Vous êtes sur la page 1sur 18

Chapitre 3

Représentation spectrale des


signaux déterministes

59
3. Chapitre 3: Représentation spectrale des signaux
déterministes
3.1 Fonction de corrélation

Dans de nombreux champs d’application du TS, il est nécessaire de comparer deux


signaux x(t) et y(t). L’une des méthodes possibles est de décaler l’un des signaux
par rapport à l’autre, puis de mesurer leur similitude en fonction du décalage. C’est
le principe de fonction de corrélation.

Applications principales: la détection de signaux noyés dans le bruit, la détection


de périodicité cachée, la localisation de sources vibratoires (Ex: centre d’un
séisme)

On distingue les fonctions d’intercorrélation lorsque x(t) et y(t) sont deux signaux
différents, et les fonctions d’autocorrélation lorsque x(t) et y(t) représentant le
même signal.
Les fonctions de corrélation sont donc des outils principaux pour l’étude de la
ressemblance entre les différents signaux (dans le domaine temporel), et la
répartition de l’énergie ou de la puissance dans le domaine fréquentiel.
Nous allons étudier cette fonction pour le cas des signaux à énergie finie et à
puissance finie.

60
3. Chapitre 3: Représentation spectrale des signaux
déterministes
3.2 Signaux d’énergie finie
3.2.1 Rappel et notions:
Un signal peut être caractérisée par son évolution au cours du temps, mais
également par sa répartition dans le domaine des fréquences, appelé spectre :
Spectre d’amplitude, le spectre de phase et le spectre de puissance.

Spectre d’amplitude: X(f)

Spectre de phase:  ( f )  arg( X ( f ))

Spectre de puissance (densité spectrale ou interspectrale) :


2
S xx ( f )  X(f) S xy ( f )  X ( f )  Y  ( f )
Energie totale du système: 
2
Ex   X ( f ) df


Egalité de Parceval  
2 2
 X ( f ) df   x ( t ) dt
 

61
3. Chapitre 3: Représentation spectrale des signaux
déterministes
3.2.2 Fonction de corrélation:

Considérons deux signaux x(t) et y(t). Lorsque les signaux sont à énergie finie, la
fonction de corrélation est définie telle que suit:

 xx ( )   x ( t )  x  ( t   ) dt


 xy ( )   x ( t )  y  ( t   ) dt


3.2.3 Propriétés:

Calculons les fonctions de corrélation des signaux x(t) et y(t) à l’instant τ=0.
Remarquons que l’énergie du signal peut être représentée par la fonction
d’autocorrélation et l’énergie d’interaction entre les deux signaux par la fonction
d’intercorrélation.
 2 
 xx ( 0 )   x (t )

dt  xy ( 0 )   x ( t )  y  ( t ) dt


62
3. Chapitre 3: Représentation spectrale des signaux
déterministes

• La corrélation est non commutative:


 xy ( )   * yx (  )
• L’autocorrélation est bornée en valeur absolue par l’énergie du signal:
 xx ( )   xx ( 0 )  E x

3.2.3 Densité spectrale d’énergie:


La densité spectrale est la transformée de Fourier de la fonction de corrélation.
Théorème de Wiener-Khintchine:

S xx ( f )  TF (  xx ( ))
S xy ( f )  TF (  xy ( ))

Si les x(t) et y(t) à énergie finie alors S(f) sera une densité spectrale énergétique

63
3. Chapitre 3: Représentation spectrale des signaux
déterministes
3.3 Signaux de puissance finie
3.3.1 Fonction de corrélation:
Considérons maintenant deux signaux x(t) et y(t) de puissance finie. La fonction de
corrélation est exprimée comme suit:
T
 xx ( )  lim T    x ( t )  x  ( t   ) dt
T
T
 xy ( )  lim T    x ( t )  y  ( t   ) dt
T
3.3.2 Propriétés:
Calculons les fonctions de corrélation des signaux x(t) et y(t) à l’instant τ=0.
La fonction d’autocorrélation représente la puissance du signal et celle de
l’intercorrélation représente la puissance d’interaction.

