Académique Documents
Professionnel Documents
Culture Documents
Introduction
Domaines d’application :
• communication, aéronautique, astronautique, acoustique, contrôle de processus
chimique, ingénierie biomédicale, traitement de la parole, économie, météorologie...
• information représentée sous forme de signal
Signal :
• fonction de une ou plusieurs variables indépendantes : f(x,y,z)
• représente / contient information sur un phénomène (physique)
Types de signaux
Signaux continus: f(t), t ∈ R Signaux discrets: f[n], n ∈ Z
t
n
Dimension du signal :
• 1D : f(t) f[n]
• 2D :f(u,v) f[i,j]
• 3D : f(u,v,w) f[i,j,k]
• etc...
5
SIGNAL ?
Mesures
• Capteur, statistiques....
• Développement des capteurs : microphone, céramiques piézoélectriques, antennes,
capteurs CCD, de pression
Capteur
t
Acquisition numérique :
Capteur Echantillonnage
t
• Stockage
• Traitement numérique par ordinateur
• Perte d’information ?
• Importance des techniques numériques
6
EXEMPLES DE SIGNAUX
Signal de parole
0.4
0.3
amplitude
0.2
0.1
‘e’
0
-0.1
-0.2
-0.3
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
Temps (s)
0.6
0.4
amplitude
0.2
-0.2
-0.4 b on j ou r
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Temps (s)
7
EXEMPLES DE SIGNAUX
Début de la
100% campagne de Russie Napoléon
Victoire sur la Russie à Friedland débarque à
Traité de Tilsit avec la Russie
90 Golfe Juan
0
1798 1799 1800 1801 1802 1803 1804 1805 1806 1807 1808 1809 1810 1811 1812 1813 1814 1815
© Le Monde 28/01/1997
8
EXEMPLES DE SIGNAUX
400
350
300
250
200
150
100
50
Signaux ultrasonores
Composante spéculaire Composante diffuse
Émission
Réception
t t
Signal réel
10
EXEMPLES DE SIGNAUX
Plaque artérielle
12
EXEMPLES DE SIGNAUX
Tomographie X
14
EXEMPLES DE SIGNAUX
Tomographie X
16
TRAITEMENT DU SIGNAL ?
Buts :
• Modélisation : représentation d’un phénomène (caractérisation, prédiction...)
• Analyse : extraction d’information (mesure, compression, détection, reconnaissance...)
• Filtrage, restauration : transformation du signal (minimisation du bruit, suppression de
parasite...)
• Etc.
Système de
t Traitement t
Imagerie ultrasonore
N Signaux
Image ?
18
EXEMPLES DE TRAITEMENT
Signaux acquis
Détection
d'enveloppe Enveloppe
Compression
logarithmique Image Compressée
19
EXEMPLES DE TRAITEMENT
0.4
amplitude
0.2
-0.2
-0.4 b on j ou r
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Temps (s)
20
EXEMPLES DE TRAITEMENT
Détection de rupture
Cas idéal σ = 0.4)
Cas réel avec bruit gaussien (σ
2 2
1 1
0 0
-1 -1
-2 -2
0 5 10 15 20 0 50 100 150 200 250
2 2
1 1
0 0
-1 -1
-2 -2
0 5 10 15 20 0 50 100 150 200 250
22
EXEMPLES DE TRAITEMENT
Détection de rupture
σ = 0.4)
Cas réel avec bruit gaussien (σ
2
-1
-2
0 50 100 150 200 250
Opérateur optimisé :
Opérateur différentiel : [ 1 -1 ]
Canny[86] – Deriche[87]
2 4
3
1
2
0
1
-1
0
-2 -1
0 50 100 150 200 250 0 50 100 150 200 250
23
EXEMPLES DE TRAITEMENT
Détection de rupture
σ = 1.0)
Cas réel avec bruit gaussien (σ σ = 1.2)
Cas réel avec bruit gaussien (σ
4 4
2 2
0 0
-2 -2
-4 -4
0 50 100 150 200 250 0 50 100 150 200 250
Opérateur optimisé :
6 4
4
2
2
0
0
-2
-2
-4 -4
0 50 100 150 200 250 0 50 100 150 200 250
24
EXEMPLES DE TRAITEMENT
||2
Bords horizontaux
25
EXEMPLES DE TRAITEMENT
Détection de contour par ensemble de niveau basé sur les dérivées (gradient)
Ensemble de niveau:
Evolution basée sur le
Principe d’évolution
gradient d’une image IRM
26
EXEMPLES DE TRAITEMENT
Sang
Muscle
Histogramme
Histogramme
27
EXEMPLES DE TRAITEMENT
Visualisation de l’information ?
