Académique Documents
Professionnel Documents
Culture Documents
2018/2019 Ezzazi.ensaf@gmail.com
Introduction
Le signal intervient sous plusieurs formes dans la
plupart des domaines de la technologie :
Télécommunications
Imagerie médicale
Reconnaissance de formes
Optique
Acoustique
Robotique
Aéronautique
statistiques,
et de l’informatique utilisée pour
déployer les méthodes.
Imad ez zazi 2
Objectifs du cours
Acquérir les notions de base pour :
Modéliser, représenter les signaux
Manipuler des signaux analogiques et
numériques
Effectuer des opérations simples de traitement
du signal
Prérequis :
Mathématique
Algorithmique et programmation
Imad ez zazi 3
Contenu du cours
Imad ez zazi 4
Evaluation
• Présence
• Control continu
– TP (30%)
• Examen final
– 70%
Imad ez zazi 5
References
Imad ez zazi 6
Chapitre 1
INTRODUCTION AU TRAITEMENT DU
SIGNAL
7
Qu’appelle-t-on « signal »?
Signal:
Représentation physique d’une information à
transmettre
Entité qui sert a véhiculer une information
Supporte de l’information (analogique ou
numérique)
Une grandeur physique qui fonctionne d’une ou
plusieurs paramètres
Imad ez zazi 8
Qu’appelle-t-on « signal »?
Exemple:
La température d’une pièce en fonction du temps
Onde acoustique : courant délivré par un
microphone (parole, musique, …)
Signaux biologiques :
EEG(Électrocardiogramme: battements du cœur)
ECG(Électroencéphalogramme: ondes cérébrales)
Tension aux bornes d'un condensateur en charge
Signaux géophysiques : vibrations sismiques
Finances : cours de la bourse
Débit d’un fleuve
Images, Vidéos, etc.
Imad ez zazi 9
Qu’appelle-t-on « signal »?
Imad ez zazi 10
Qu’appelle-t-on « signal »?
Bruit magnétique sous marin
Signal de parole
Imad ez zazi 11
Qu’appelle-t-on « signal »?
Imad ez zazi 12
Qu’appelle-t-on « signal »?
Imad ez zazi 13
Traitement du signal
Théorie du signal : théorie permettant d’effectuer une
modélisation (description mathématique) et une analyse des
signaux et des systèmes.
Traitement du signal : a pour objectifs la réalisation
(transformation, création, synthèse) et l’analyse des signaux
porteurs d'informations.
Discipline technique basée sur la théorie du signal. Elle utilise
diverses ressources : l’électronique, de l’informatique, physique
appliquée, mathématique…
Domaines applications
Télécommunications, Géophysique
Reconnaissance de la parole, synthèse du son Astronomie
Radar
Aide à la décision (au diagnostic),
Acoustique
Analyse d’images (médicales, satellitaires…)
Imad ez zazi 14
Traitement du signal
Ensemble de techniques permettant de créer, d'analyser,
de transformer les signaux en vue de leur exploitation
Extraction du maximum d'information utile d'un signal
perturbé par le bruit
Le TS a pour but:
D’extraire de l’information
De modifier le message transporté
D’adapter l’information aux moyens de transmission
Imad ez zazi 15
Traitement du signal
Fonctions de traitement du signal
1. Créer: Elaboration des signaux
Synthèse: création des signaux par
combinaison des signaux élémentaires
Imad ez zazi 16
Traitement du signal
1. Créer: Elaboration des signaux
Modulation: adaptation du signal au canal de
transmission
Imad ez zazi 17
Traitement du signal
Exemple
s(t) est un signal BF a transmettre.
Il sera modulé pour l’adapter au support de
transmission.
Imad ez zazi 18
Traitement du signal
Exemple
Le spectre du signal modulé se trouve décalé en
fréquence et centré sur la fréquence du signal
sinusoïdal modulant.
Imad ez zazi 19
Traitement du signal
Exemple
Le signal reçu est enfin démodulé : il subit un
changement de fréquence et un filtrage
Imad ez zazi 20
Traitement du signal
Exemple
Imad ez zazi 21
Traitement du signal
2. Analyser : Interprétation des signaux
Imad ez zazi 22
Traitement du signal
Imad ez zazi 23
Traitement du signal
Exemple d’application de TS:
• système d’émission chargé de créer ou d’élaborer le
signal afin d’y incorporer l’information (codage,
échantillonnage, modulation),
• système de réception chargé d’interpréter le signal
afin d’en extraire l’information (mesure, détection,
filtrage, décodage, démodulation, estimation).