T 2 T
1 1
 xx ( 0 )  lim T    x ( t ) dt  xy ( 0 )  lim T    x ( t )  y  ( t ) dt
2T T
2T T

64
3. Chapitre 3: Représentation spectrale des signaux
déterministes
3.3.3 Densité spectrale de puissance :

La densité spectrale est la transformée de Fourier de la fonction de corrélation.


Théorème de Wiener-Khintchine:
S xx ( f )  TF (  xx ( ))
1
S xy ( f )  TF (  xy ( ))  lim T   X T ( f )  YT  ( f )
T
Avec XT(f) représente la transformée de Fourier de x(t) sur une durée T

Si les x(t) et y(t) à énergie infinie et puissance moyenne finie alors S(f) désigne la
densité spectrale de puissance.

65
3. Chapitre 3: Représentation spectrale des signaux
déterministes
3.4 Fonction de corrélation d’un signal périodique

Considérons deux signaux périodiques x(t) et y(t), de période T


• On rappelle que la puissance est définie par:
T / 2 2
1
P   x ( t ) dt  
T T / 2
• La fonction d’autocorrélation est définie par la relation suivante:
T / 2
1
 xx   x ( t )  x * ( t   )dt   x ( t ), x ( t   ) 
T T / 2
•La fonction d’intercorrélation est définie par la relation suivante:
T / 2
1
 xy   x ( t )  y * ( t   )dt   x ( t ), y ( t   ) 
T T / 2

Un petit récapitulatif (A retenir!!)


Les fonctions de corrélation représentent ainsi :
 Le produit scalaire de x(t) et y(t-τ) à chaque instant τ.

66
3. Chapitre 3: Représentation spectrale des signaux
déterministes
 La corrélation, à un instant τ, est nulle si les deux signaux sont perpendiculaires.
 La corrélation, à un instant τ, est maximale si ces deux signaux ont la même
direction.
 Et plus généralement, la corrélation permet donc de mesurer les similitudes
entre deux signaux sur termes d’orientation et de forme

•La fonction d’autocorréation peut être exprimée à partir du développement en


série de Fourier:
N 2
 xx ( )  lim N   n N
C n  e i 2 f 0 n

• Un signal est dit permanent s’il est borné et de puissance moyenne finie mais
d’énergie infinie
• Un signal est dit transitoire s’il est d’énergie finie
9
x 1 0
2 . 5

1 . 5

0 . 5

- 0 . 5

- 1

- 1 . 5

- 2

- 2 . 5
0 5 0 1 0 0 1 5 0 2 0 0 2 5 0 3 0 0 3 5 0 4 0 0 4 5 0 5 0 0

Exemple de signal périodique: ECG 67


3. Chapitre 3: Représentation spectrale des signaux
déterministes

Enregistrement sonore, le Beau Danube


Bleu, [Wiki]

Une partie de l’auto-corrélation du signal, [wiki]

68
3. Chapitre 3: Représentation spectrale des signaux
déterministes
3.5 Etude de la distribution de Dirac

L’analyse spectrale nécessite de connaitre la nature de signal.


 Si le signal est périodique → série de Fourier
 Si le signal à énergie finie → Transformée de Fourier
Problématique : Signaux à puissance finie
On ne peut pas utiliser la transformée de Fourier, comment peut-on avoir ainsi le
spectre?
L’intérêt de distribution est qu’elle permet l’utilisation de la transformée de
Fourier indépendamment de la nature du signal étudié.

3.5.1 Distribution de Dirac


Définition:
Soit la fonction porte ∏T (t) de largeur 2T et d’amplitude 1/T

si T  0 alors lim T  0   T (t ) dt 1


69
3. Chapitre 3: Représentation spectrale des signaux
déterministes
Définition:
La distribution de Dirac est ainsi définie comme la limite de la fonction ∏T (t) quand
T tend vers 0.