29
EXEMPLES DE TRAITEMENT
N
30
EXEMPLES DE TRAITEMENT
Signaux de base
Retournement
f(t) f(-t)
f[n] f[-n]
35
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE
Changement d’échelle
f(t) f(2t)
f[n] f[2n]
36
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE
Décalage temporel
t0 -t 0
n0 -n0
A AcosΦ
Variation de la fréquence f0 :
f1 f2 f3
f1 < f2 < f3
39
SIGNAUX DE BASE CONTINUS
cos 2πf0t Re
Échelon unité
1
0 si t < 0
u(t) =
1 si t > 0
t
du(t )
Impulsion unité (ou Dirac) : δ(t) on veut u (t ) = ∫ δ (τ )dτ à savoir δ (t ) =
−∞
dt
u∆(t) 1 δ∆(t)
δ = lim δ∆(t)
δ(t) 1/∆
∆→0 Aire = 1
∆ ∆
1
Représentation C
t0
41
SIGNAUX DE BASE CONTINUS
Dirac : interprétation
δ(t) δ(t)
Intervalle Intervalle
d’intégration d’intégration
t 0 τ 0 t τ
t t
1
u(t)
+∞
Dirac : Propriété
∫ δ (t )dt = 1
−∞
δ(t-t0) x(t0)δ(t-t0)
x(t) x(t)
t0 t0
43
SIGNAUX DE BASE CONTINUS
+∞
Dirac : Propriété
∫ x (t )δ (t )dt = x (0)
−∞
+∞
Dirac : Propriété
∫ x (t )δ (t − t0 )dt = x (t0 )
−∞
44
SIGNAUX DE BASE CONTINUS
+∞
2
• Énergie totale : Es = ∫ s ( t ) dt
−∞
T /2
1 2
• Puissance totale, cas général : Ps = lim
T →∞ T
∫ s ( t ) dt
−T / 2
T0 / 2
1 2
• Puissance totale, cas des signaux périodiques Ps =
T0 ∫ s(t ) dt
−T0 / 2
Échelon unité 1
0 si n < 0
u[n] = .......
1 si n ≥ 0
0
n
Impulsion unité : δ[n] on veut u[n ] = ∑ δ [n ] à savoir δ [n ] = u[n ] − u[n − 1]
m = −∞
1
1 si n = 0
δ[n] =
0 si n ≠ 0
+∞ +∞
Propriétés
∑ δ [n ] = 1 ∑ x[n ]δ [n ] = x[0]
n =−∞ n =−∞
x[n] δ[n] = x[0] δ[n] +∞
πf0n
Sinusoïdes discrètes : cos 2π
0.5 0 0
0 -1 -1
0 10 20 30 0 10 20 30 0 10 20 30
fréquence = 1/4 fréquence = 1/2 fréquence = 3/4
1 1 1
0 0 0
-1 -1 -1
0 10 20 30 0 10 20 30 0 10 20 30
fréquence = 7/8 fréquence = 15/16 fréquence = 1
1 1 1
0 0 0.5
-1 -1 0
0 10 20 30 0 10 20 30 0 10 20 30
48
SIGNAUX DE BASE DISCRETS
πf0n
Sinusoïdes discrètes : cos 2π
0.5
Exemple avec 0
• f1 = 1/8
cos(2 π *t/8)
• f2 = 1/8-1 = 7/8 -0.5 cos(2 π *t*7/8)
cos(2 π *n*/8)
-1
-4 -3 -2 -1 0 1 2 3 4
49
SIGNAUX DE BASE DISCRETS
Sinusoïdes discrètes
Périodicité
cos 2πf0(n+N) = cos 2πf0(n) N = k/f0
Exemples
8π
cos( n) f0 = 4/31 (rationnel) cos n/6 f0 = 1/12π, (non rationnel)
31
Période N= k*31/4 N = 31 (avec k=4) Période N = k * 12π Non périodique
cos(8π *t/31) cos(n/6)
1 1
0.5 0.5
0 0
-0.5 -0.5
-1 -1
0 5 10 15 20 25 30 35 40 0 5 10 15 20 25 30 35 40 45 50
50
SIGNAUX DE BASE DISCRETS
Exponentielles discrètes
Énergie Puissance
n2 n2
1
∑
2
∑
2
Énergie moyenne s[n ] Puissance moyenne s[ n ]
n = n1 n2 − n1 n = n
1
+∞
1 N /2
∑
2
∑
Puissance totale Ps 2
Énergie totale Es s[n ] lim s [ n ]
(cas général) N →∞ N n=− N / 2
