Vous êtes sur la page 1sur 36

Signal déterministe

Yves Goussard

GBM6103A

3 septembre 2014

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 1 / 36


Traitement de signaux biomédicaux

Mesure

Extraction
Tracé Stockage Analyse Transformation
d’informations

Échantillonnage Représentation Modélisation


Filtrage
Quantification Fréquence Estimation

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 2 / 36


Plan

1 Généralités
Définitions et cadre
Théorème des projections

2 Transformée de Fourier des signaux déterministes à temps continu


Objecifs et définitions
Difficultés
Aspects pratiques

3 Signaux déterministes à temps discret


Échantillonnage
Transformée de Fourier à temps discret et transformée de Fourier
discrète

4 Conclusion

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 3 / 36


Représentation d’un signal
Exemple : signal ECG
Exemple de signal ECG
1

0.5

0
Amplitude

−0.5

−1

−1.5

−2

−2.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Temps (s.)

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 4 / 36


Cadre de travail

Types de signaux
Signal x(t)
à valeurs dans C
dépendant d’une variable continue t (généralement le temps)

Opérations
Opérations usuelles (+, ×, etc.)
Z
Convolution : (x ∗ y )(t) = x(τ ) y (t − τ ) d τ
Z
Corrélation : γxy (τ ) = x(t) y ∗ (t − τ ) dt
Produit scalaire : < x · y >

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 5 / 36


Représentation des signaux

Approche géométrique : décomposition sur une base {ei (t) ; i ∈ I}

Résultats généraux
Base {ei (t) ; i ∈ I} dénombrable
X
Existence et unicité de la décomposition x(t) = ai ei (t)
i∈I
Calcul des ai ?

Base orthonormée
Définition : {ei (t) ; i ∈ I} orthonormale ⇐⇒< ei · ej >= δij
Résultat : si {ei (t) ; i ∈ I} orthonormale, alors ai =< x · ei >

Difficultés
Nombre infini de vecteurs de base
Choix de la base
Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 6 / 36
Théorème des projections

Position du problème
{ei (t) ; i ∈ I} base orthonormale
I sous-ensemble (fini) de I
Meilleure approximation de x à partir de {ei (t) ; i ∈ I} ?

Résultat
x tel que x − x orthogonal à {ei (t) ; i ∈ I}
∀i ∈ I : < (x − x) · ei >= 0 ⇐⇒ < x · ei >=< x · ei >

Interprétation
x obtenu en prélevant les coefficients de la décomposition de x sur
{ei ; i ∈ I}

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 7 / 36


Exemple : développement en série de Fourier

Définition
x : signal à valeurs réelles ou complexes défini sur un intervalle I de
longueur T
Développement de x en sérier de Fourier :
X
x(t) = Xk e 2iπkt/T
k∈Z

Calcul des Xk , coefficients du développement en série de Fourier


(DSF) :
1
Z
Xk = x(t)e −2iπkt/T dt
T I
Xk : composante fréquentielle de x à la fréquence ν = k/T

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 8 / 36


Développement en série de Fourier
Approche géométrique

Cadre
E : ensemble des signaux définis sur I de carré sommable
Produit « scalaire » sur E :
1
Z
< x · y >= x(t)y ∗ (t)dt
T I

Décomposition sur une base orthonormale {ek (t) ; k ∈ Z} :


X
x(t) = Xk ek (t)
k∈Z
Xk = < x · ek >

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 9 / 36


Développement en série de Fourier
Interprétation

DSF : décomposition de x sur une « base fréquentielle »


Base fréquentielle orthonormée : {ek = e 2iπkt/T ; k ∈ Z}
P
Xk =< x · ek > ; x(t) = k∈Z Xk ek (t)

Interprétation physique
ek = e 2iπkt/T périodique de période T /k
« Fréquence pure » ν = k/T
Xk : composante fréquentielle de x à la fréquence ν = k/T

