la série de Fourier. Ils se calculent à partir des relations
suivantes :
En introduisant la représentation complexe, nous pouvons donner une forme plus générale de
l’expression de ce développement en série de Fourier
Les coefficients du développement S(nF0) sont en général une grandeur complexe qui peut
s’écrire sous la forme :
23
1.2 Représentations fréquentielles
L’expression du spectre est la suivante :
24
1.3 Notations
a) Propriété de linéarité
b) Propriété de parité
Si la fonction x(t) est paire, alors les coefficients bn sont nuls :
25
Si la fonction x(t) est impaire, alors les coefficients an sont nuls :
c) Propriété de translation
26
1.7. Transformées de Fourier de distributions
27
ECHANTILLONNAGE ET QUANTIFICATION
1. Echantillonnage
1.1. Définition
L’échantillonnage consiste à représenter un signal analogique continu s(t) par un ensemble de
valeurs s(nTe) avec n entier situées à des instants discrets espacés de Te constante, appelée la
période d’échantillonnage. Cette opération est réalisée par un circuit appelé « préleveur ou
échantillonneur » symbolisé souvent par un interrupteur.
Le signal analogique d’entrée Ve est échantillonné pour donner un signal discrétisé
temporellement Ve(nTe).
Évolution d’un signal à travers une chaîne d’acquisition et de restitution de données sans
modification des valeurs. Te est la période d’échantillonnage et Ts la période restitution
supposée égale à Te.
28
1.2 Théorème de l’échantillonnage
a) Définition
On suppose que le signal s(t) a un spectre à support borné, c’est-à-dire que le spectre est
limité : S(f) = 0 pour f > fmax. Cette limitation spectrale est soit naturelle (répartition initiale
du signal), soit artificielle.
Le processus d’échantillonnage revient à multiplier le signal analogique s(t) par une série
d’impulsions unité : le « signal » obtenu est alors constitué d’une succession d’impulsions,
dont la hauteur est modulée par l’amplitude du signal échantillonné. Cette opération
mathématique, permettant d’avoir une représentation du signal échantillonné se(t), s’obtient en
utilisant le peigne de Dirac. Le peigne de Dirac, utilisé dans l’échantillonnage des signaux, est
une suite de pics de Dirac régulièrement espacés de la période d’échantillonnage Te :
Le signal échantillonné se(t) est une suite de pics de Dirac dont les poids sont les valeurs du
signal s(t) aux instants kTe.
Nous avons donc l’expression de se(t) :
29
D’après le théorème de Plancherel, le spectre du signal échantillonné sera donné par le produit
de convolution du spectre du signal initial avec la transformée de Fourier de la suite de pics de
Dirac
Étant donné la propriété du pic de Dirac, élément neutre de la convolution, le résultat est :
Par conséquent, le spectre de l’échantillonné Se(f) s’obtient en périodisant avec une période
égale à Fe, sur l’axe des fréquences, la transformée de Fourier S(f) du signal initial s(t)
multiplié par Fe.
30
31
32
b) Rappel sur le théorème de Poisson
33
2. Quantification
2.1. Définition
34
2.3. Caractéristique de la quantification
Le bruit de quantification ε q est une variable aléatoire. Lorsque le signal d’entrée est
d’amplitude suffisante (par exemple supérieure à 10 pas de quantification), on peut considérer
que sa densité de probabilité p( ε q ) est uniforme dans son domaine de variation, c’est-à-dire
δ δ
dans l’intervalle − ;
2 2
35
c) Variance du bruit de quantification
La variance représente la puissance d’un signal aléatoire, elle est donnée par :
36
2.6. Quantification après compression de dynamique
Pour les signaux de faible amplitude, le rapport signal sur bruit de quantification se dégrade
rapidement. Pour améliorer cette situation, deux solutions sont possibles :
– on utilise un convertisseur à pas de quantification non uniforme (quantification fine des
faibles amplitudes et grossière pour les signaux de niveau élevé) ;
– on intercale un compresseur de dynamique avant la conversion, figure ci-dessous. Un
expanseur de loi réciproque est appliqué à la restitution des signaux.
On notera que ces solutions affaiblissent la valeur maximale de ξ q .
En téléphonie, on utilise des lois de compression à segments (loi A pour l’Europe et loi μ
aux USA).
37