n =−∞
0 N /2
Condition pour
énergie finie
Es < ∞ Puissance totale Ps 1
∑ s [ n ]
2
(signaux périodiques) N0 n=− N / 2
0
Condition pour
puissance finie
Ps < ∞
52
Définition :
• Un système est un modèle mathématique d’un processus physique qui relie un signal
d’entrée à un signal de sortie
• Un système est un dispositif de traitement du signal
• En entrée : e(t) signal d’entrée
• En sortie : s(t) signal de sortie
Exemples :
• Amplificateur, système audio, téléphone, système vidéo
• Un système complexe peut être vu comme l’interconnexion de plusieurs systèmes dont
les fonctions sont plus simples
Questions
• Comment caractériser un système ?
• Quelles sont les propriétés intéressantes des systèmes ?
• Comment modéliser la relation entre entrée et sortie ?
54
Représentation des Systèmes
Système 1
• Parallèle Input + Output
Système 2
Système 1 Système 2
Système 3
• Feed-back
55
EXEMPLE DE SYSTEMES
AMPLIFICATION
RETARD
MOYENNE GLISSANTE
FILTRAGE
MODULATION
DETECTION
REDRESSEUR (valeur absolue)
QUADRATEUR (élever au carré)
2
Réalisation de systèmes : X
x[n] + y[n]
Y[n] = (2x[n] – x[n]2)2 + | |2
-
| |2
τ +T / 2
INVARIANCE EN TEMPS
Soit y[n]=S{x[n]} ALORS y[n-n0]=S{x[n-n0]}
La sortie du système ne dépend pas de l'origine des temps
La sortie du système ne dépend pas de l’instant où est appliquée l’entrée
t t
0 1 2 0 1 2
3 4 t
0 1 2
58
RAPPEL DE QUELQUES PROPRIETES DE L’IMPULSION UNITE
+∞
+∞
∑ δ [n] = 1 ∫ δ (t )dt = 1
−∞
−∞
+∞ +∞
+∞ +∞
∑ x[n]δ [n − n ] = x[n ]
−∞
0 0
∫ x ( t )δ (t − t 0
) dt = x ( t0 )
−∞
n
∑ δ [k ] = u[n]
t
k =−∞ ∫ δ (τ )dτ
−∞
= u(t )
59
REPRESENTATION DES SIGNAUX EN SOMME D’IMPULSIONS
Exemple de la représentation
x[n]
-4 -1 2 3
d’un signal discret en terme
-3 -2 0 1 4
d’impulsions retardées
x[−2]δ [n + 2]
Généralisation : -4 -3 -2 -1 0 1 2 3 4 n
• Tout signal discret peut être décrit comme une somme
d’impulsions de Dirac retardées et pondérées par x[−1]δ [n + 1]
-1
l’amplitude de ce signal :
-4 -3 -2 0 1 2 3 4 n
+∞
x[ n ] = ∑ x[k ]δ [n − k ]
k =−∞
-4 -3 -2 -1 0 1 2 3 4
x[0]δ [n ]
n
x[1]δ [n − 1]
-4 -3 -2 -1 0 1 2 3 4 n
x (t ) = ∫ x (τ )δ (t − τ )dτ
-4 -3 -2 -1 0 1 3 4 n
−∞
60
NOTION DE REPONSE IMPULSIONNELLE
δ[n] h[n]
S
entrée S sortie
δ[n] h[n]
δ[n-k] h[n-k]
x[k] δ[n-k] x[k] h[n-k]
+∞ +∞
x[n] S y[n]
D’où l’équation de convolution discrète qui lie signal d’entrée, signal de sortie et
réponse impulsionnelle d’un système LIT :
+∞
y[n] = ∑ x[k ] h[n − k ]
k =−∞
62
EQUATION DE CONVOLUTION
+∞ +∞
y[n] = ∑ x[k ] h[n − k ] = ∑ h[k ] x[n − k ]
k =−∞ k =−∞
Notation de la convolution
01 2 34 5 n<0
h[n-k]
64 x[n] S y[n] ?
