Académique Documents
Professionnel Documents
Culture Documents
I Généralités
1°) - Définitions.
Le signal est la représentation physique d'un phénomène qui
évolue dans le temps ou dans l'espace.
Exemples
x(t) x(t)
t0
t t
t1 0
Continu Discret
x(t) x(t)
t t
+∞
∫ x( t ) dt < + ∞
2
Wx =
−∞
⎡1 T
⎤
∫
2
0 < Px = lim ⎢ 2
T x(t) dt ⎥ < +∞
T→∞ T −
⎣ 2 ⎦
Remarques :
- U n s i g n a l à é n e r g i e f i n i e a u n e p u i s s a n c e m o y e n n e n u l l e ( Px = 0 ) .
-Un signal à puissance moyenne finie (non nulle) possède une
é n e r g i e Wx i n f i n i e .
Px ( t ) = x ( t ) x* ( t )
Pxy ( t ) = x( t ) y* ( t )
1 t0 + T
Px ( t 0 , T) =
T ∫ t0
x( t ) x * ( t ) dt
1 t0 + T
Pxy ( t 0 , T) =
T ∫t0
x( t ) y * ( t ) dt
Wx ( t 0 , T) = T Px ( t 0 , T)
Wxy ( t 0 , T) = T Pxy ( t 0 , T)
⎧ ⎡ T T⎤
⎪1 si t ∈ ⎢- ,
Π T (t) = ⎨ ⎣ 2 2 ⎥⎦
2 ⎪⎩ 0 Ailleurs
Π T (t)
2
1
t
-T T
2 2
⎧1 si t ≥ 0
u( t ) = ⎨
⎩0 si t < 0
u(t)
1
t
- Signe : sgn(t)
⎧ 1 si t > 0
⎪
sgn( t ) = ⎨ 0 si t = 0
⎪- 1 si t < 0
⎩
5
sgn(t)
1
t
-1
- T r i a n g u l a i r e : ΛT (t)
⎧ t
⎪1 - si t < T
Λ T (t) = ⎨ T
⎪⎩ 0 Ailleurs
ΛT (t)
t
-T T
- Gaussienne : g(t)
− t2
1 2σ y2
g( t ) = e
σ y 2π
g(t)
1
M=
σy 2π
61 % M
t
σy
sin( t )
sinc( t ) =
t
6
sinc(t)
- Règle de l'Hopital :
Alors:
⎧ f (t) ⎫ ⎧ f ' (t) ⎫
lim⎨ ⎬ = lim⎨ ⎬
⎩
t → t 0 g( t )
⎭ ⎩
t → t 0 g' ( t )
⎭
Exemple :
⎧ sin( t ) ⎫
lim⎨ ⎬ = lim{cos( t )} = 1
t → 0⎩ t ⎭ t→0
7
nt
+ 2 πj 1
g n (t) = e T
= e + 2 πjnν0 t avec, ν 0 = et n ∈ Ζ
T
1 ⎧0 si n ≠ m
g n ( t ), g *m ( t ) =
T ∫ ( T)
g n ( t ) g *m (t) dt = ⎨
⎩1 si n = m
Dem :
T ( n − m) t
1 2 πj
*
g n ( t ), g ( t )
m =
T ∫ -
2
T
2
e T
dt
1 sinπ(n - m) ⎧0 si n ≠ m
g n ( t ), g *m ( t ) = (e πj( n − m) − e − πj( n − m) ) = = ⎨
2 πj(n - m) π(n - m) ⎩1 si n = m
+∞ +∞ nt
∑C ∑C
+ 2 πj
T
f (t) = n g n (t) = ne
n= - ∞ n= - ∞
nt
1 − 2 πj
Cn = f ( t ), g *n ( t ) =
T ∫
( T)
f (t) e T
dt
8
1
T ∫(T)
- C0 : c o m p o s a n t e c o n t i n u e = f ( t ) dt
- C1 : 1ére H a r m o n i q u e o u f o n d a m e n t a l e d u s i g n a l f ( t ) .
- C n : c o n t r i b u t i o n d e l a n ième h a r m o n i q u e .
Propriétés :
- S i f ( t ) r é e l l e a l o r s C n = C*− n (f (t) = f * ( t ))
- S i f ( t ) r é e l l e e t p a i r e a l o r s Cn r é e l ( f (t) = f * ( t ) = f (-t))
- S i f ( t ) r é e l l e e t i m p a i r e a l o r s C n i m a g i n a i r e ( f (t) = - f (-t) = f * ( t ) )
Exemples :
A
1 ) S o i t C n u n e s u i t e d é f i n i e p a r : C1 = C −1 = et C n = 0 , si n ≠ (1,-1) .
2
Déterminer f(t)?
+∞ nt
A t t
2 πt
∑C
+ 2 πj 2 πj − 2 πj
T T T
f (t) = n e = (e + e ) = A cos( )
n = -∞ 2 T
f(t)
1
t
-T −τ τ T
2 2 2
2
Cn
-1 1
τ τ n
-1 1 T
T T
Relation de PARSEVAL :
+∞ 2
1
∫ ∑C
2
*
Pf =< f(t), f (t) > f (t) dt = n
T ( T)
n = −∞
Dem :
+∞ +∞
1
Pf =
T ∫ (T)
*
f(t) f ( t ) dt = ∑ ∑C
n = -∞ m = -∞
n C *m < g n ( t ), g *m ( t ) >
m 2
d ' o ù : Pf = ∑
n = −∞
Cn
Exemple :
+∞ 2
2πt A2
D a n s l e c a s d u s i g n a l A cos(
T
) l a p u i s s a n c e e s t Pf = ∑
n = −∞
Cn =
2
+∞
a0 ⎡ n n ⎤
f (t) =
2
+ ∑ ⎢⎣a
n =1
n cos(2 π
T
t) + b n sin(2 π t) ⎥
T ⎦
Dem :
+∞ n
⎡ n +∞
− 2 πj t ⎤
n
∑ Cne ∑ ⎢ n
+ 2 πj t + 2 πj t
⎥
T T T
f (t) = C= C0 +
e + C -n e
n = -∞ n = 1 ⎣ ⎦
+∞
⎡ t t ⎤
f (t) = C 0 + ∑ ⎢(C n +C − n ) cos(2 πn ) + j (C n - C − n ) sin(2 πn ) ⎥
n =1 ⎣ T T ⎦
d'où :
10
2 2πnt
an = Cn + C− n =
T ∫( T )
f ( t ) cos(
T
) dt
2 2πnt
bn = j (C n - C − n ) = ∫
T ( T)
f ( t ) sin(
T
) dt
1
Cn = (a - j b n )
2 n
L e s p e c t r e d u s i g n a l , r e p r é s e n t é p a r l e s Cn , p e u t ê t r e d é c o m p o s é
en :
1
- Un spectre d'amplitude = Cn = a 2n + b 2n
2
2
- Un spectre de puissance = Cn
− bn
- Un spectre de phase = Arg(C n ) = Arctg( )
an
Remarques
- L a d é c o m p o s i t i o n e n Cn i n t r o d u i t l a n o t i o n d e " f r é q u e n c e s
négatives ". Ces fréquences n'ont aucun sens physique, elles
permettent uniquement de simplifier le calcul.
2°) - Distributions.
Nous nous intéresserons, dans ce paragraphe, à la
distribution de DIRAC. Pour de plus amples renseignements sur
la théorie des distributions, on pourra consulter les ouvrages L.
SCHWARTZ et E. ROUBINE.
L a d i s t r i b u t i o n d e D I R A C , n o t é e δ( t ) , t i e n t u n e p l a c e
particulièrement importante en traitement du signal. En effet,
elle intervient dans un grand nombre d'applications telles que
l'échantillonnage, la modulation ou le filtrage.
Cette définition n'a aucun sens car une fonction presque partout
nulle serait d'aire nulle.
⎧ + ∞ f ( t ) dt = 1
⎪∫- ∞ n
⎨
[
⎪ δ( t ) = lim f n ( t ) ]
⎩ n → +∞
f (t)
n
n
2
1 t
-1
n n
δ (t- to )
δ (t)
t t
0 to
Propriétés
δ ( t ) f ( t ) = f ( 0) δ ( t )
δ( t − t 0 ) f ( t) = f ( t 0 ) δ( t − t 0 )
12
Cela signifie que l'aire associée au pic de DIRAC n'est plus
u n i t a i r e , m a i s v a u t f ( 0 ) o u f ( t0) .
- Intégration :
et bien sûr
+∞ +∞
∫−∞
δ ( t ) dt = ∫ −∞
δ ( t - t 0 ) dt = 1
(t)
T
t
-3T -2T -T 0 T 2T 3T
+∞
|_ I _ |T ( t ) = ∑ δ(t
n = −∞
−nT)
+∞ +∞
f ( t ) |_ I_ |T ( t ) = f ( t ) ∑ δ( t
n = −∞
- nT) = ∑ f ( nT) δ(t
n = −∞
- nT)
O n p o s e : fe ( t ) = f ( t ) | _ I_ |T ( t )
O n d i t q u e fe ( t ) e s t u n e f o n c t i o n é c h a n t i l l o n n é e .