0 si t  t 0
 (t  t 0 )  
   si t  t 0 t0

On définit la fonction généralisée δ de Dirac ou distribution de Dirac telle que:



  (t ) dt 1

L’impulsion de Dirac est « une impulsion infiniment fine d’amplitude infinie et
d’aire unité »
Conséquence: L’impulsion de Dirac joue le rôle d’une fonction indicatrice
lorsqu’elle intervient dans une intégrale:

 x ( t ) ( t  t 0 ) dt  x ( t 0 )


70
3. Chapitre 3: Représentation spectrale des signaux
déterministes
Propriétés de la distribution du Dirac:
 Tout signal x(t) peut s’écrire sous la forme suivante:

x (t )   x (t )   (t t 0 )dt 0


Transformée de Fourier de la distribution de Dirac


TF ( (t ))    (t )  e  i 2ft dt 1


 Par simple application de la propriété du retard temporel de la TF, on peut


montrer la relation suivante:

 ( t   )  e  i 2 f 
La transformée de Fourier d’une impulsion placée en t=ꞇ est une
exponentielle complexe

71
3. Chapitre 3: Représentation spectrale des signaux
déterministes
 La transformée de Fourier d’un signal continu (égal à une constante) est une
raie à la fréquence nulle et en utilisant la propriété de parité:

TF (1)   ( f )   (  f )

 La transformée de Fourier d’une fonction exponentielle complexe est une


raie: j 2 f 0 t
TF (e )   ( f  f0 )
 La multiplication par une impulsion de Dirac correspond au produit de la
valeur de cette fonction en zéro et l’impulsion

x (t )   (t )  x ( 0 )   (t )  x (t )   ( 0 )
 Le produit de convolution d’une fonction par la distribution de Dirac est la
fonction elle-même.
x (t )   (t )   (t )  x (t )  x ( t )

72
3. Chapitre 3: Représentation spectrale des signaux
déterministes
Remarque : La transformée de Fourier n’existe pas pour les signaux de
puissance finie mais elle existe au sens des distributions.

3.5.2 Spectre d’un signal sinusoidal

73
3. Chapitre 3: Représentation spectrale des signaux
déterministes
3.6 Peigne de Dirac
La distribution présentant à un intervalle régulier de période T forme le peigne de
Dirac, on note ШT(t) et elle est donnée par :
 
 T (t )  
n  
nT (t )  
n  
nT (t  nT )

La transformation de Fourier de la peigne de Dirac est donnée par:


1
 T (t )   1 / T ( f )
T
Cette distribution présente un très grand intérêt aussi bien pour les différents
calculs inhérents aux fonctions périodiques, qu’aux problèmes liés à
l’échantillonnage des signaux.
74
3. Chapitre 3: Représentation spectrale des signaux
déterministes
3.6 Périodisation d’une fonction
Soit un signal x(t) à support borné [a,b].

Une périodisation du signal x(t) est possible par :


Produit de convolution de x(t) avec un peigne de Dirac
xT(t)=x*ШT(t)

Une telle transformation n’est possible que si la période T est choisie telle que :
T> (b-a)

75
3. Chapitre 3: Représentation spectrale des signaux
déterministes
Soit xT(t) un signal T-périodique. En utilisant la fonction porte Π T/2(t). Il est possible
d’extraire le motif élémentaire du signal T-périodique de la façon suivante.
T T
t [ , ]
 2 2
x (t )  xT (t ) *  T / 2 (t )   xT (t ) pour
 0 sin on
1 N n
xT (t )  lim N    n   N x ( ) n / T ( f )
T T n
On remarque donc que pour tout n   , les valeurs prises par x ( ) sont
données par la relation suivante : T
n T /2
x ( )  TF [ x (t )] n  x (t )e  2 inf 0 t dt
T f   nf 0
T
T / 2

Elles correspondent donc à 1/T près aux coefficients Cn des séries de Fourier d’où:
N
x (t )  lim N    n   N C n n / T ( f )
A partir de cette expression on peut retrouver l’expression complexe de série de
Fourier. N 2 inf 0 t
xT (t )  lim N    n   N C n e
76