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 10 / 36


Transformée de Fourier des signaux à temps continu

Objectifs
Caractérisation du contenu fréquentiel d’un signal x(t)
Temps continu
cadre de référence pour le temps discret
analyse de l’échantillonnage

Cadre géométrique
E : ensemble des signaux définis sur C de carré sommable
Produit « scalaire » sur E :
Z
< x · y >= x(t) y ∗ (t) dt
R

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 11 / 36


Transformée de Fourier

Approche géométrique
{e 2iπνt ; ν ∈ R} : base fréquentielle orthonormale
Décomposition :
Z
x(t) = X (ν) e 2iπνt d ν transformée de Fourier inverse
R

Calcul des « coefficients » :


Z
X (ν) =< x ·e 2iπνt
>= x(t) e −2iπνt dt transformée de Fourier
R

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 12 / 36


Propriétés élémentaires de la transformée de Fourier
Propriété Dom. des temps Dom. des fréquences
F
x(t) ↔ X (ν)
F
y (t) ↔ Y (ν)
F
Linéarité αx(t) + βy (t) ↔ αX (ν) + βY (ν)
F
Translation (t) x(t − τ ) ↔ X (ν)e −2iπντ
F 1
Homothétie (t) x(αt) ↔ |α| X (ν/α)
F
Translation (ν) x(t)e 2iπft ↔ X (ν − f )
1 F
Homothétie (ν) |α| x(t/α) ↔ X (αν)
F
Conjugaison x ∗ (t) ↔ X ∗ (−ν)
F
Convolution [x ∗ y ](t) ↔ X (ν) Y (ν)
F
Produit x(t) y (t) ↔ [X ∗ Y ](ν)
F
Dérivation d m x(t)/dt m ↔ (2iπν)m X (ν)

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 13 / 36


Propriétés remarquables de la transformée de Fourier

Théorème de Plancherel
Conservation du produit scalaire :
Z Z
x(t) y (t) dt = X (ν) Y ∗ (ν) d ν

Conséquence : relation de Parseval


Z Z
|x(t)| dt = |X (ν)|2 d ν
2

Spectre d’énergie
F(γxy (τ )) = Γxy (ν) = X (ν) Y ∗ (ν)
F(γx (τ )) = Γx (ν) = |X (ν)|2
Γx (ν) : densité spectrale (spectre) d’énergie

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 14 / 36


Transformée de Fourier de signaux périodiques I

Position du problème
Z
Si x est périodique, x(t)e −2iπνt dt ne converge pas
R
Pas de transformée de Fourier pour les fonctions périodiques ?

Solutions
Approche rigoureuse : changement de cadre mathématique (annexe A)
Approche pratique : impulsion de Dirac δ(t)

Impulsion de Dirac
δ(t) définie pour tout t ∈ R
Z
δ(t − t0 )x(t)dt = x(t0 )
R
x(t)δ(t − t0 ) = x(t0 )δ(t − t0 )
Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 15 / 36
Transformée de Fourier de signaux périodiques II
Impulsions de Dirac et transformée de Fourier
Application de la définition
F F
TF : δ(t − t0 ) ↔ e −2iπνt0 ⇒ δ(t) ↔ 1ν
F F
TFI : e 2iπν0 t ↔ δ(ν − ν0 ) ⇒ 1t ↔ δ(ν)

Signaux périodiques
x T -périodique ⇐⇒ x décomposable en série de Fourier
1
X Z
x(t) = Xk e 2iπkt/T Xk = x(t)e −2iπkt/T dt
T I
k∈Z

Propriété de linéarité
X
X (ν) = Xk δ(ν − k/T ) Spectre de raies
k∈Z
Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 16 / 36
Transformée de Fourier de signaux à temps continu

f de carré sommable
Z
TF : X (ν) = x(t)e −2iπνt dt
ZR
TFI : x(t) = X (ν)e 2iπνt d ν
R

x périodique de période T
1
X Z
TF : X (ν) = Xk δ(ν − k/T ) Xk = x(t)e −2iπkt/T dt
T I
k∈Z
Z X
TFI : x(t) = X (ν)e 2iπνt d ν = Xk e 2iπkt/T
R k∈Z