13
t (t)
-2T -T 0 T 2T T
t
-2T -T 0 T 2T
∫−∞ x( t ) e−2πjft dt
+∞
TF { x( t )} = X( f ) =
= ∫ X( f ) e +2 πjft df
+∞
TF -1
{ X( f )} = x(t)
−∞
Exemple :
C o n s i d é r o n s l a f o n c t i o n p o r t e x ( t ) = ∏ τ (t)
2
⎧ ⎡- τ τ⎤
⎪1 si t ∈ ⎢ ,
x( t ) = ⎨ ⎣ 2 2 ⎥⎦
⎪⎩ 0 Ailleurs
On a :
τ
+∞
X( f ) = ∫−∞
x( t ) e − 2 πjft
dt = ∫ −
2
τ e − 2 πjft dt
2
τ
[e − 2 πjft
] 2
−τ
sin( πfτ)
τ sinc( πfτ)
2
X( f ) = = =
− 2 πjf πf
14
X(f)
x(t) τ
−τ t f
τ -1 1
2 2 τ τ
Notation :
Définitions :
- S p e c t r e d ' a m p l i t u d e = X( f )
2
- S p e c t r e ( o u d e n s i t é s p e c t r a l e ) d e p u i s s a n c e = X( f )
⎛ Im {X( f )} ⎞⎟
- Spectre de phase = Arctg ⎜ = ϕ( f )
⎝ Re {X( f )} ⎠
Remarques :
Conditions d'existence de la TF
a) f(t) bornée
∫-∞
+∞
b) f ( t ) dt existe
c) les discontinuités de f(t) sont en nombre limité.
Propriétés :
- L i n é a r i t é : TF e t TF −1 s o n t d e s o p é r a t e u r s l i n é a i r e s .
TF
∀ λ ∈ C , λ x(t) + y(t) ⇔−1 λ . X(f ) + Y(f )
TF
1 ⎛f⎞
∀ a ∈ R , f(at) ⇔ F⎜ ⎟
a ⎝ a⎠
Dem :
En posant at = t'
⎛f⎞
+∞ 1 +∞ − 2 πj⎜ ⎟ t ' 1 ⎛f⎞
∫−∞
f (at ) e − 2 πjft
dt = Signe(a )
a ∫ -∞
f (t' ) e ⎝ a⎠
dt ' = F⎜ ⎟
a ⎝ a⎠
- Translations :
TF
x( t - t 0 ) ⇔ exp( −2 πjft 0 ) X( f )
TF − 1
X( f - f 0 ) ⇔ exp( +2 πjf 0 t ) x( t )
Dem :
En posant t - t 0 = t'
+∞ +∞
∫−∞
x( t - t 0 ) e − 2 πjft dt = e − 2 πjft 0 ∫
−∞
x( t ' ) e − 2 πjft ' dt ' = e − 2 πjft 0 X( f )
- Dérivation en temps :
dx( t )
⇔ 2 πjf X( f )
dt
d n x( t )
⇔ (2 πjf) n X( f )
dt n
Dem:
16
n
d x( t )
=
dn [∫ -∞
+∞
X( f ) e 2 πjft df ] = ∫
+∞
X( f )
d n (e 2 πjft )
df
dt n d tn -∞ d tn
d n x( t )
= TF − 1 { (2 πjf ) n X( f )}
dt n
- Dérivation en fréquence :
dX( f ) TF −1
⇔ - 2 πjt x( t )
df TF
n
d X( f )
⇔ (-2 πjt ) n x( t )
df n
- Parité :
Si x(t) est un signal réel et pair alors son spectre X(f) est réel et
pair.
Dem :
t' = - t
+∞ +∞ ↓ +∞
X (f ) = ∫ x ( t )e − 2 πjft
dt = ∫ x (− t )e − 2 πjft
dt = ∫ x ( t ' )e −2 πj( − f ) t dt '
−∞ −∞ −∞
⎢⎣ -∞ ⎥⎦
x( t ) = δ ( t ) ⇔ X( f ) = 1
x( t ) = 1 ⇔ X( f ) = δ ( f )
x( t ) = e + 2 πjf0 t ⇔ X( f ) = δ ( f - f 0 )
x( t ) = δ ( t - t 0 ) ⇔ X( f ) = e − 2 πjft 0
x( t ) =
1 jϕ 0
cos(2 πf 0 t + ϕ 0 ) ⇔ X( f ) =
2
e δ ( f - f 0 ) + e − jϕ 0 δ( f + f 0 ) [ ]
x( t ) = sin(2 πf 0 t + ϕ 0 ) ⇔ X( f ) =
1 jϕ 0
2j
e δ ( f - f 0 ) - e − jϕ 0 δ ( f + f 0 ) [ ]
1 1 +∞ n
x ( t ) = | _ I_ |T ( t ) ⇔ X ( f ) = | _ I_ | 1 ( f ) = ∑ δ (f - )
T T
T n = −∞ T
Relation de PARSEVAL
17
+∞ 2 +∞ 2
Wx = ∫
−∞
x( t ) dt = ∫ −∞
X( f ) df
Dem :
∫ [∫ ][∫ ]
+∞ 2 +∞ +∞ +∞ *
∫−∞
x( t ) dt =
−∞ −∞
X( f ) e 2 πjft
df
−∞
X( f ' ) e 2 πjf ' t
df ' dt =
∫ ∫
-∞
+∞ +∞
-∞
X( f ) X * ( f ' ) [∫ +∞
−∞ ]
e − 2 πjt ( f ' − f ) dt df df '
+∞ +∞
[∫ +∞
]
2
∫−∞
x( t ) dt = ∫
−∞
X( f )
−∞
X * ( f ' )δ ( f '− f )df ' df
avec :
+∞
∫−∞
X * ( f ' )δ ( f − f ' )df ' = X * ( f )
d ' où :
+∞ 2 +∞ 2
∫−∞
x( t ) dt = ∫
−∞
X( f ) df
2
X( f ) est appelée densité spectrale d'énergie ou parfois,
abusivement, densité spectrale de puissance. On peut montrer de
la même façon que, pour deux signaux x(t) et y(t), l'énergie
d ' i n t e r a c t i o n Wxy v é r i f i e l a r e l a t i o n :
+∞ +∞
Wxy = ∫ −∞
x( t ) y * (t) dt = ∫−∞
X(f)Y * ( f ) df
18
1°) - Convolution.
La convolution est un opérateur fondamental en traitement
du signal. Il provient de la théorie des systèmes linéaires et
invariants. Soit h(t) la réponse impulsionnelle du filtre, c'est à
dire la réponse du filtre lorsque l'entrée est un impulsion de
Dirac:
FILTRE
δ(t) h(t)
+∞
y(t) = x( t ) * h( t ) = ∫−∞
x( u) h(t - u) du
Filtre de réponse
x(t) Impulsionnelle y(t)
h(t)
Interprétation
S o i t h1 ( t ) l a r é p o n s e d u s y s t è m e à u n e i m p u l s i o n d e l a r g e u r Δt
1
et de hauteur . h 1 ( t ) Δt e s t d o n c l a r é p o n s e à u n e i m p u l s i o n d e
Δt
l a r g e u r Δt e t d e h a u t e u r u n i t é .
x(t)
x(0) x(kΔ t)
Δt kΔt
t
+∞
y( t ) = ∑ x( kΔt ) h ( t
k = -∞
1 - kΔt ) Δt
S i Δt d e v i e n t t r è s p e t i t a l o r s l ' i m p u l s i o n t e n d v e r s u n p i c d e
D i r a c e t , p a r c o n s é q u e n t , l a r é p o n s e h1 (t) t e n d v e r s l a r é p o n s e
impulsionnelle h(t). On trouve pour y(t):
+∞
y( t ) = ∫ −∞
x( u) h( t − u) du
Propriétés
+∞
- δ( t ) é l é m e n t n e u t r e : δ( t ) * g ( t ) = ∫ δ(u)g ( t - u ) du = g ( t )
-∞
- δ( t − t 0 ) é l é m e n t d e t r a n s l a t i o n :
+∞
δ( t − t 0 ) * g ( t ) = ∫ δ(u − t 0 )g ( t - u ) du = g ( t - t 0 )
-∞
⎡ +∞ ⎤ +∞ +∞
| _ I_ | T ( t ) * g( t ) = ⎢ ∑ δ ( t − nT) ⎥ * g( t ) =
⎣ n = −∞ ⎦
∑ [δ( t − nT) * g( t )]
n = −∞
= ∑ g( t − nT)
n = −∞
Exemple :
⎡− T T⎤
Soit g(t) un signal défini sur l'intervalle ⎢ . Le produit de
2 ⎥⎦
,
⎣ 2
c o n v o l u t i o n |_ I_ |T ( t ) * g ( t ) r e s t i t u e u n s i g n a l p é r i o d i q u e :
-T
2
t t
T
2
δ( t − t 1 ) * δ( t − t 2 ) = δ( t − t 1 − t 2 )
Exemple :
Soit x( t ) = ∏ T
2
( t ) et g( t ) = ∏ T
( t − T) . Calculons y(t) .
x(t) g(t)
1 1
t t
-T T 2T
2 2
d'où :
g(t-u)
u
t-2T t
et :
t
-T T 3T 5T
2 2 2
2
Théorème de PLANCHEREL
TF( x( t ) * y( t ) ) = X( f )Y( f )
TF( x( t ) y( t ) ) = X( f ) * Y( f )
Dem :
21
⎡ +∞ ⎤ ⎡ +∞ ⎤
TF{ x( t ) * y( t )} =
+∞ +∞
∫−∞ ⎣⎢ ∫_ ∞
x( u) y( t − u) du⎥ e − 2 πjtf dt =
⎦ ∫
−∞
x( u) ⎢ ∫ y( t − u) e − 2 πjtf dt ⎥ du
⎣ _∞ ⎦
⎡ +∞ ⎤
TF{ x( t ) * y( t )} =
+∞
∫−∞
x( u) ⎢ ∫ y( τ) e − 2 πjfτ dτ ⎥ e − 2 πjfu du = X( f )Y( f )
⎣ _∞ ⎦
Application :
⎡ δ( f − f 0 ) + δ( f + f 0 ) ⎤
y( t ) = x( t ) cos(2 πf 0 t) ⇔ Y( f ) = X( f ) * ⎢ ⎥
⎣ 2 ⎦
X( f − f 0 ) X( f + f 0 )
y( t ) = x( t ) cos(2 πf 0 t) ⇔ Y( f ) = +
2 2
X(f)
f
-4 KHz 4 KHz
Y(f)
X(f-fo) X(f+fo)
f
-fo-4 -fo -fo+4 fo-4 fo fo+4
y( t ) = x 1 ( t ) cos(2 πf 1 t ) + . . + x n ( t ) cos( 2 πf n t )
o ù f1 , f2 ,..., f n s o n t l e s p o r t e u s e s a s s o c i é e s à x1 ( t ) , x 2 ( t ) , .. , x n ( t ) .