32
h[n] n 0 k
n-6
h[n] 16
8
4 h[n-k]
12 0<n<4
01 2 34 5 6 7 0 n k
n-6
h[n-k]
4<n<6
h[n-k]
6<n<10
0 n k
n-6
0 1 2 3 4 5 6 7 8 9 10
h[n-k]
n>10
0 n k
n-6
64
CALCUL PRATIQUE DE LA CONVOLUTION
Cas usuel :
• soit x de durée N, h de durée M, avec N≥M (signaux à durée finie)
• x et h ont des amplitudes nulles pour les temps (indices) négatifs (signaux causaux)
alors l’équation de convolution se simplifie
N −1 M −1
y[n] = ∑ x[k ] h[n − k ] = ∑ h[k ] x[n − k ] pour n = 0 à N + M
k =0 k =0
On note que la durée de y[n] est N+M-1 : la convolution ‘allonge’ les signaux
x(τ)
S y(t) ?
x(t)
h(t) τ
h(τ)
y (t ) = x (t ) * h (t )
τ
+∞
h(t0-τ)
= ∫ x(τ )h(t − τ )dτ
−∞
t0>0
+∞ t0 τ
= ∫ h (τ ) x (t − τ )dτ x(τ)h(t0-τ)
y (t0 ) =
+∞
∫ x(τ )h(t
0 − τ )dτ
−∞
−∞
t0 τ
y (t ) =
x (t ) * h(t )
t0 t
66
PROPRIETES DE LA CONVOLUTION
Commutativité
RETARD PUR
x[n] y[n]=x(n-n0)
retard n0
h[n]
h[n]=δ[n-n0] 1
n
0 n0
69
EXEMPLES DE SYSTEMES LIT
MOYENNEUR TEMPOREL
1
k = M −1 h[n]
h[n ] = ∑ δ [n − k ]
k =0
0 M-1
70
PROPRIETES DES SYSTEMES
LINEARITE
INVARIANCE EN TEMPS
CAUSALITE
Définition générale : La sortie d’un système causal ne dépend que des valeurs présentes ou
passées de l’entrée
Cas d’un système LIT : un système LIT est causal si sa réponse impulsionnelle h[n] est nulle
pour n≤0
STABILITE
Définition générale: Un système est stable si à toute entrée d’amplitude bornée correspond
une sortie bornée +∞
Cas d’un système LIT : un système LIT est stable si et seulement si : ∑ h[k ] < ∞
k =−∞
INVERSIBILITE
Un système LIT de réponse impulsionnelle h[n] est inversible si on peut trouver une réponse
impulsionnelle inverse h1[n] telle que
h[n]* h1[n]=δ[n]
Un sous-ensemble très important de systèmes discrets LIT sont ceux dont l’entrée x[n]
et la sortie y[n] sont reliés par une équation aux différences à coefficients constants
(de même les systèmes continus qui sont décrits par des équations différentielles)
La représentation par équations aux différences d’un système LIT est très importante
parce qu’elle permet d’envisager de manière efficace la réalisation de ces systèmes