• Compression de la parole en téléphonie mobile…
• Compression des images JPEG, MPEG…
Imad ez zazi 24
La chaine de transmission de
l’information
Imad ez zazi 25
La chaine de transmission de
l’information
Imad ez zazi 26
La chaine de transmission de
l’information
Acquérir :capteurs sensible aux variations d’une grandeur physique,
délivre un signal électrique
Imad ez zazi 27
La chaine de transmission de
l’information
Imad ez zazi 28
La chaine de transmission de
l’information
Imad ez zazi 29
La chaine de transmission de
l’information
Imad ez zazi 30
La chaine de transmission de
l’information
Imad ez zazi 31
La chaine de transmission de
l’information
Imad ez zazi 32
La chaine de transmission de
l’information
Imad ez zazi 33
La chaine de transmission de
l’information
Imad ez zazi 34
La chaine de transmission
numérique de l’information
Imad ez zazi 35
Notion du bruit
Bruit:
La notion de bruit est relative, elle dépend du contexte
Exemple classique du technicien en télécom et de
l'astronome :
Pour le technicien en télécom :
Ondes d'un satellite = signal utile
Signaux provenant d'une source astrophysique = bruit
Pour l'astronome :
Ondes d'un satellite = bruit
Signaux provenant d'une source astrophysique = signal
Tout signal physique comporte du bruit = une composante
aléatoire
Introduction de la notion du rapport signal/bruit
Imad ez zazi 36
Notion du bruit
Objectif:
Signal = composante déterministe + composante
aléatoire.
Déterminer la qualité d'un signal aléatoire ou déterministe
introduction d'un rapport RS/B quantifiant l'effet du bruit.
Ps
RS Ou RS (dB ) 10 log10 ( RS )
B Pb B B
37
Notion du bruit
Les signaux numériques sont sensibles au bruit, mais
moins que les signaux analogiques.
La qualité d’un signal numérique ne se mesure pas à la
distorsion du signal, mais à la capacité d’un récepteur
de détecter correctement l’état binaire transmis.
Détection d’un message numérique a partir d’un signal reçu bruité
Imad ez zazi 38
Bande passante
Largeur de bande (bandwith)
C'est l'intervalle de fréquences pour lequel les signaux
subissent un affaiblissement inférieur ou égal à 3 dB. les
signaux sont alors correctement reçus.
BP = [Fmin , Fmax]
Exemple :
Imad ez zazi 39
Classification des signaux
Classification dimensionnelle
Classification spectrale
Classification phénoménologique
Classification énergétique
Classification morphologique
Imad ez zazi 40
Classification des signaux
Classification dimensionnelle:
Signal monodimensionnel 1D: Fonction d'un seul
paramètre, pas forcément le temps : une concentration, une
abscisse, etc.
Imad ez zazi 41
Classification des signaux
Classification dimensionnelle:
Signal tridimensionnel: dépendant de trois
paramètres (vidéos, films)
Ex : niveau de luminosité L(x, y, t) des pixels des images
d’un film noir et blanc en fonction de leurs coordonnées x
et y et du temps t.
Imad ez zazi 42
Classification des signaux
Classification spectrale:
Spectre: C’est la distribution de l’énergie ou de la
puissance en fonction de la fréquence.
La classification se fait en comparant le spectre du signal
avec le domaine fréquentiel dans lequel se situe le signal.
On distinguera :
les signaux à bande étroite dont la largeur de bande est
relativement petite,
les signaux à bande large dont la largeur de bande est
relativement grande voire infinie,
les signaux de basses fréquences (BF) dont la largeur de
bande est centrée sur des fréquences relativement faibles,
les signaux de hautes fréquences (HF) dont la largeur de
bande est centrée sur des fréquences relativement
importantes.
Imad ez zazi 43
Classification des signaux
Imad ez zazi 44
Classification des signaux
Remarque
En fonction du domaine de fréquences dans
lequel se situe le signal, on peut établir une autre
classification spectrale :
TBF, BF, HF, VHF,UHF,…
IR (infrarouge), UV(ultra violet),….
Imad ez zazi 45
Classification des signaux
Classification phénoménologique:
Imad ez zazi 46
Classification des signaux
Signaux déterministes :
Imad ez zazi 47
Classification des signaux
Signaux déterministes :
Imad ez zazi 48
Classification des signaux
Signaux déterministes :
Imad ez zazi 49
Classification des signaux
Signaux déterministes :
Imad ez zazi 50
Classification des signaux
Signaux déterministes :
Imad ez zazi 51
Classification des signaux
Signaux aléatoires :
Signaux dont l'évolution temporelle est imprévisible et
dont on ne peut pas prédire la valeur à un temps t.