Y(f)
X 2(f-f2)
X 1(f-f1) 2 X 3(f-f3)
2
2
f
-f3 -f2 -f1 f1 f2 f3
E n r é c e p t i o n , p o u r r e t r o u v e r l e m e s s a g e xi ( t ) , i l f a u t f i l t r e r
y ( t ) p a r u n f i l t r e p a s s e - b a n d e [ fi − 4 KHz , fi + 4 KHz ] p u i s d é m o d u l e r l e
signal de sortie du filtre ( translation du spectre autour de
l'origine des fréquences ) afin que le message soit audible.
⎧ ⎡_ T T ⎡
⎪x( t ) si t ∈ ⎢
2 ⎢⎣
,
x T (t) = ⎨ ⎣ 2
⎪⎩ 0 Ailleurs
On a :
x( t ) = x T ( t ) * | _ I_ |T ( t )
d'où :
1
X( f ) = X ( f ) | _ I_ | 1 ( f )
T T T
Soit encore :
+∞
1 ⎛ n⎞ ⎛ n⎞
(1) X( f ) =
T
∑X
n = −∞
T ⎜ ⎟ δ⎜ f −
⎝ T⎠ ⎝
⎟
T⎠
∑ Cne ∑C
2 πj t
(2) x( t ) = T
et X( f ) = δ⎜ f − ⎟
n = −∞ n = −∞
n
⎝ T⎠
⎛ n⎞
XT ⎜ ⎟
⎝ T⎠
Cn =
T
2°) - Corrélation.
Soient x(t) et y(t) deux signaux à énergie finie, la fonction
d ' i n t e r c o r r é l a t i o n C xy ( τ ) est définie par :
+∞
C xy ( τ) = ∫
-∞
x( t ) y * ( t − τ) dt
S i C xy ( τ ) = 0 o n d i t q u e l e s s i g n a u x x ( t ) e t y ( t ) s o n t d é c o r r é l é s
ou orthogonaux.
Exemple
x(t) y(t)
Objet
Radar
Emetteur - Récepteur
24
x(t) y(t)
t t
T
C xy (t)
L e m a x i m u m τ0 d o n n e l a d i s t a n c e à l ' o b j e t . E n e f f e t s i v0 e s t l a
vitesse de propagation de l'onde on a :
v0τ0
d = ← trajet Aller et Retour
2
S i x ( t ) = y ( t ) , C xx ( τ ) e s t a p p e l é f o n c t i o n d ' a u t o c o r r é l a t i o n d u
signal x(t).
Propriétés
C xy ( τ) = C *yx ( − τ)
Dem :
*
= ⎡⎢∫ x * ( t '+ τ) y( t ' ) dt '⎤⎥
+∞ +∞
C xy ( τ) = ∫-∞
x( t ) y * ( t − τ) dt
↑
t - τ = t'
⎣ −∞ ⎦
[∫ ]
+∞ *
C xy ( τ) = y( t ' ) x * ( t '−( − τ)) dt '
−∞
d'où:
C xy ( τ) = C *yx ( − τ)
O n e n d é d u i t q u e C xx ( τ ) e s t à s y m é t r i e h e r m i t i e n n e :
C xx ( τ) = C *xx ( − τ)
- L ' é n e r g i e t o t a l e Wx d ' u n s i g n a l x ( t ) e s t :
+∞ 2
Wx = ∫-∞
x( t ) dt = C xx (0) > 0
25
C xx ( τ) ≤ C xx (0) ∀τ
2
C xy ( τ) ≤ C xx (0)C yy (0) ∀τ
Théorème de Wiener-Kintchine
{
TF C xy ( τ) } = S xy ( f ) = X( f )Y * ( f )
Dem :
{
TF C xy ( τ) } = ∫ -∞
+∞
C xy ( τ)e − 2 πjfτ dτ = S xy ( f )
⎡ ⎤
⎡ + ∞x( t ) y * ( t − τ) dt ⎤ e − 2 πjfτ dτ = ⎢ dτ ⎥ dt
+∞ +∞ +∞
S xy ( f ) = ∫
−∞ ⎢⎣ ∫- ∞ ⎥⎦ ∫ −∞
x( t ) ∫ y ( t − τ ) e
⎢ -∞
* − 2 πjfτ
⎥
⎢⎣ ↑
t' = t - τ ⎥⎦
+∞ +∞
S xy ( f ) = ∫
−∞
x( t ) e − 2 πjft dt ∫ −∞
y * ( t ' ) e + 2 πjft ' dt '
[∫ ]
+∞ *
S xy ( f ) = X( f ) y( t ' ) e − 2πjft ' dt ' = X( f ) Y * ( f )
−∞
2
S i x ( t ) = y ( t ) a l o r s S xx ( f ) = X( f ) .
S xx ( f ) e s t l a d e n s i t é s p e c t r a l e d ' é n e r g i e . C ' e s t u n e f o n c t i o n r é e l l e
positive.
S i C xy ( τ ) e s t l ' i n t e r c o r r é l a t i o n d e s s i g n a u x x ( t ) e t y ( t ) a l o r s :
C xy ( τ) = x( τ ) * y * ( − τ )
Dem :
{
TF C xy ( τ) } = S xy ( f ) = X( f ) Y * ( f )
d'où
C xy ( τ) = TF − 1 S xy ( f ) { } = x( t ) * TF − 1 {Y * ( f )}
avec
26
TF − 1 {Y * ( f )} = [∫ ]
+∞ +∞ *
∫
−∞
Y * ( f )e 2 πjfτ df =
−∞
Y( f )e 2 πjf ( − τ ) df = y * ( − τ)
⎧1 T
⎫
x( t ) * y( t ) = lim ⎨
T → +∞ T
∫ −
2
T x( u) y( t − u) du⎬
⎩ 2 ⎭
⎧1 T ⎫
C xy (τ ) = lim ⎨
T →+∞⎩ T
∫−2T x( t ) y* ( t − τ ) dt ⎬
2 ⎭
T0
1
x( t ) * y ( t ) =
T0 ∫−
2
T0 x( u) y( t − u) du
2
T0
1
C xy ( τ) =
T0 ∫−
2
T0 x( t ) y * ( t − τ ) dt
2
{
TF C xy ( τ) } = S xy ( f )
⎧ ⎡ T T⎤ ⎧ ⎡ T T⎤
⎪x( t ) si t ∈
x( t , T) = ⎨ ⎢⎣ 2 2 ⎥⎦ et y( t , T) = ⎪⎨y( t ) si t ∈
− , ⎢⎣− 2 , 2 ⎥⎦
⎪⎩ 0 Ailleurs ⎪⎩ 0 Ailleurs
L a p u i s s a n c e t o t a l e Pxy e s t :
+∞
(1) Pxy = ∫
-∞
S xy ( f ) df
Mais aussi :
T
1 1 +∞
Pxy = lim
T → +∞ T ∫-
2
T x( t ) y * ( t ) dt = lim
T → +∞ T ∫
-∞
x( t , T)y * ( t , T) dt
2
1 +∞
(2) Pxy = lim
T → +∞ T ∫-∞
X( f , T)Y * ( f , T) df
⎧ X( f , T)Y * ( f , T) ⎫
S xy ( f ) = lim ⎨ ⎬
T→∞
⎩ T ⎭
⎧1 2⎫
S xx ( f ) = lim ⎨ X( f , T) ⎬
T → +∞ ⎩ T ⎭
1 +∞
ΔF =
Wx ∫
−∞
f 2 S xx ( f ) df
et
Bu = 2 α ΔF avec α choisi arbitrairement.