La Transformée en Z est une outil très efficace pour la réalisation et l’analyse des
caractéristiques de ces systèmes
72
DESCRIPTION DES SYSTEMES EQUATIONS AUX DIFFERENCES
L’expression la plus générale reliant entrée x[n] et sortie y[n] d’un système LIT
est de la forme :
+∞ +∞
∑ b x[n − k ] = ∑ a y[n − k ]
k =−∞
k
k =−∞
k
M N
y[n] = ∑ bk x[n − k ] − ∑ ak y[n − k ]
k =0 k =1
Filtre à réponse impulsionnelle infinie (IIR) : pas d’implantation exacte par convolution
1e-02
80 1e-03
1e-04
60 1e-05
40
20
0
0.2 0.4 0.6 0.8 1
α
74
DESCRIPTION DES SYSTEMES EQUATIONS AUX DIFFERENCES
Réponse impulsionnelle théorique, alpha = 0.15 Réponse impulsionnelle de la version récursive, alpha = 0.15
0.04 0.04
0.035 0.035
0.03 0.03
0.025 0.025
0.02 0.02
0.015 0.015
0.01 0.01
0.005 0.005
0 0
0 10 20 30 40 50 0 10 20 30 40 50
75
DESCRIPTION DES SYSTEMES EQUATIONS AUX DIFFERENCES
Terme général
On suppose y[n ] = k (α n + 1)e −α n
On vérifie alors y[n + 1] = 2e −α y[n ] − e −2α y[n − 1]
= 2e −α k (α n + 1)e −α n − e −2α k [α (n − 1) + 1] e −α ( n −1)
= ke −α ( n +1) (2α n + 2 − α n + α − 1)
= k [α (n + 1) + 1] e −α ( n +1)
cqfd
76
Signaux de base :
j 2πft
• Ensemble des exponentielles complexes de la forme: e
• Elle constituent les fonctions propres des systèmes linéaires invariants
+∞ +∞
j 2π f ( t −τ )
y ( t ) = x ( t ) ∗ h (t ) = ∫ h(τ ) x (t − τ )dτ = ∫ h (τ )e dτ =
x(t) h(t) y(t) −∞ −∞
+∞
e j 2π ft ∫ h(τ )e − j 2π f τ dτ = He j 2π ft On a donc: y(t) = H x(t)
−∞
Conséquence - interprétation :
• un système linéaire invariant ne change pas la fréquence d'une sinusoïde
Exemple
• x(t) fréquence fondamentale f0,
a0 = 1, A1=1/2, A2=1, A3=2/3 et Ak=0 pour k > 3
Θk = 0 ∀ k
Interprétation:
• Équivalence des représentations dans le domaine temporel et dans le domaine de Fourier
4
3
1 1
2/3
2
1 = Ak 1/2
0
0 f0 2f0 3f0 f
-1
0 20 40 60 80 100 120
79
SERIES DE FOURIER
2
1 1
0
-60 -40 -20 0 20 40 60
0.5
1
+ 2 cos(2π f 0t ) 0
-0.5
-60 -40 -20 0 20 40 60
1
+ cos(4π f 0t ) 0
-1
-60 -40 -20 0 20 40 60
1
2
+ cos(6π f 0t ) 0
3 -1
-60 -40 -20 0 20 40 60
4