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 17 / 36


Transformée de Fourier de fonctions usuelles
2 2
e −πt e −πν
e −a|t| 2a/(a2 + 4π 2 ν 2 )
e ±2iπν0 t δ(ν ∓ ν0 )
e δ(ν − ν0 ) + e −iϕ0 δ(ν + ν0 ) /2


cos(2πν0 t + ϕ0 ) 0

sgn t 1/(iπν)
1 δ(ν)
(−2iπt)m δ (m) (ν)
1/t −i π sgnν
|t| −1/2π 2 ν 2
Rect(−T /2, T /2) T (sin πT ν)/πT ν
max{0, 1 − |t|/T } T ((sin πT ν)/πT ν)2
νo (sin πν0 t)/πν0 t Rect(−ν0 /2, ν0 /2)
δ(t) 1
δ (m) (t) (2iπν)m
±2iπT ν
P δ(t ± T ) Pe
P n∈Z δ(t − nT ) (1/T
P) n∈Z δ(ν − n/T )
−2iπnT ν
n∈Z cn δ(t − nT ) n∈Z cn e

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 18 / 36


Échantillonnage I

Principe
Échantillonnage à la période Te
En pratique : x(t) −→ {x(nTe ) ; n ∈ Z}
X
Représentation mathématique : pTe (t) = δ(t − nTe )
n∈Z
X
x(t) −→ xe (t) = pTe (t) x(t) = x(nTe )δ(t − nTe )
n∈Z

F
X
Remarque : pTe (t) ↔ PTe (ν) = 1/Te δ(ν − k/Te )
k∈Z

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 19 / 36


Échantillonnage II

F
Interprétation fréquentielle : x(t) ↔ X (ν)

F
xe (t) ↔ Xe (ν) = PTe (ν) ∗ X (ν)
!
X
= 1/Te δ(ν − k/Te ) ∗ X (ν)
k∈Z
X
= 1/Te X (ν − k/Te )
k∈Z

Xe (ν) obtenu par « périodisation » de X (ν) à la période νe = 1/Te


X
Calcul direct : Xe (ν) = x(nTe )e −2iπnν/νe
n∈Z
On retrouve que Xe (ν) est périodique de période νe = 1/Te

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 20 / 36


Échantillonnage III

Interprétation fréquentielle : réciproque


X (ν) périodique de période νe = 1/Te
DSF de X (ν) :
1 νe
X Z
−2iπkν/νe
X (ν) = Xk e ; Xk = X (ν)e 2iπkν/νe d ν
νe 0
k∈Z
Xk : coefficient du DSF d’indice −k
X X
TFI de X (ν) : x(t) = Xk δ(t − k/νe ) = Xk δ(t − kTe )
k∈Z k∈Z

Conséquence
x(t) échantillonné à la période Te
Z 1
Te
x(nTe ) = Te X (ν)e 2iπνnTe d ν
0

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 21 / 36


Transformée de Fourier de signaux échantillonnés

Synthèse
X
xe (t) = xn δ(t − nTe ) ⇐⇒ Xe (ν) périodique de période 1/Te
n∈Z
X
TF : Xe (ν) = xn e −2iπνnTe
n∈Z
Z 1
X Te
TFI : xe (t) = xn δ(t − nTe ) xn = Te Xe (ν)e 2iπνnTe d ν
n∈Z 0
F
Si xn = x(nTe ) avec x(t) ↔ X (ν), alors Xe (ν) est obtenu par
périodisation de X (ν) à la période 1/Te :
 
1 X n
Xe (ν) = X ν−
Te Te
n∈Z

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 22 / 36


Théorème d’échantillonnage I

Position du problème
Possibilité de passer de manière réversible (sans perte d’information) de
x(t) à xe (t)