Sxx(f)
ΔF
Bu
f
D e m ê m e o n d é f i n i t l a d u r é e u t i l e Du d ' u n s i g n a l x ( t ) p a r :
Du
t
B u D u ≥ Cte
Dem :
2 2
+∞ dx( t ) +∞ 2 +∞ dx( t )
∫ −∞
t x( t )
dt
dt ≤ ∫-∞
t 2 x( t ) dt ∫
-∞ dt
dt
[ t x 2 ( t )] − ∞ −
+∞ dx( t ) 1 +∞ 1 +∞ Wx
∫−∞
t x( t )
dt
dt =
2 2 ∫
−∞
x 2 ( t ) dt = -
2
de plus :
2
+∞ dx( t ) +∞
∫−∞ dt
dt = 4 π 2 ∫
−∞
f 2 S xx (f) df = 4 π 2 Wx ΔF 2
d'où :
Wx2
≤ Wx T 2 4 π 2 Wx ΔF 2
4
1 αβ
4TΔF ≥ d' où D u Bu ≥
π π
Fenêtres d'observation.
s(t) = x(t)f(t)
[
⎪⎧1 si t ∈ t 0 , t 1
f (t) = ⎨
]
⎪⎩ 0 Ailleurs
t1
t t
t0
S( f ) = X( f ) * F( f ) = X( f )
on en déduit :
F( f ) = δ ( f ) ⇒ f ( t ) = 1
L a f o n c t i o n u n i t é ( f ( t ) = 1) d é f i n i e s u r ] −∞,+∞[ n ' e s t p a s u n e
fenêtre. On en déduit cependant que la transformée de Fourier
d'une fenêtre "satisfaisante", c'est à dire modifiant peu X(f), doit
s'approcher du pic de Dirac.
La fonction Porte ∏ T
2
(t) , a p p e l é e a u s s i f e n ê t r e n a t u r e l l e f u t l a
première utilisée. Sa transformée P(f) est :
⎡ ⎤
P(f) = TF⎢∏ T ( t ) ⎥ = T sinc( πfT)
⎣ 2 ⎦
f1
f
1
T
Lobes secondaires
P( f 1 )
Q = 20 Log 10
P(0)
O ù P ( f1 ) e s t l ' a m p l i t u d e m a x i m a l e d u 1er l o b e s e c o n d a i r e .
1
Dans le cas de la fenêtre naturelle on trouve B = et Q= -13 dB.
T
B définit la résolution ou pouvoir séparateur du spectre. Si
X ( f ) e s t c o n s t i t u é d e d e u x r a i e s a u x f r é q u e n c e s t r è s p r o c h e s f1 e t
f2 ( f1 − f2 < B ) , i l n e s e r a p a s p o s s i b l e d e l e s d i s t i n g u e r .
S(f)
f
f1 f2
2
Λ T (t) =
T
∏ T
4
(t) * ∏ T
4
(t)
2
d'où:
⎧⎪ ⎫⎪ T ⎛ T⎞
TF⎨Λ T ( t ) ⎬ = sinc 2 ⎜ πf ⎟
⎪⎩ 2 ⎪⎭ 2 ⎝ 2⎠
2
On a: B = et Q = -26 dB
T
⎧ 1 2 πt ⎡ T T⎤
⎪H N ( t ) = (1 + cos ) si t ∈ ⎢- , ⎥
⎨ 2 T ⎣ 2 2⎦
⎪⎩ H N ( t ) = 0 Ailleurs
2
B = et Q = -32 dB
T
H N (t)
t
-T T
2 2
1 1 ⎛ 1⎞ 1 ⎛ 1⎞ ⎧ ⎫
H N (f ) = P( f ) + P⎜ f + ⎟ + P⎜ f − ⎟ , avec: P( f ) = TF⎨∏ T ( t ) ⎬
2 4 ⎝ T⎠ 4 ⎝ T⎠ ⎩ 2 ⎭
33
Fenêtre de Hamming : R.W. HAMMING a étudié une famille de
fonctions définies par:
⎧ 2 πt ⎡ T T⎤
⎪H m ( t ) = α + (1 - α ) cos( ) si t ∈ ⎢- , ⎥
⎨ T ⎣ 2 2⎦
⎪⎩ H m ( t ) = 0 Ailleurs
2
L a v a l e u r d e α q u i m i n i m i s e Q e s t α= 0 , 5 4 . O n a a l o r s B = et
T
1
Q = -52 dB . P o u r α = , on retrouve la fenêtre de HANNING.
2
5°) - Filtrage.
Soit S un filtre de réponse impulsionnelle h(t). Soient x(t)
l'entrée de ce filtre et y(t) la sortie :
y(t)=h(t)*x(t) et Y(f)=H(f)X(f)
+∞ +∞
y ind ( t ) = ∫
-∞
u( τ) h( t − τ) dτ = ∫
0
h( t − τ) dτ
∫
t
y ind ( t ) = h( t ' ) dt '
↑ -∞
t' = t - τ
d'où :
∫
t
y ind ( t ) = h( t ' ) dt '
-∞
x( t ) = e 2 πjf0 t
alors :
y( t ) = e 2 πjf0 t * h( t )
d'où :
34
Y(f) = δ(f-fo)H(f) = H(fo) δ(f-fo)
y( t ) = H(f 0 )e 2 πjf0 t = H ( f 0 ) x( t )
y( t ) = H ( f 0 ) e jϕ ( f0 ) x( t )
Dérivation :
Dem :
{
⎧⎪TF − 1 [2 πjf . X( f )] H ( f )
et ⎨ − 1
}= x' ( t ) * h( t )
{
⎪⎩TF [2 πjf . H ( f )] X( f ) }= h' ( t ) * x( t )
Stabilité :
+∞
∫ −∞
h( τ) dτ existe .
Filtres cascades :
N
y( t ) = x( t ) * h 1 ( t ) * h 2 ( t ) * . . . * h N ( t ) et Y ( f ) = X( f ) ∏ H (f )
i = 1
i
35
L a d é f i n i t i o n d e l a f r é q u e n c e d e c o u p u r e Fc e s t :
En Traitement du signal :
En Automatique :
Fc e s t t e l l e q u e : H ( Fc ) = 1 .
En Electronique :
F c e s t t e l l e q u e : H ( Fc )
2
=
(
Max H ( f )
2
) . (Voir section Filtrage)
2
Cours Traitement de Signal AII21
I . Introduction
En électronique, on a besoin de traiter des signaux provenant de différentes sources (capteurs de
température, signaux audio…).
Un bruit indésirable provenant soit du canal de transmission, soit des composants qui constituent le
circuit électronique, peut se superpose à ces signaux.
Exemple :
L’antenne d’un récepteur radio simple capte plusieurs signaux provenant de différents émetteurs.
Le signal d’entrée est constitué de la somme de plusieurs signaux émis et seule l’utilisation d’un filtre
passe-bande permet de récupérer le signal correspondant à la station choisie.
On peut conclure qu’un filtre est un circuit qui apporte une modification de l’amplitude et (ou) de la
phase des composantes spectrales d’un signal, donc c’est un sélecteur de fréquence et de fréquence et la
bande de fréquence transmise s’appelle la bande passante du filtre.
_________________________________________________________________________________
26
Cours Traitement de Signal AII21
f
fc
f
fc
Vs /Ve
f
fCB fCH
_________________________________________________________________________________
27
Cours Traitement de Signal AII21
Vs /Ve
f
fCB fCH
(2) 4 4
* (2) = = *(+,) = =
3(2) 1 + 52 1 + + ,
,
-
Module : |*(+,)| =
√ '/0 1 0
4 4
*(2) = *(+,) = =
1 % 52 1 % + ,
,
_________________________________________________________________________________
28
Cours Traitement de Signal AII21
9
<;
H(p) = <
: ' ;.8 ' ;
67 67
8 : Coefficient d’amortissement ;
K : Gain statique.
i(t) R
Ve(t) c Vs(t)
RCpV s ( p ) + V s ( p ) = Ve ( p )
_________________________________________________________________________________
29
Cours Traitement de Signal AII21
=>(?)
" (2) =
=@(?)
La fonction de transfert de ce montage est :
AB(2) AB(2) 1
"(2) = = =
RCpV s ( p ) + V s ( p ) (C 2 + 1)AB(2) (C 2 + 1)
:
D(<) =
EF<':
D’où
b-
= L avec , =
HIJ/ ' ' K L
F(p) = F(jω) = HI
M
c-
Exemple 2 :
Soit le circuit RC de la figure ci-dessous :
i(t)
c
Ve(t) R Vs(t)
Réponse :
PQR ( )
De plus, pour le condensateur C, on a : N(O) =
P
P
Or on sait que : S TP $(O)U = 2. SV$ (O)W = 2. "(2)
TL
I = C .p VC
_________________________________________________________________________________
30
Cours Traitement de Signal AII21
A@ % X % CX = 0 A@ = ( + C)X
I? I?
D’où
=Z H
= \ = \
=[ 'H '
Or H(p) =
]^ _R^
Donc *(+,) = \ = L a b , = HI
' K M
_R`L L
Il existe plusieurs types de systèmes qui peuvent être classés selon leur représentation, leurs réponses,
et leurs comportements. Chaque classe de système possède ses propres outils d’étude, d’analyse et de
synthèse.
A titre d’exemple :
Les systèmes linéaires, les systèmes continus, les systèmes échantillonnés(ou discrets).
V. 1. Linéarité
e1(t) s1(t)
Système
e2(t) s2(t)
Système
V. 2. Stationnarité
La stationnarité est l’invariance dans le temps.
On dit qu'un système est invariant lorsque les caractéristiques de comportement ne se
modifient pas dans le temps.
La réponse du système à un signal e(t ) différé d'un temps T est la même que la réponse s (t )
du système mais différée de T.