1 1
2/3
= 2
Ak 1/2
f
x(t) 0
0 f0 2f0 3f0
-2
-60 -40 -20 0 20 40 60
80
SERIES DE FOURIER
+∞ +∞
j 2πkf 0t
b/ Réécriture de x(t) x (t ) = ∑ ak e = a0 + ∑ [ak e j 2πkf 0t + a−k e− j 2πkf 0t ] (2)
k = −∞ k =1
+∞
j 2πkf 0t
c/ (1) dans (2): x (t ) = a0 + 2 ∑ ℜ( ak e )
k =1
∞
ak = Ak e jθ k
1
d/ en posant
2
on retrouve: x (t ) = a0 + ∑ Ak cos(2πkf 0t + θk )
k =1
81
SERIES DE FOURIER
Exemple ak
x(t)
a-2 a-1 a0 a1 a2
2 1 1 2
(1 − j) 1+ j 1 1− j (1 + j)
4 2 2 4
π π
1 −j4 5 0.15 jπ
e 1 5 − 0.15 jπ
e 1 j4
e e
2 2 2 2
Re(ak) Im(ak)
Parties réelles et imaginaire
0 0
0 0
82
SERIES DE FOURIER
Influence de
la période :
− 2T0 − T0 T − T1 T1 T0 T0 2T0
− 0
2 2
1
ak
T0 = 4T1
0
-1
-10 -8 -6 -4 -2 0 2 4 6 8 10
2
ak
T0 = 8T1 1
-1
-20 -15 -10 -5 0 5 10 15 20
2
ak
T0 = 16T1 1
-1
-40 -30 -20 -10 0 10 20 30 40
83
TRANSFORMÉE DE FOURIER DES SIGNAUX CONTINUS
Définitions
+∞ +∞
− j 2πft j 2πft
X( f ) = ∫ x ( t ) e dt x (t ) = ∫ X ( f ) e df
−∞ −∞
Transformée de Fourier Transformée de Fourier inverse
Notations – conventions
TF
x(t) X(f) X(f) = TF[x(t)] et x(t) = TF-1[X(f)]
3. x(t) a un nombre fini de discontinuités dans tout intervalle fini. De plus, chacune de
ces discontinuités doit être finie.
84
TRANSFORMÉE DE FOURIER DES SIGNAUX CONTINUS
1
Exemple : e-at u(t)
1
Transformée de Fourier: X ( f ) =
a + j 2πf
1/a
Re(X(f)) Im(X(f))
1/a
||X(f)||
π/2 Θ(X(f))
−π/2
f
85
TRANSFORMÉE DE FOURIER DES SIGNAUX CONTINUS
Contenu fréquentiel
Cas 1
1.2 6
1 x(t) 5 ||X(f)||
0.8
4
0.6 TF 3
0.4
2
0.2
0 1
-0.2 0
-100 -50 0 50 100 -20 -10 0 10 20
Cas 2
1.2 12
1 x(t) 10
||X(f)||
||X(f)||
0.8
8
0.6 TF
6
0.4
4
0.2
0 2
-0.2 0
-100 -50 0 50 100 -50 0 50
86
TRANSFORMÉE DE FOURIER : PROPRIETES
Linéarité
TF TF TF
Si x(t) X(f) et y(t) Y(f) on a : ax(t)+by(t) aX(f)+bY(f)
Symétries :
• Si x(t) est un signal réel, on a X(-f) = X*(f), d’où les propriété suivantes
• Si de plus x(t) est un signal pair, alors X(f) est purement réelle Exemple: e-a|t|
Décalage temporel :
TF -j2πft 0 Exemples: δ(t) et δ(t-t0)
x(t-t0) X(f) e
Conséquence : un décalage temporel n'affecte pas le module de la T.F.