La description est basée sur les propriétés statistiques des
signaux (moyenne, variance, loi de probabilité, …)
Signaux aléatoires stationnaires Stationnaire si les
caractéristiques statistiques ne varient pas au cours du temps.
Imad ez zazi 52
Classification des signaux
Classification phénoménologique:
Puissance de x(t) T0
2
2
1
P lim
2
x(t ) dt T0
T0 T 2
1
T0
P
0 2
2 x(t ) dt
T
Signaux périodique de période T
T0
2
Imad ez zazi 54
Classification des signaux
Energie du signal
E
2
x(t ) dt
Imad ez zazi 55
Classification des signaux
Puissance de signal
Imad ez zazi 56
Classification des signaux
Classification énergétique:
Signaux à énergie finie
Imad ez zazi 57
Classification des signaux
Classification énergétique:
Remarques:
Signaux à énergie finie puissance
moyenne nulle
Généralement, cas des signaux représentant une
grandeur physique.
Signaux transitoires à support borné
Signaux à énergie infinie puissance
moyenne non nulle
Cas des signaux périodiques
Notion valable pour les signaux aléatoires et
déterministes
Imad ez zazi 58
Classification des signaux
Classification morphologique:
59
Classification des signaux
60
Classification des signaux
Classification morphologique:
61
Classification des signaux
Remarque
62
Signaux élémentaires continus
Echelon unitaire (Echelon de Heaviside)
64
Signaux élémentaires continus
Fonction signe
65
Signaux élémentaires continus
Impulsion ou signal triangulaire
tri(t) ou Λ(t):
66
Signaux élémentaires continus
Exponentielle décroissante
67
Signaux élémentaires continus
Signal sinus cardinal
68
Signaux élémentaires continus
Rampe unitaire
La fonction rampe peut se définir à partir de la fonction saut
unité :
69
Impulsion de Dirac
Si φ est une fonction, la distribution de Dirac ou impulsion de
Dirac est définie par :
70
Impulsion de Dirac
Propriétés:
Dirac représente un signal de durée théoriquement nulle
et d'énergie finie (=1).
Notation incorrecte mais commode :
Une impulsion de Dirac à l'instant t1 donne :
Autre propriété :
72
Pigne de Dirac
Propriétés:
73
Chapitre 2
REPRÉSENTATION FRÉQUENTIELLE DES
SIGNAUX
TRANSFORMATION DE FOURIER
74
Introduction
Notion de fréquence:
Imad ez zazi 75
Introduction
Imad ez zazi 78
Introduction
Autre exemple : analyse d’onde cérébrale
Imad ez zazi 81
Représentation fréquentielle
Imad ez zazi 82
Représentation fréquentielle
1. Les signaux périodiques
Imad ez zazi 83
Représentation fréquentielle
1. Quelques signaux périodiques
A. Signal sinusoïdale
tH
Rapport cyclique (duty cycle )
T
Imad ez zazi 85
Représentation fréquentielle
1. Quelques signaux périodiques
C. Signal triangulaire
Imad ez zazi 86
Décomposition en série de
fourrier (DSF)
Principe
La Décomposition en Série de Fourrier consiste à exprimer un
signal périodique comme une combinaison linéaire de
signaux sinusoïdaux
Imad ez zazi 88
Décomposition en série de
fourrier
Coefficients de la série
Remarque:
xT(t) pair bn=0
xT(t) impair an=0
Imad ez zazi 89
DSF
Définition de la DSF: Forme trigonométrique
Interprétation:
Imad ez zazi 90
DSF
Coefficients de la série
Aire
Aire
Imad ez zazi 91
DSF
Pour un signal impair
Imad ez zazi 92
DSF
Pour un signal impair
Imad ez zazi 93
DSF
Pour les signal impair
Imad ez zazi 94
DSF
Pour un signal pair
Imad ez zazi 95
DSF
Série de Fourier en cosinus
En considérant la relation trigonométrique suivante:
Imad ez zazi 96
DSF
Série de Fourier en cosinus
Imad ez zazi 97
DSF
Série de Fourier en cosinus
Imad ez zazi 98
DSF
Série de Fourier en cosinus
Imad ez zazi 99
DSF
Remarques
– La représentation en cosinus est très importante
car elle correspond à la description des signaux
en régime sinusoïdal permanent où l’on
représente un courant ou une tension par son
amplitude et sa phase.