_________________________________________________________________________________
31
Cours Traitement de Signal AII21
Entrée Entrée
e(t) e(t-T)
s(t)
T
Sortie Sortie
s(t) s(t-T)
s(t)
Si les coefficients de l’équation différentielle reliant l’entrée à la sortie sont constants alors le système
est stationnaire.
V. 3. Causalité :
Pour tout système causal, la cause précède la conséquence, donc l’entrée précède toujours la sortie.
Si le système est causal alors la réponse impulsionnelle est égale à zéro si t<0
V.4. Stabilité :
Un système est stable si pour toutes les entrées bornées, les sorties sont bornées, excité par une
impulsion de Dirac, le système partant de l’état de repos revient à sa position initiale après un certain
temps.
_________________________________________________________________________________
32
Le Filtrage analogique
1. ROLE
Le filtrage est une forme de traitement de signal, obtenu en envoyant le signal à travers
un ensemble de circuits électroniques, qui modifient son spectre de fréquence et/ou sa phase
et donc sa forme temporelle.
Applications :
- les filtres passifs qui font appels essentiellement à des inductances de haute qualité
et des condensateurs. Jusque dans les années 70, c’était les seuls filtres conçus. Ils
sont actuellement utilisés pour les hautes fréquences. (utilisation de quartz)
Remarque :
Depuis le début des années 80 sont apparus des filtres actifs à capacité commutée. Ils
permettent de programmer la fréquence de coupure et d’être intégrable.
f F < 1 MHz
Filtres actifs AIL, R et C f besoin d’alimentation
f tension filtrée faible < 12V
f F < qq MHz
Filtres à
AIL, Interrupteur commandé MOS, f besoin d’alimentation
capacité
R et C intégré f intégrable
commutée
f fréquence programmable
Sur un cycle (une période de la fréquence de commutation des interrupteurs), il a circulé entre
∆Q
. ∆Q = C (v1 − v 2 ) et ∆t = on a alors i = C (v1 − v 2 ) f
1
v1 et v 2 ∆Q = Q1 − Q2 ; or i =
∆t f
1 1
donc v1 − v 2 = i ⋅ = Req ⋅ i avec Req = .Si f varie, alors Req varie : cela va nous
Cf Cf
permettre de réaliser des filtres adaptatifs.
Le cœur du montage peut être composé d’un DSP, d’un microprocesseur ou d’une structure
câblée (FPGA ou CPLD).
Contraintes :
1
• Respect du théorème de Shannon ( Te = )
fe
• Le temps de calcul Tc doit être plus petit que Te . Plus Tc se rapproche de Te , plus on
déphase la sortie vis-à-vis du signal d’entrée.
V2
H ( jω ) =
V1
H dB = 20•log V2 ϕ = Argument [H ( jω )]
V1
Parfois, on préfère définir un filtre par rapport à l’atténuation qu’il amène sur la grandeur
d’entrée :
1 V1
A( jω ) = =
H ( jω ) V 2
Cela conduit ainsi à définir un gabarit définissant des zones interdites et des zones
dans lesquelles devront impérativement se situer les graphes représentant l’atténuation du
filtre en fréquence.
Suivant le type de réponse que l’on désire obtenir, on est amené à définir 4 familles de
filtres :
f f
fp fa fa fp
Passe-bande
Coupe-bande
A(dB) A(dB)
f f
fa- fP- fP+ fa+ fP- fa- fa+ fP+
Fréquence de
Type de filtre Sélectivité k Bande relative B
référence
fp
Passe-bas fp
fa
fa
Passe-haut fa
fp
f p+ − f p− f p+ − f p−
Passe-bande fo
f a+ − f a− fo
f a+ − f a− f a+ − f a−
Coupe-bande fo
f p+ − f p− fo
dϕ
Il est défini par : τ=
dω
Il caractérise le retard apporté par le filtre sur les différents harmoniques du signal d’entrée.
Pour ne pas apporter de distorsion, il faut que chaque harmonique soit déphasé de ϕ
proportionnel à ω .
On profite également des propriétés du log en ordonnée, le produit se traduisant par une
somme : les sommes graphiques sont très faciles à traiter.
Elle n’est pas touchée en ordonné, l’abscisse est toujours logarithmique. La propriété de
l’argument (argument de A.B=arg A+ arg B) se traduit par une somme graphique dans bode.
4.1.1.1. Constitution
Vs 1
=
Ve 1 + jRCω
Vs 1
=
Ve L
1+ jω
R
4.1.1.3. Forme générale
Vs A 1 R
= . Par identification on trouve : A = 1 et ω 0 = ou ω 0 = .
Ve ω RC L
1+ j
ω0
4.1.1.4. Représentation
Vs 1
Module : =
Ve ⎛ω ⎞
2
1 + ⎜⎜ ⎟⎟
⎝ ω0 ⎠
⎛ Vs ⎞ ⎛ω ⎞ ⎛ω⎞
Argument : ϕ = arg⎜ ⎟ = arctg (0 ) − arctg ⎜⎜ ⎟⎟ = − arctg ⎜⎜ ⎟⎟
⎜ Ve ⎟ ⎝ ω0 ⎠ ⎝ ω0 ⎠
⎝ ⎠
4.1.1.5. Le module
⎛ ⎞
⎜ ⎟
⎜ ⎟ ⎡ ⎛ ω ⎞2 ⎤ ⎡ ⎛ω 2
⎤
Vs
⎜ 1 ⎟ 1 ⎞
En décibel : = 20 log = −20 ⋅ ⋅ log ⎢1 + ⎜⎜ ⎟⎟ ⎥ = −10 log ⎢1 + ⎜⎜ ⎟⎟ ⎥
Ve ⎜ 2 ⎟ 2 ⎢⎣ ⎝ ω 0 ⎠ ⎥⎦ ⎢⎣ ⎝ ω 0 ⎠ ⎥⎦
db ⎛ ω
⎜ 1+ ⎜ ⎟ ⎟ ⎞
⎜ ⎜ω ⎟ ⎟
⎝ ⎝ 0⎠ ⎠
Vs
Limite en 0 : lim = 0 : on a une asymptote horizontale à − 0db .
ω →0 V
e
db
ω ⎛ω ⎞
: − 20 log⎜⎜ ⎟⎟
ω0 ⎝ ω0 ⎠
10ω ⎛ 10ω ⎞ ⎛ω ⎞ ⎛ω ⎞
: − 20 log⎜⎜ ⎟⎟ = −20 log⎜⎜ ⎟⎟ − 20 log 10 = −20 log⎜⎜ ⎟⎟ − 20
ω0 ⎝ ω0 ⎠ ⎝ ω0 ⎠ ⎝ ω0 ⎠
Le passage d’une décade à l’autre retire 20db à l’asymptote : nous avons une asymptote à
− 20db / décade
Remarque :
- si on multiplie par 2 la fréquence, la pente est la même mais s’exprime par
− 6db / octave = −20db / décade .
ω
- La droite asymptotique passe par 0db pour = 1 (mais pas la courbe réelle).
ω0
ω Vs ⎛ 1 ⎞
Pour la courbe réelle : pour = 1, = − 10 log(2 ) = 20 log⎜ ⎟ = −3db
ω0 Ve ⎝ 2⎠
db
4.1.1.6. L’argument
π π
Limite à l’infini : lim ϕ = − : on a une asymptote horizontale en − .
ω →∞ 2 2
4.1.1.7. Tracés
H ( jω ) dB
log ω
arg H ( jω ) log ω
= =
plateau
= : on en tire que ⎜⎜ ⎟⎟ = 1 , c-a-d que ω c = ω 0 .
⎝ ω0
2
Ve ⎛ ω ⎞ 2 2 ⎠
db à ωc
1 + ⎜⎜ c ⎟⎟
⎝ ω0 ⎠
Dans un premier ordre, pulsations de coupure ( ω c ) et cassure ( ω 0 ) sont confondues. Pour les
filtres d’ordre supérieur, ω c < ω 0 .
4.1.2.1. Constitution
4.1.2.4.1. Factorisation
2
⎛ω ⎞ ω ω
− ⎜⎜ ⎟⎟ + 2mj + 1 est un polynôme du second degré en j que l’on peut chercher à
⎝ ω0 ⎠ ω0 ω0
⎛ ω ⎞⎛ ω ⎞
factoriser sous la forme ⎜⎜1 + j ⎟⎟⎜⎜1 + j ⎟⎟ , avec ω1 et ω2 réels. Par identification , on
⎝ ω1 ⎠⎝ ω 2 ⎠
( )
montre que : ω1, 2 = ω 0 m ± m 2 − 1 si m ≥ 1 .
On constate que, suivant les valeurs de m, on peut assister à une surtension en sortie due à des
conditions de fonctionnement proches d’un phénomène de résonance.
⎛ Vs ⎞ 1 1
Remarque : si on prend ω = ω 0 , alors ⎜ ⎟ = =
⎜ Ve ⎟ 2
⎝ ⎠ ω =ω 0 ω ⎛ω ⎞ 2mj
1 + 2mj −⎜ ⎟⎟
ω 0 ⎜⎝ ω 0 ⎠
1
On peut constater que si m < alors la valeur efficace de Vs > Ve . On aura
2
aussi Vs et Ve en quadrature. On peut alors extraire m : on remarque que pour
1 Ve
cette pulsation m = . En pratique, le détection de 2 signaux en quadrature
2 Vs
est facile, ce qui permet en un point de mesure de déterminer ω 0 et m .