TF 1 f
Changement d’échelle : x(at) X
a a
87
TRANSFORMÉE DE FOURIER : PROPRIETES
Signaux périodiques :
+∞
j 2πkf 0t
• Si x(t) périodique, de fréquence f0, on a : x (t ) = ∑ k
a e (Série de Fourier)
k = −∞
+∞
• La TF de x(t) est alors donnée par : X( f ) = ∑ akδ ( f − kf0 )
k = −∞
X(f)
x(t)
a-1 a0 a1
TF a-2 a2
T0 t … -2f -f 0 f 2f …
0 0 0
0
+∞
Exemples: e j 2πf 0t cos( 2πf 0t ) sin( 2πf 0t ) Peigne de Dirac: δ T (t ) = ∑ δ (t − kT0 )
0
k =−∞
88
TRANSFORMÉE DE FOURIER : PROPRIETES
Dualité : Exemples: TF de
TF TF 2a
Si x(t) X(f) alors X(t) x(-f) x(t) = 2 x(t) = 1
a + 4π 2t 2
dx(t ) TF
Dérivation : j 2πfX ( f )
dt
t
TF 1 1
Intégration : ∫ x(τ )dτ j 2π f
X ( f ) + X (0)δ ( f )
2
Exemple: u(t)
−∞
Propriété fondamentale
TF TF TF
Si x(t) X(f) et h(t) H(f) on a : x(t) ∗ h(t) X(f) H(f)
Association de systèmes
Exemple: filtrage
1.2 12
1 x(t) ||X(f)||
||X(f)||
10
0.8
8
0.6
6
0.4
0.2 4
0 2
-0.2 0
-100 -50 0 50 100 -50 0 50
TF TF TF
Si x(t) X(f) et h(t) H(f) on a : x(t) h(t) X(f) ∗ H(f)
91
PRINCIPALES PROPRIÉTÉS DE LA TRANSFORMÉE DE FOURIER
92
PRINCIPALES TRANSFORMÉES DE FOURIER
93
x(t)
xe(t) x[k]
95
Notations - Définitions
Echantillonnage des signaux : une nécessité
• Exemple des signaux audio : parole, musique, téléphonie...
Signal analogique
Questions :
De l’information est-elle perdue lors de l’échantillonnage les signaux ?
Peut-on restituer totalement le signal analogique à partir de ses
échantillons ?
96
Opération d’échantillonnage
x(t)
xe(t) t
t
> <
T
X
x(t) xe(t)
δT(t)
+∞
xe (t ) = x(t )δ T (t ) = ∑ x[kT ]δ (t − kT )
k =−∞
Conclusion :
l’échantillonnage de x(t) a pour conséquence la périodisation de son spectre
+∞
X(f)
0 Fmax f
Xe(f)
Xe(f)
X R ( f ) = X e ( f ).H L ( f )
X(f)
0 Fmax f
Xe(f)
-fc 0 fc f
XR(f)
0 Fmax f
100
Limites de la restitution d’un signal échantillonné
>T< t
Sortie CNA
101
Restitution pratique d’un signal échantillonné
Xe(f)
Fe > 2Fmax
X(f)
0 f
Xe(f)
Avec recouvrement
-1/T 0 Fmax Fe f
Xe(f)xHG(f) HG(f)
0 Fe/2 f
Xeg(f)
Sans recouvrement
-1/T 0 Fe/2 Fe f
105
Chaîne complète de traitement numérique
e(t) x(t)=e(t)*hG(t) xe(t) y[n] =x[n] *h[n] ya(t) s(t)= ya(t) *hL(t)
x[n]
E(f) X(f)=E(f)HG(f) Xe(f) Y[k]= Y[k]H[k] Ya(f) S(f)= Ya(f)HL(f)
X[k]
106
Choix pratique de la fréquence d’échantillonnage
TF
... ... ←
→ ... ...
-Te 0 Te 2Te
t -2fe - fe 0 fe 2fe f
se (t ) = s(t )δTe (t )
s(t)
t 0 f
TF
←
→ Se(f )
s e (t)
... ...
t
0T 0 fe f
111
RAPPELS PRELIMINAIRES
TF
sef (t ) = Te ⋅ s(t ) ∗ δTe ( f ) ←
→ S ( f )δ f e ( f ) Périodisation du signal à Te = 1/fe
S(f )
s(t)
t 0 f
TF
s ef (t) ←
→ Sechf(f)
Te t 0 fe f
112
TRANSFORMÉE DE FOURIER DE SIGNAUX DISCRETS
s[n]
TF
←
→ ... ...