Solution
Domaine temporel
x(t) −→ xe (t) : immédiat
xe (t) −→ x(t) : ? ? ?
Domaine fréquentiel
X (ν) −→ Xe (ν) : 1/Te - périodisation
Xe (ν) −→ X (ν) : retrouver X (ν) dans sa version périodisée Xe (ν)

Possible si la périodisation de X (ν) se fait sans recouvrement

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 23 / 36


Théorème d’échantillonnage II

Condition suffisante
X (ν) à support limité de taille L
L < 1/Te

Cas usuel
x(t) à bande limitée [−B , B] : X (ν) = 0 si |ν| > B
Si 2B < 1/Te ⇔ B < 1/(2Te ), x(t) peut être échantillonné sans
perte d’information

En pratique
Xe (ν) défini à partir de sa « période centrale » [− 2T1 e , 2T1 e ]
Les fréquences « utiles » de x(t) et xe (t) sont dans [− 2T1 e , 2T1 e ]

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 24 / 36


Théorème d’échantillonnage : illustration
Spectre de x

1
|X(ν)|

0.5

−1.5 −1 −0.5 0 0.5 1 1.5


Fréquences

Spectre de xe

1
|Xe(ν)|

0.5

−1.5 −1 −0.5 0 0.5 1 1.5


Fréquences

Te = 2 : échantillonnage avec recouvrement


Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 25 / 36
Échantillonnage et reconstruction : synthèse

Échantillonnage
X X
X (ν) −→ Xe (ν) = 1/Te X (ν − k/Te ) = x(nTe )e −2iπνnTe
k∈Z n∈Z
X
x(t) −→ xe (t) = pTe (t) x(t) = x(nTe )δ(t − nTe )
n∈Z

Reconstruction (si le théorème d’échantillonnage est satisfait)


Xe (ν) −→ X (ν) = Te Xe (ν) Rect[−1/(2Te ) , 1/(2Te )] (ν)
sin(πt/Te ) X sin(π(t − nTe )/Te )
xe (t) −→ x(t) = xe (t)∗ = x(nTe )
πt/Te π(t − nTe )/Te
n∈Z

Illustrations
Voir démonstrations demo_replie1D.m et demo_alias1D.m

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 26 / 36


Aspects pratiques

Situations typiques
Échantillonnage d’une quantité d’intérêt (signal, image,...) fonction de
variables continues
Choix de la période d’échantillonnage ?
Limitation du recouvrement spectral :

filtrage passe-bas anti-repliement


Manipulation de quantités numérisées
Domaine temporel ou spatial : nécessité de données discrétisées
Passage au domaine fréquentiel : variable ν continue !
Outil disponible : transformée de Fourier rapide (FFT)

Comment interpréter et manipuler des fréquences discrètes ?

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 27 / 36


Signaux à temps discret I
Définitions et propriétés
Par convention, Te = 1
Signal à temps discret : {xn ; n ∈ Z}
Correspondance avec un hypothétique
X signal échantillonné :
xd (t) = xn δ(t − n)
n∈Z
Convolution discrète X
(x ∗ y )n = xm yn−m
m∈Z
Intercorrélation discrète X

γxy (m) = xn yn−m
n∈Z
Autocorrélation discrète X

γx (m) = xn xn−m
n∈Z

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 28 / 36


Signaux à temps discret II

Transformée de Fourier
Application des définitions au signal hypothétique xd (t)
Transformée de Fourier à temps discret :
X
X (νr ) = xn e −2iπnνr
n∈Z

X (νr ) périodique de période 1 −→ νr ∈ [− 21 , 21 ]


Transformée de Fourier inverse à temps discret
Z 1
2
xn = X (νr )e 2iπnνr d νr
− 21

νr : fréquence réduite à valeurs continues

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 29 / 36


Signaux à temps discret III

Correspondance entre quantités physiques et réduites


X
xe (t) = xn δ(t − nTe ) =⇒ xn = x(t)|t=nTe
n∈Z

n = t/Te

X X
Xe (ν) = x(nTe )e −2iπνnTe X (νr ) = xn e −2iπnνr
n∈Z n∈Z

νr = νTe = ν/νe

Mais νr reste à valeurs continues...