Pour étudier le phénomène de surtension, il suffit d’analyser les variations de notre fonction
de transfert et de détecter un extremum. On montre que cette surtension est possible si
1 Vs 1
m≤ , il a lieu pour ω = ω max = ω 0 1 − 2m 2 et ce maximum vaut = .
2 Ve
ω =ω max
2 m 1 − m 2
4.1.3.1. Constitution
4.1.3.3. Tracés
L
Vs ω
j
= R
Ve L
1+ j ω
R
⎛ Vs ⎞ π π
Argument : ϕ = arg⎜ ⎟ = − arctg ⎛⎜ ω ⎞
⎟⎟ . Il suffit d’ajouter au terme d’un passe bas.
⎜ Ve ⎟ 2 ⎜ω
⎝ ⎠ ⎝ 0 ⎠ 2
C’est la somme du passe bas du deuxième ordre avec une droite de + 40db / décade passant
ω
par 0db pour = 1.
ω0
4.1.6.1. Constitution
Les filtres passe-bande sont constitués de deux parties :
- une partie qui fait chuter la tension de sortie à basse fréquence,
- une partie qui fait chuter la tension de sortie à haute fréquence.
On pourra avoir un passe-bande avec :
- un circuit RLC,
- une association en cascade d’un passe-haut et d’un passe-bas,
- des montages spécifiques.
La bande passante est la plage des fréquences ou de pulsations comprise entre les fréquences
ou les pulsations de coupure. Ces deux valeurs marquent la bande passante du filtre.
Vs
Les pulsations de coupure sont calculées à partir de la valeur maximale de .
Ve
Vs
La pulsation ω max permettant d’accéder au maximum s’obtient en transformant :
Ve
Vs A A
= =
Ve ω0 ω ⎛ ω ω0 ⎞
+ 2m + j j ⎜⎜ − ⎟⎟ + 2m
jω ω0 ω
⎝ 0 ω ⎠
⎛ Vs ⎞ A
Le maximum est atteint pour ω = ω max = ω 0 , alors ⎜ ⎟ = .
⎜ Ve ⎟
⎝ ⎠ ωmax 2m
La calcul des pulsations de coupure ω Ci se fait généralement à − 3db . Ainsi on a :
2
Vs
2
Vs A2 Ve A2
=
plateau
2
= = 2.
Ve ⎛ ω Ci ω 0 ⎞ 2 8m
ω Ci ⎜⎜ − ⎟⎟ + 4m 2
⎝ ω 0 ω Ci ⎠
Par résolution de l’équation (équation du 2nd ordre) on obtient :
ω C1 = ω 0 ( (1 + m ) − m) et ω
2
C2 = ω0 ( (1 + m ) + m)
2
Une grandeur importante pour un filtre passe bande est sa sélectivité. Elle est notée par le
ω0 ω0 1
coefficient de qualité Q = =
(( ) ) ((
ω C 2 − ω C1 ω 0 1 + m + m − ω 0 1 + m − m 2m
2 2
=
) )
4.1.6.4. Passe bande RLC
On a la fonction de transfert :
Vs R jRCω
= =
Ve
R + jLω +
1 1 + jRCω − LCω 2
jCω
ω
j
ω0
Par identification à la forme canonique : A 2
on a :
ω ⎛ ω⎞
1 + 2mj +⎜ j ⎟
ω0 ⎜⎝ ω0 ⎟⎠
1 R C C
ω0 = , m= et A = R = 2m .
LC 2 L L
ω
Toutes les courbes passent au point 0db pour = 1 : c’est la résonance série de courant où
ω0
les impédances de L et C s’annulent réciproquement, l’ensemble L et C se comportent comme
un fil et Vs = Ve .
4.1.6.5. Passe bande par association d’un passe haut et d’un passe bas
Vs jRCω
On obtient la fonction de transfert suivante : = .
1 + 3 jRCω + ( jRCω )
2
Ve
Vs jRCω
On obtient la fonction de transfert suivante : = ; c-a-d la fonction
1 + 3 jRCω + ( jRCω )
2
Ve
de transfert résultant de l’ association d’un passe haut et d’un passe bas.
A.⎜⎜ j ⎟⎟
⎝ ω0 ⎠
2
ω ⎛ ω ⎞
1 + 2mj +⎜ j ⎟
ω 0 ⎜⎝ ω 0 ⎟⎠
Passe bande ω
j
ω0
ω0 A
Facteur de qualité Q =
2
ω ⎛ ω ⎞
ω c 2 − ω c1 1 + 2mj +⎜ j ⎟
ω 0 ⎜⎝ ω 0 ⎟⎠
Coupe bande (réjecteur) ⎛ ω ⎞
2
1 + ⎜⎜ j ⎟⎟
ω0 ⎝ ω 0 ⎠
Facteur de qualité Q = A 2
ω c 2 − ω c1 ω ⎛ ω ⎞
1 + 2mj +⎜ j ⎟
ω 0 ⎜⎝ ω 0 ⎟⎠
Passe tout ω
1− j
ω0
A
ω
1+ j
ω0
2
ω ⎛ ω ⎞ ⎛ ω ⎞⎛ ω ⎞
Le terme 1 + 2mj +⎜ j ⎟ peut se mettre sous la forme : ⎜⎜1 + j ⎟⎟⎜⎜1 + j ⎟ avec
ω 0 ⎜⎝ ω 0 ⎟⎠ ⎝ ω1 ⎠⎝ ω 2 ⎟⎠
( )
ω1, 2 = ω 0 m ± m 2 − 1 si m ≥ 1 .
1
De plus, si m ≤ alors on montre pour que pour un passe bas ou un passe haut du 2nd ordre
2
Vs 1
il va y avoir une surtension en sortie à ω max = ω 0 1 − 2m 2 : = .
Ve
ω =ω max
2m 1 − m 2
IV Echantillonnage
x(t)
t
-Te Te 2Te
+∞
x e ( t ) = x( t ) | _ I_ |T ( t ) = x( t ) ∑ δ( t - n Te )
-∞
37
d'où :
+∞
x e (t) = ∑ x( nT )δ( t - n T )
n = -∞
e e
D é t e r m i n o n s l e s p e c t r e Xe ( f ) d u s i g n a l xe ( t ) :
1 +∞
⎛ n ⎞
X e (f ) = ∑ X(f ) * δ⎜⎜ f − T ⎟⎟
Te n = −∞ ⎝ e ⎠
1 +∞
⎛ n⎞
X e (f ) =
Te
∑ X⎜⎝ f
n = −∞
− ⎟
Te ⎠
C e t t e r e l a t i o n m o n t r e q u e Xe ( f ) e s t o b t e n u e , à u n f a c t e u r p r è s
( 1 Te ) , p a r u n e s i m p l e p é r i o d i s a t i o n e n f r é q u e n c e d u s p e c t r e X( f ) .
L e s p e c t r e e s t r e p r o d u i t t o u s l e s Fe = 1 Te . C e t t e p é r i o d i s a t i o n p e u t
s'effectuer suivant trois cas de figures:
1 ° ) : X( f ) e s t à s u p p o r t b o r n é , s a f r é q u e n c e d e c o u p u r e e s t Fc e t
Fe > 2 Fc .
X(f) Te Xe(f)
f f
-Fc Fc -2Fe -Fe -Fc Fc Fe 2Fe
2 ° ) : X( f ) e s t à s u p p o r t b o r n é , s a f r é q u e n c e d e c o u p u r e e s t Fc et
Fe < 2 Fc
38
X(f) Te Xe(f)
f f
-Fc Fc -2Fe -Fe Fe 2Fe
I l e s t c l a i r q u e l e s p e c t r e i n i t i a l X( f ) e s t d é f o r m é . On ne peut pas
o b t e n i r X( f ) à p a r t i r d e X e ( f ) , d o n c :
Remarque :
S i a p r è s l ' é c h a n t i l l o n n a g e l e s s p e c t r e s t r a n s l a t é s X( f ) s e
chevauchent, on dit qu'il y a repliement spectral, recouvrement
spectral ou encore "aliasing".
3 ° ) : X( f ) e s t à s u p p o r t n o n - b o r n é .
X(f) Te Xe(f)
f f
T H E O R E M E D E S H A N N O N : " U n s i g n a l x ( t ) à s p e c t r e X( f )
borné sur l'intervalle [-Fc,Fc] est correctement échantillonné si
Fe > 2 Fc . "
Exemple :
x( t ) = cos(2πFo t ) ⇒ Fc = Fo et Fe > 2 Fo .
39
X( f ) = Te X e ( f ) ∏ Fe
2
(f )
(f) Te Xe(f)
Fe
2 1
f
-2Fe -Fe -Fe Fe Fe 2Fe
2 2
⎧ ⎫
x( t ) = TF − 1 {X( f )} = Te TF − 1 ⎨X e ( f ) ∏ Fe ( f )⎬
⎩ 2 ⎭
⎧ ⎫
x( t ) = Te x e ( t ) * TF − 1 ⎨∏ Fe ( f ) ⎬
⎩ 2 ⎭
+∞
x( t ) = Te ∑ x( nT )δ( t
n = −∞
e − nTe ) * Fe sinc ( π Fe t )
+∞
x( t ) = ∑ x( nT ) (δ( t
n = −∞
e − nTe ) * sinc ( π Fe t ))
d'où :
+∞
x( t ) = ∑ x( nT ) sinc (π
n = −∞
e Fe ( t − nTe ))
Remarques :
1°) Cette formule n'est pas utilisable en temps réel car elle
nécessite la connaissance à l'instant t de tous les échantillons
(−∞ → + ∞ ) .