0 12…… i …… n
0 1 f
Transformée de Fourier d’un signal à temps discrets (TFTD)
+∞
S( f ) = ∑ s[n ]e − j 2π fn Transformée de Fourier
n =−∞
Propriétés fondamentales
• La transformée de Fourier d'un signal discret est continue et périodique, de période 1
• Le signal discret est décomposé en une intégrale finie d'exponentielles discrètes
113
PRINCIPALES PROPRIÉTÉS DE LA TRANSFORMÉE DE FOURIER D’UN
SIGNAL À TEMPS DISCRETS
TF
←
→
n 0 f
0 N-1 1
Transformée de Fourier discrète (DFT)
• on ne garde qu'une période (N points) du signal et de la TF
• L’axe des fréquences de la TF est normalisé de 0 à N-1
sP[n] S[k]
0 N-1 n 01 N-1 k
La DFT peut donc toujours être vue comme l’échantillonnage sur N points de la TF
périodique et continue d'un signal discret défini sur N points.
S [k ] = S ( f ) f = k / N pour k = 0, N-1
116
TRANSFORMEE DE FOURIER DISCRETE
Propriétés fondamentales
• La DFT (et son inverse) sont discrètes et périodique, de période N
• La DFT (et son inverse) correspondent à une somme finie d'exponentielles discrètes:
la DFT (et son inverse) peuvent donc se calculer numériquement en machine
Implantation efficace de la DFT si N est une puissance de 2 : algorithme de FFT
Ne pas oublier
s[n] S[k]
DFT
0 N-1 n 01 N-1 k
117
PROPRIÉTÉS DE LA TRANSFORMÉE DE FOURIER DISCRETE
Décalage
s[n] de n0 s[n-n0]
0 n 0 n0 n
Décalage du signal s[n] associé à la DFT S[k] Décalage circulaire sur N points
sP[n] S[k]
DFT
0 N-1 n 01 N-1 k
Décalage sP[n-n0]
de n0 Notation: décalage
circulaire de n0 sur
N points
n
x[( n − n0 ) N ]
0 N-1
118
PROPRIÉTÉS DE LA TRANSFORMÉE DE FOURIER DISCRETE
119
TRANSFORMEE DE FOURIER DISCRETE
2.5
stem( angle(my_DFT) );
2
1.5
s[n] 1
1
0.5
0.8
0
0.6
DFT
←→
-1 0 1 2 3 4 5
0.4
Phase de la DFT
3
0.2
2
0
1
-5 0 5 10
0
-1
-2
-3
-1 0 1 2 3 4 5
120
DFT : ZERO-PADDING (AJOUT DE ZEROS)
TFTD
s[n]
←
→ ... ...
0 n 0 1 f
DFT directe: application de la DFT à un tableau de N points
⇔ échantillonnage de S(f) sur N points
s[n] N points
S(k/N) 1 période
DFT
←→
0 N-1 n 0 1 f
Intérêt pratique : en rajoutant les zéros au signal discret on peut donc choisir d’effectuer une
DFT sur un nombre M de points quelconque et donc choisir l’échantillonnage de la TF continue
du signal discret s[n]
121
TRANSFORMEE DE FOURIER DISCRETE
0 0 0
-5 0 5 10 -5 0 5 10 0 10 20 30 40 50
2 2 2
1 1 1
0 0 0
-1 0 1 2 3 4 5 0 2 4 6 8 10 0 10 20 30 40 50
122
TRANSFORMEE DE FOURIER DISCRETE
S[k]
3
Zero-padding et DFT sous Matlab
2.5
2
1.5
1
my_signal = [1 0.9 0.7 0.4 0];
0.5
module_DFT = abs( fft(my_signal) ); 0
module_DFT = abs( fft(my_signal, 10) ); -1 0 1 2 3 4 5
-5 0 5 10 2.5
2
1.5
1
0.5
0
0 10 20 30 40 50
123
R
s(t) ←→ S(f )
E t f
0
S
U
M
E
se(t) ←→ . . . ... Se(f )
0 Te t fe f
0
D
E
←→ . . .
S
s[n] ... S(f )
T
R 01 …… i …… n 0 1 f
A
N N points
N points
S s[n]
←→
1 période
F S(k/N)
O
R 0 N-1 n 0 1 f
M
E
E s[n]
S ← →
DFT
S[k]
0 N-1 n 01 N-1 k
124
Exemple pratique d’application
• Nombre N de points minimum avec lequel le signal doit être échantillonné ? Quel est le
nombre de points effectif choisi ?