– D’un point de vue pratique, cela revient à
considérer que le signal x(t) est créé de manière
équivalente par une infinité de générateur
sinusoïdaux.
– La représentation spectrale dans ce cas est
unilatérale.
Application à la DSF:
ou
Les "cn" sont appelés les coefficients de Fourier de x(t). Ils forment
la représentation fréquentielle de x(t).
ck
ck
Transformée
de Fourier
Notations:
Décalage temporel:
L'amplitude Af ne change pas. La
phase est modifié de -j2π ft0
Décalage fréquentiel:
Conjugaison complexe:
Symétrie dans le cas des signaux réels:
Le spectre d'amplitude est
Si x(t) est un signal réel alors:
une fonction paire et le
spectre d'argument est
impair
Symétrie dans le cas des signaux imaginaire purs:
Si x(t) est un signal imaginaire pur alors
Parité:
Si x(t) est un signal réel et pair alors X(f) est réelle et paire
Si x(t) est un signal réel et impair alors X(f) est imaginaire pure et
impaire
130
Troncature d’un signal
Notion d’autocorrélation :
131
Troncature d’un signal
132
Corrélation des signaux
Notion d’autocorrélation :
L'autocorrélation réalise une comparaison entre un signal x(t) et
ses copies retardées (étude de ressemblance d'un signal avec
lui-même au cours du temps)
Pour les signaux à énergie finie
Homogène à une énergie,
Cxx(0) est l'énergie du signal
134
Corrélation des signaux
135
Corrélation des signaux
Notion d’intercorrélation :
L'intercorrélation compare un signal x(t) et un signal y(t)
retardée. Elle mesure la similitude entre ces deux signaux
Pour les signaux à énergie finie
136
Corrélation des signaux
Notion d’intercorrélation :
137
Corrélation des signaux
Notion d’intercorrélation :
138
Chapitre 3
DU SIGNAL CONTINU AU SIGNAL
NUMÉRIQUE
ECHANTILLONNAGE, RECONSTRUCTION,
QUANTIFICATION 139
Introduction
141
Introduction
Afin de bénéficier des nombreux avantages que présente
le traitement numérique de l'information, les grandeurs
analogiques, audio, vidéo ou mesures doivent être d'abord
numérisées (transformées en une suite de nombres binaires
par un CNA).
142
Introduction
La numérisation consiste en la succession de trois
actions sur le signal analogique de départ :
143
Introduction
Propriétés du numérique, c'est à dire du codage en 0/1
144
Introduction
Applications
TV numérique
Enregistrement audio, vidéo
Téléphonie mobile …
Attention : on ne peut pas dire que Numérique >
analogique
Dépend de la qualité de l'échantillonnage et de la
quantification
Certains disent que le signal perd une partie de son âme …
On ne peut pas dire l'inverse non plus !
Il est nécessaire de comprendre comment se fait le passage du
monde analogique à celui du numérique. Dans ce cours, on se
placera dans le contexte de signaux réels.
145
Introduction
Chaine de numérisation
Echantillonnage
Prélèvement de la valeur du signal continu x(t) à des intervalles de temps
tn. Généralement les tn sont régulièrement espacés ; Te = tn+1–tn est appelé
période d'échantillonnage. On obtient la suite de valeurs xe(t) = {x(tn)} avec
tn = nTe.
Quantification
Approximation de chaque valeur xe(t) par un multiple entier d'une quantité
élémentaire q appelée échelon de quantification.
Codage binaire
Transformation de la valeur quantifiée en mot binaire exploitable par le
calculateur
146
Echantillonnage idéal
147
Echantillonnage idéal
Propriétés:
148
TF d’un signal échantillonné
Question: Que devient le spectre du signal x(t) après échantillonnage idéal?
Le spectre de Xe(f) est celui de X(f) "périodisé" avec une période fréquentielle Fe.
L'échantillonnage dans le domaine temporel se traduit par une "périodisation"
de période Fe dans le domaine fréquentiel.
149
TF d’un signal échantillonné
150
TF d’un signal échantillonné
151
Analyse de spectre de Xe(t)
Pour retrouver X(f), donc X(t), il faut supprimer par filtrage toutes les bandes
images, c’est-à-dire filtrer dans la bande [–Fe/2 et Fe/2], ceci n’est possible
que s’il n’y a pas de zone de recouvrement entre les bandes image ,
fe fm f m
152
Analyse de spectre de Xe(t)
On considère que x(t) est un signal réel dont le spectre est
borné en fréquence, de fréquence maximale Fmax i.e.