2°)Sur-échantillonner n'apporte aucune information
supplémentaire.
3 ° ) L e s f o n c t i o n s s n ( t ) = sinc ( π Fe ( t − nTe )) s o n t o r t h o g o n a l e s . O n e n
déduit que toute fonction à spectre borné [-Fc,Fc] peut être
d é c o m p o s é e s u r l a b a s e {s n ( t )} .
40
4 ° ) E n s u p p o s a n t sn ( t ) t r è s p e t i t l o r s q u e n c r o î t , o n a p p r o c h e l a
formule d'interpolation en tronquant la formule à un petit nombre
d'échantillons.
N
∑ x( nT ) sinc (π Fe ( t − nTe ))
2
x( t ) ≈ e
N
n=−
2
Formule de POISSON
S o i t X( f ) l a T F d e x ( t ) . S o i t T u n r é e l q u e l c o n q u e , o n a :
+∞ +∞
1 ⎛ q⎞
∑ x( pT)
p = −∞
=
T
∑ X⎜⎝ T ⎟⎠
q = −∞
Dem :
+∞ +∞
+∞
∑
p = −∞
x( pT) = ∑∫
p = −∞
−∞
X( f ) e 2 πjfpT df
+∞
+∞ ⎡ +∞ ⎤
∑ x( pT) = ∫−∞
X( f ) ⎢ ∑ e 2 πjfpT ⎥ df
p = −∞ ⎣ p = −∞ ⎦
avec
+∞ +∞
I( f ) = ∑e 2 πjfpT
⇒ TF −1
{I( f )} = ∑ δ( t + pT) = | _ I_ |T ( t )
p = −∞ p = −∞
Par suite
+∞
⎛ q⎞
I( f ) = TF{| _ I_ |T ( t )} =
1 1
T
| _ I_ |T ( f ) =
T
∑ δ⎜⎝ f
q = −∞
− ⎟
T⎠
d ' où :
+∞ +∞
1 +∞ ⎛ q⎞
∑
p = −∞
x( pT) =
T
∑∫
q = −∞
−∞
X( f ) δ⎜ f − ⎟ df
⎝ T⎠
Soit
+∞ +∞
1 ⎛ q⎞
∑ x( pT)
p = −∞
=
T
∑ X⎜⎝ T ⎟⎠
q = −∞
3°) - Sous-échantillonnage.
On appelle sous-échantillonnage, l'échantillonnage d'un
signal à une fréquence inférieure à celle de SHANNON, c'est à
d i r e t e l l e q u e Fe < 2 Fc . C e c i n ' e s t p o s s i b l e q u e d a n s l e c a s
suivant.
X(f)
X_ X+
O n s u p p o s e q u e F0 >> B , l e s i g n a l e s t d i t à b a n d e é t r o i t e .
Selon SHANNON, on devrait échantillonner x(t) avec une
fréquence Fe > 2 ( F0 + B ) . C e p e n d a n t , o n p e u t e x p l o i t e r l a n u l l i t é
d e s s p e c t r e s e n t r e l e s b a n d e s [ − F0 − B , − F0 + B ] e t [ F0 − B , F0 + B ] , e n
t r a n s l a t a n t l e s m o t i f s X+ e t X− d a n s c e t t e b a n d e e t e n p r e n a n t s o i n
q u e X+ e t X− n e s e c h e v a u c h e n t p a s .
S u p p o s o n s q u e l a k ième t r a n s l a t é e d e X − p r é c è d e X + , s a n s
r e c o u v r e m e n t , e t q u e l a k +1ième t r a n s l a t é e s u i v e X + , t o u j o u r s s a n s
recouvrement :
X(f)
kFe Fe
X_ X+
kFe-Fo+B (k+1)Fe-Fo-B
⎧ k Fe − F0 + B < F0 − B
⎨
⎩( k + 1) Fe − F0 − B > F0 + B
S o i t p o u r Fe , l a c o n d i t i o n :
2 ( F0 + B) 2 ( F0 − B)
< Fe <
k +1 k
2 ( F0 + B) 2 ( F0 − B)
Il faut de plus que : <
k +1 k
Exemple :
2,01 10 6 1, 99 10 6
6
S i F0 = 10 Hz et B = 5 10 Hz 3
alors k<99,5 et < Fe < .
k +1 k
θ
kTe +
x e ( kTe ) = ∫ kTe −
θ
2
x( t ) h( t − kTe ) dt
2
h(t)
t
−θ θ
2 2
d'où :
+∞
x e ( kTe ) = ∫−∞
x( t ) h( t − kTe ) dt = C xh ( kTe ) = x( τ) * h( − τ) τ = kT
e
C e t t e r e l a t i o n i n d i q u e q u e t o u t e s l e s v a l e u r s x e ( kTe ) s o n t
portées par la fonction g(t)=x(t)*h(-t). Le signal discret xe(t) est
obtenu par échantillonnage idéal de g(t):
x e (t) = [ x( t ) * h( − t ) ] | _ I_ |Te ( t )
L e s p e c t r e X e ( f ) e s t o b t e n u p a r p é r i o d i s a t i o n d u p r o d u i t X( f ) H * ( f ) .
R e m a r q u e : S i h ( t ) = δ (t) , o n r e t r o u v e l ' é c h a n t i l l o n n a g e i d é a l .
X(f)
H(f)
f
-Fc Fc
X(f) H(f)
1
D a n s c e c a s h( t ) =
θ
∏ θ2 ( t ) e t H( f ) = sin c ( π f θ) .
P o s o n s : θ = λ Te avec λ ∈ [0 , 1] e t Fe = 2αFc avec α > 1
X( Fc ) - X( Fc ) H ( Fc )
< 1%
X( Fc )
Soit:
1 − H ( Fc ) < 1 %
⎛ πλ ⎞
1 − sinc ( π Fc θ) = 1 − sinc⎜ ⎟ < 1 %
⎝ 2α ⎠
⎛ πλ ⎞
d ' o ù sinc ⎜ ⎟ > 0,99
⎝ 2α ⎠
1 ⎛ πλ ⎞ λ
2
L'ouverture θ d e l a p o r t e n e p e u t d o n c ê t r e s u p é r i e u r à λ Te , s o i t
0,16 Te .
1
θ < 0,16 Te et Te =
2 Fc
θ < 0,16 Te Te
λ max 1
S i p a r c o n t r e , o n a λ max = 1 alors α = et θ = Te avec Te =
0,16 13,2 Fc
Application
m1(t) m (t)
2
Te + θ
t t
0 Te θ
m3(t)
t
2θ
45
A c h a q u e f i n d ' a c q u i s i t i o n d ' u n é c h a n t i l l o n d u m e s s a g e mi ( t )
l ' é c h a n t i l l o n n e u r c o m m u t e s u r l e m e s s a g e mi +1 ( t ) . O n u t i l i s e a i n s i
l ' é c h a n t i l l o n n e u r d u r a n t t o u t e l a p é r i o d e Te ( = 1 2 5 μ s ) . S i θ = 4 μ s
T
a l o r s l e n o m b r e d e s i g n a u x t r a n s m i s e s t N = e = 30 + 1. C e s y s t è m e
θ
est appelé MIC 30 Voies ( + 1 voie de synchronisation ).
x(t)
y(t)
t
Te
y( t ) = x e ( kTe ) [
pour t ∈ kTe , ( k + 1) Te [
ou encore :
+∞
⎛ Te ⎞
y( t ) = ∑x
k = −∞
e ( kTe ) ∏ Te ⎜ t − kTe −
2 ⎝ 2⎠
⎟
Posons
⎛ Te ⎞
h( t ) = ∏ Te
2
⎜t −
⎝ 2⎠
⎟ alors :
+∞
y( t ) = ∑x
k = −∞
e ( kTe ) h ( t − kTe )
+∞
y( t ) = ∑x
k = −∞
e ( kTe ) δ ( t − kTe ) * h( t )
y( t ) = x e ( t ) * h( t )
d'où :
Y( f ) = X e ( f ) H ( f )
46
Comme pour l'échantillonnage pratique, on remarque que
Xe ( f ) e s t m o d i f i é p a r H ( f ) . L a d i s t o r s i o n s e r a d ' a u t a n t p l u s f a i b l e
que le spectre H(f ) (= sinc ( π f Te ) sera étendu, c'est à dire que Te
sera petit. On a donc, dans ce cas, intérêt à sur-échantillonner le
signal ( Fe>>2Fc ).
Remarque : Pour avoir Y(f)=X(f), il faut que H(f) soit une porte
de demi-largeur Fe/2. Par conséquent, h(t) doit être un sinus
cardinal. On retrouve la formule d'interpolation de SHANNON.
Interpolateur d'ordre 1.