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 30 / 36


Caractéristiques de la transformée de Fourier

x continu non périodique X continu non périodique

X
x

0 0
0 0
Temps Fréquence
x continu périodique X discret non périodique

X
x

0 0
0 0
Temps Fréquence
x discret non périodique X continu périodique

X
x

0 0
0 0
Temps Fréquence
x discret périodique X discret périodique
X
x

0 0
0 0
Temps Fréquence

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 31 / 36


Transformée de Fourier discrète I

Formalisation
x périodique
X X
x(t) = Xk e 2iπkt/T X (ν) = Xk δ(ν − k/T )
k∈Z k∈Z
1
Z
Xk = x(t)e −2iπkt/T dt
T I

x à temps discret
X X
x(t) = xn δ(t − n) X (νr ) = xn e −2iπnνr
n∈Z n∈Z
Z 1
2
xn = X (νr )e 2iπnνr d νr
− 12

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 32 / 36


Transformée de Fourier discrète II
Formalisation
x à temps discret et périodique de période N
X X
x(t) = xn δ(t − n) X (νr ) = Xk δ(νr − k/N)
n∈Z k∈Z
N−1 N−1
X 1 X
xn = Xk e 2iπkn/N Xk = xn e −2iπkn/N
N
k=0 n=0
N éch. utiles 0 ≤ n ≤ N − 1 N éch. utiles 0 ≤ k ≤ N − 1

Transformée de Fourier discrète


N−1 N−1
X
−2iπkn/N 1 X
TF : Xk = xn e ; TFI : xn = Xk e 2iπkn/N ; νr = k/N
N
n=0 k=0

Mise en œuvre
Calcul rapide par FFT si N est une puissance entière de 2
Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 33 / 36
Représentation fréquentielle, TF discrète et problèmes
pratiques I
TF discrète et représentation spectrale
N échantillons xn ; 0 ≤ n ≤ N − 1. Que représente sa TFD
Xk ; 0 ≤ k ≤ N − 1 ?
Si x exactement périodique de période N
Xk : transformée de Fourier « exacte »
Si x nulle à l’extérieur de [0 , N − 1]
Xk = X (νr ) pour νr = k/N
Conséquences et applications
x périodique, mais erreur sur la période : voir demo_sin.m
Si x nul à l’extérieur de [0 , N − 1] : calcul de X (νr ) pour
νr = k/P ; P > N en prolongeant {xn ; 0 ≤ n ≤ N − 1} par des 0
Bourrage de zéros. Voir demo_bourrage.m
Symétriquement : rééchantillonnage de x en prolongeant Xk par des 0
Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 34 / 36
Représentation fréquentielle, TF discrète et problèmes
pratiques II

Convolution par FFT


F
Convolution : (x ∗ y )(n) ↔ Produit : Xk Yk
X et Y doivent avoir la même taille ⇐⇒ x et y doivent avoir la même
taille
Hypothèse sur x et y : périodicité pour assurer l’exactitude des
relations
Élimination des effets de bord (convolution « circulaire ») :
prolongement de x et y par des zéros pour obtenir une taille
P ≥ taille(x) + taille(y ) − 1

Rééchantillonnage (décimation)
Nécessité d’un filtrage passe-bas pour éviter le recouvrement spectral

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 35 / 36


Conclusion

Signaux déterministes : présentation des principaux outils


Résultats généraux pour la représentation des signaux
Représentation fréquentielle des signaux à temps continu
Représentation fréquentielle (discrète ou continue) des signaux à
temps discret

Outil omis
Transformée en z (signaux à temps discret)

Applications
Exemples et démonstrations
Travaux pratiques

Yves Goussard (GBM6103A) Signal déterministe 3 septembre 2014 36 / 36