Le motif principal (n = 0) est égal au spectre de x(t). Comme les motifs sont
disjoints, on peut extraire X( f ) grâce à un filtre passe-bas idéal et donc
reconstituer intégralement le signal x(t) à partir de la connaissance de son
échantillonné xe(t).
153
Analyse de spectre de Xe(t)
156
Echantillonnage réel
Echantillonnage Idéal
L'échantillonnage idéal suppose l'utilisation d'une
impulsion infiniment brève permettant d'extraire la
valeur instantanée x(nTe) à l'instant nTe. C'est donc
l'application de la distribution δ (t - nTe) au signal
continu x(t) :
157
Echantillonnage réel
Echantillonnage Réel
Une impulsion de Dirac idéale possède une aire unité, une amplitude de
1/∆t. Pour la réelle il faut considérer la durée ∆t, faible mais pas nulle.
Donc le signal réel est une suite d’impulsions d’amplitude , de
largeur ∆t
Avec cet échantillonneur, le signal f*(t) suit les variations de f(t) pendant
toute la durée de l’intervalle d’échantillonnage.
158
Echantillonnage réel
159
Echantillonnage réel
Exemple : échantillonnage réel par moyennage simple
160
Echantillonnage réel
Exemple : échantillonnage réel par moyennage simple
161
TF d’un signal échantillonné
Question: que devient le spectre du signal x(t) après
échantillonnage réel?
L'expression du signal échantillonné
avec un échantillonneur réel est :
D'après Plancherel, on a:
162
TF d’un signal échantillonné
Interprétation:
163
Exemple d’échantillonnage réel
• Soit x(t) un signal dont le spectre est à support borné
• On réalise un échantillonnage réel
par moyennage simple
164
Cas des signaux à support
fréquentiel non bornée
Problème des signaux à large bande
• Dans le cas des signaux à support fréquentiel infini, il est impossible de
définir une notion de fréquence maximale. Quelque soit la fréquence
d'échantillonnage Fe , il y a toujours repliement de spectre.
• Les signaux réels comportent souvent une composante fréquentielle à
large bande due à la présence de bruit (perturbations aléatoires), ce qui
imposerait une fréquence Fe importante.
Solution: Filtrage anti-repliement
On va numériser un signal x1(t), qui sera le résultat d'un filtrage passe-bas idéal
du signal x(t) à support fréquentiel infini ou à large bande.
D'une manière générale, afin de garantir la condition de Shannon, il faut
utiliser un filtre passe-bas anti-repliement de fréquence de coupure fc
inférieure à Fe /2
165
Cas des signaux à support
fréquentiel non bornée
Filtre anti-repliement
166
La reconstruction
Problématique
On a échantillonné un signal x(t) en respectant le
théorème de Shannon, comment fait-on pour le
reconstruire à partir des échantillons?
• Hypothèse:
– La condition de Shannon a été respectée lors de l'échantillonnage
( x(t) est à support borné en fréquence ou filtrage anti-repliement)
– Echantillonnage idéal
• Solution: pour reconstruire le signal, il suffit de prendre la TF inverse du
motif de base de Xe( f )
167
La reconstruction
Problématique
• Filtre idéal => la connaissance de tous les échantillons x(nTe) est nécessaire
pour reconstruire le signal
• Reconstruction mathématiquement possible, mais physiquement
irréalisable car le filtre passe-bas idéal n'est pas causal => interpolation
physiquement non réalisable. 168
Chaine de traitement numérique de signal
169
Chaine de traitement numérique de signal
170
Chaine de traitement numérique de signal
171
La quantification
172
La quantification
Rôle
Approximer chaque valeur du signal échantillonné xe(t) par un multiple entier
d'une quantité élémentaire q appelée "pas de quantification" ou quantum
Si q est constant quelle que soit l'amplitude du signal, on parle de
quantification uniforme.
Dans tous les cas, la quantification est une perte d'information.
Principe
Il existe principalement deux modes de quantification
174
La quantification
Erreur (ou Bruit) de quantification
175
La quantification
Quantification scalaire uniforme linéaire
176
La quantification
Quantification scalaire uniforme linéaire
177
Application-MIC
178
Application-MIC
179
Conclusions
180
Bibliographie
181
Exercices
182
Fin
Ezzazi.ensaf@gmail.com
TF usuelles