⎡ x e (( k + 1) Te ) − x e ( kTe ) ⎤
y( t ) = x e ( kTe ) + ⎢ ⎥ ( t − kTe )
⎣ Te ⎦
x(t)
y(t)
t
47
⎧ +∞
⎪x( t ) = ∑ x(kTe ) δ(t - kTe )
⎨ k = -∞
⎪⎩ x( t + NTe ) = x(t)
L e s i g n a l t r o n q u é s u r u n e p é r i o d e , xT ( t ) , s ' é c r i t :
N −1
x T (t) = ∑
k=0
x(kTe ) δ ( t − kTe )
d'où
N −1 +∞
x(t) = x T ( t ) * ⎣⊥⎦ T (t) = ∑
k=0
x(kTe ) δ ( t − kTe ) * ∑ δ(t - nT)
n = -∞
Alors
N -1
1 +∞
⎛ n ⎞
X(f) = ∑ x(kT ) e
k=0
e
- 2 πjfkTe
NTe
∑
n = -∞
δ⎜ f -
⎝
⎟
NTe ⎠
1 +∞
⎡ N -1 nk
⎤ ⎛ n ⎞
∑ ⎢ ∑ x(kTe ) e
- 2 πj
⎥ δ⎜ f - NT ⎟
N
X( f ) =
NTe n = -∞ ⎣k = 0 ⎦ ⎝ e⎠
N -1 kn
∑
- 2 πj
N
S o i t X( n) = x(kTe ) e
k=0
1 +∞
⎛ n ⎞
X( f ) =
NTe
∑ X(n) δ⎜⎝ f
n = -∞
- ⎟
NTe ⎠
Dem :
48
⎛ 1⎞ 1 +∞
⎛ ( N − n) ⎞
X⎜ f + ⎟ =
⎝ Te ⎠ NTe
∑
n = -∞
X(n) δ⎜ f +
⎝ NTe ⎠
⎟
Si N-n=-n'
⎛ 1⎞ 1 +∞
⎛ n' ⎞
X⎜ f +
⎝
⎟ =
Te ⎠ NTe
∑
n' = - ∞
X(n'+N) δ⎜ f -
⎝
⎟
NTe ⎠
Avec
N -1 k N -1 n' k
∑ ∑
- 2 πj(n'+N) - 2 πj
X( n '+ N ) = x(kTe ) e N
= x(kTe ) e N
k=0 k=0
d'où
X( n'+ N ) = X(n' )
et
⎛ 1⎞
X⎜ f + ⎟ = X(f)
⎝ Te ⎠
X(f)
n
0 1 N-1 N NTe
N -1
T F D N {x(k)} = X(n) = ∑ x(k) W - nk
N
k=0
2 πj
N
avec WN = e = Facteur de Rotation.
⎧ x( kTe ) 1 1
⎨ a v e c Δf = =
⎩X( n Δf ) NTe T
Propriétés
N
. WNN k = 1; WN2 = -1
N
k
. WN2 = (-1) k ; WNα k = WNk
α
- L a T F D N {x( k )} e s t p é r i o d i q u e s u r N p o i n t s .
- La formule d'inversion est donnée par :
N -1
{X( n)} = T F D I N {X( n)} =
1
x( k ) = T F D -1
N
N
∑
n=0
X( n) WN+ nk
N -1
X( N - n) = X(-n) = ∑
k=0
x(k) WN+ nk
*
⎡ N -1 ⎤
X( N - n) = ⎢ ∑ x(k) WN-nk ⎥
⎣k = 0 ⎦
X( N - n) = X(n) *
Ex : S i x ( t ) = e − at u( t ) , a v e c a > 0 e t u ( t ) = é c h e l o n , a l o r s :
50
1 1
X( f ) = et X( f ) =
a + 2πjf a 2 + 4π 2 f 2
Signal Spectre
x(t) X(f)
t f
A p r è s é c h a n t i l l o n n a g e à u n e p é r i o d e Te :
(t) 1 1 (f)
xe (t) = x(t) Te Xe (f) = X(f)*
Te Te
t f
0 Te -Fe Fe
Recouvrement spectral
Après troncature du signal sur N points :
t f
0 Te (N-1)Te
" Clapotis " dû à la convolution par le sinus cardinal
t 1 (N-1)Te f
0 Te NTe 0
NTe NTe
Remarques :
1 ⎡ ⎛ 2 πk ⎞ ⎤
⎢1 - cos⎜ ⎟ , k ∈ 0, N -1
⎝ N ⎠ ⎥⎦
. H a n n i n g = w( k) =
2 ⎣
k -N / 2
. Bartlett = w(k) = 1 - , k ∈ 0, N -1
N / 2
L a t r a n s f o r m é e X p ( n) d u s i g n a l x ( k ) p o n d é r é e s t :
N -1
X p ( n) = ∑
k=0
w(k) x(k) WN-nk
x( t ) = cos(2 π f 0 t ) a l o r s X( f ) =
1
2
[
δ (f - f 0 ) + δ (f + f 0 ) . ]
A p r è s t r o n c a t u r e d u s i g n a l , s u r u n e d u r é e T = N Te , l e s p e c t r e
X ( f ) e s t l a s o m m e d e d e u x s i n u s c a r d i n a u x c e n t r é s e n f0 e t − f0 .
A p r è s é c h a n t i l l o n n a g e à u n e f r é q u e n c e Fe , l e s p e c t r e d e v i e n t
périodique. X(f) est finalement représenté, sur la bande de
f r é q u e n c e [ 0 , Fe ] , p a r :
52
X(f)
N
2
f
Fo Fe-Fo
1 1
Fo - Fo +
NTe NTe
p
S i f0 = , a v e c p e n t i e r ∈ [0, N - 1] , a l o r s l e s p e c t r e X ( n ) e s t
N Te
donné par :
⎧⎪ N
si n = p ou n = N - p
X( n) = ⎨ 2
⎩⎪ 0 Ailleurs
D a n s c e c a s l a p ième c o m p o s a n t e c o r r e s p o n d e x a c t e m e n t à l a
n
f r é q u e n c e f0 . L e s r a i e s é l o i g n é e s d e correspondent alors aux
N Te
zéros du sinus cardinal.
p
S i f0 ≠ , ∀ p ∈ N.
N Te
Dans ce cas X(n) correspond à un échantillonnage de X(f),
tel que :
X(n)
N
2
n
p-1 Fo p NTe
NTe NTe
N -1
z( k ) = x(k) * y(k) = ∑
i=0
x(i) y(k - i)
Posons k - i = k'
N -1
⎡ N -1- i ⎤
Z( n) = ∑ x(i) ⎢ ∑ y(k' ) WN-n k' ⎥ WN-n i
i=0 ⎣ k' = -i ⎦
soit S :
N -1- i -1 N -1- i
S = ∑
k' = -i
y(k' ) WN-n k' = ∑
k' = -i
y(k' ) WN-n k' + ∑
k=0
y(k' ) WN-1
N -1 N -1- i
S = ∑
k' = N - i
y(k' ) WN-n k' + ∑
k' = 0
y(k' ) WN-n k'
d'où
54
N -1
S = ∑
k' = 0
y(k' ) WN-n k' = Y(n)
Par suite :
N -1
Z( n) = ∑
i=0
x(i) WN-n i Y(n) = X(n) Y(n)
{
z( k ) = T F D -1 T F D{x( k )} T F D{ y( k )} }
Cas des signaux à durée finie.
S o i e n t xT ( k ) e t yT ( k ) d e u x s i g n a u x d é f i n i s r e s p e c t i v e m e n t s u r
Nx e t Ny p o i n t s . P o u r c a l c u l e r l e p r o d u i t d e c o n v o l u t i o n , à l ' a i d e
d e l a r e l a t i o n p r é c é d e n t e , i l f a u t p é r i o d i s e r xT ( k ) e t yT ( k ) s u r u n e
même période N. On pourra alors calculer les TFD sur les signaux
périodiques et en déduire z(k). Le problème est : "Comment
choisir N?".
⎧2 si k ∈ [0,5] ⎧1 si k ∈ [0,5]
x T ( k) = ⎨ ; y T (k) = ⎨
⎩ 0 Ailleurs ⎩ 0 Ailleurs
A v e c Te = 1 e t N x = N y = 6
xT (k) yT (k)
2
1
k k
0 1 5 6 0 1 5 6
et :
z T (k) = xT (k) * yT (k)
12
k
0 1 5 6 10
zT ( k ) e s t d é f i n i s u r N ( = 1 1 ) p o i n t s . C ' e s t à d i r e a v e c N = N x + N y - 1 .
Soient x(k) et y(k) les signaux périodiques.
55
- Si N = 11
x(k) y(k)
1
k k
0 1 5 6 11 0 1 5 6 11
d'où :
z(k) = x(k) * y(k)
12
k
0 1 5 6 10
10
A v e c z( k ) = ∑ i=0
x(i) y(k - i)
- Si N = 6
x(k) y(k)
k k
0 1 5 6 11 0 1 5 6 11
5
d ' o ù z( k ) = ∑ x(i) y(k - i) = 12
i=0
12
k
0 1 5 6 11
- A l ' é v i d e n c e l e p r o d u i t d e c o n v o l u t i o n e s t b i a i s é s i N < N x + N y -1
- S i N > N x + N y -1 a l o r s z ( k ) e s t n u l l e p o u r k ∈ N x + N y , N
+∞
z( k ) = x(k) * y(k) = ∑
i = -∞
x(i) y(k - i).
4°) - Corrélation.
Les relations et propriétés de la corrélation sont analogues à
celles établies pour la convolution. Si x(k) et y(k) sont à énergie
finie :
+∞
C xy (k) = ∑
i = -∞
x(i) y * (i - k).
N −1
C xy (k) = ∑
i=0
x(i) y * (i - k).
{ }
S xy ( n) = T F D N C xy ( k ) = X( n)Y * ( n)
S xy ( n) = T F D N {x( k )} T F D *N { y( k )}