Vous êtes sur la page 1sur 40

Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬

Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬


Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

Chapitre 1. Rappels des principaux


résultats de la théorie du signal

1. Généralités sur les signaux :


1.1. Définitions :
1.1.1. Signal : un signal est la représentation physique de l’information. Sa nature physique peut être très
variable : acoustique (voix, parole), électronique, biologique (ECG, EEG, …), optique, etc.
1.1.2. Bruit (Noise en Anglais) : toute perturbation indésirable qui se superpose au signal et aux données
utiles, dans un canal de transmission ou dans un système de traitement de l’information.
1.1.3. Rapport Signal/Bruit (SNR en Anglais) : le rapport Signal/Bruit est le rapport des puissances
du signal (𝑃𝑆 ) et du bruit (𝑃𝐵 ) :
𝑷𝑺
𝑹𝑺𝑩 =
𝑷𝑩
Ou en dB (décibel) :
𝑷𝑺
𝑹𝑺𝑩𝒅𝑩 = 𝟏𝟎. 𝒍𝒐𝒈 ( )
𝑷𝑩
Ou 𝒍𝒐𝒈 est le logarithme décimal
Le 𝑹𝑺𝑩 mesure donc la qualité du signal.

1.2. Signaux particuliers


1.2.1. Fonction signe : la fonction signe notée 𝒔𝒈𝒏(𝒕) est définie par :

+𝟏 𝒔𝒊 𝒕>𝟎
𝒔𝒈𝒏(𝒕) = {
−𝟏 𝒔𝒊 𝒕<𝟎

Cours de Traitement du signal p. 1 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

1.2.2. Fonction échelon : la fonction échelon ou échelon unité ou fonction de Heaviside notée
𝝐(𝒕) ou 𝒖(𝒕) est définie par :

+𝟏 𝒔𝒊 𝒕>𝟎
𝝐(𝒕) = {
𝟎 𝒔𝒊 𝒕<𝟎

1.2.3. Fonction rampe : la fonction rampe notée 𝒓(𝒕) est définie par :

𝒕 𝒔𝒊 𝒕>𝟎
𝒓(𝒕) = 𝒕. 𝝐(𝒕) = {
𝟎 𝒔𝒊 𝒕<𝟎

𝒕
1.2.4. Fonction rectangulaire : la fonction rectangulaire ou porte de largeur T notée 𝒓𝒆𝒄𝒕 (𝑻) est

définie par :

𝒕 𝑻 𝑻
𝒓𝒆𝒄𝒕 ( ) = {𝟏 𝒔𝒊 −
𝟐
≤𝒕≤
𝟐
𝑻
𝟎 𝒂𝒊𝒍𝒍𝒆𝒖𝒓𝒔

𝒕
1.2.5. Fonction triangulaire : la fonction triangulaire notée 𝒕𝒓𝒊 (𝑻) est définie par :
𝒕
|𝒕| 𝒕𝒓𝒊 ( )
𝒕 𝑻
𝒕𝒓𝒊 ( ) = { 𝟏 − 𝑻 𝒔𝒊 |𝒕| ≤ 𝑻 1
𝑻
𝟎 𝒂𝒊𝒍𝒍𝒆𝒖𝒓𝒔

−𝑻 +𝑻

Cours de Traitement du signal p. 2 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

1.2.6. Impulsion de Dirac : L'impulsion de Dirac correspond à une fonction porte dont la largeur T
tendrait vers 0 et dont l'aire est égale à 1. Elle est notée 𝜹(𝒕) et est définie par :
∞ 𝒔𝒊 𝒕 = 𝟎
𝜹(𝒕) = {
𝟎 𝒔𝒊 𝒕 ≠ 𝟎

𝜹(𝒕) ne peut être représentée graphiquement. On la schématise par le symbole ↑.

▪ Propriétés :
Intégrale :
+∞

∫ 𝛿(𝑡). 𝑑𝑡 = 1
−∞
+∞

∫ 𝑥(𝑡). 𝛿(𝑡). 𝑑𝑡 = 𝑥(0)


−∞
+∞

∫ 𝑥(𝑡). 𝛿(𝑡 − 𝑡0 ). 𝑑𝑡 = 𝑥(𝑡0 )


−∞

Produit :
𝑥(𝑡). 𝛿(𝑡) = 𝑥(0). 𝛿(0) = 𝑥(0)
𝑥(𝑡). 𝛿(𝑡 − 𝑡0 ) = 𝑥(𝑡0 )
Identité :
𝑥(𝑡) ∗ 𝛿(𝑡) = 𝑥(𝑡)
Translation :
𝑥(𝑡) ∗ 𝛿(𝑡 − 𝑡0 ) = 𝑥(𝑡 − 𝑡0 )
𝑥(𝑡 − 𝑡1 ) ∗ 𝛿(𝑡 − 𝑡0 ) = 𝑥(𝑡 − 𝑡1 − 𝑡0 )

Cours de Traitement du signal p. 3 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

1.2.7. Peigne de Dirac : On appelle peigne de Dirac une succession périodique d’impulsions de Dirac,
elle notée 𝛿𝑇 (𝑡) et est définie par.

+∞

𝛿𝑇 (𝑡) = ∑ 𝛿(𝑡 − 𝑘. 𝑇)
𝑘=−∞

T est la période du peigne.


1.2.8. Fonction sinus cardinal : notée 𝒔𝒊𝒏𝒄(𝒕) est définie par :

𝒔𝒊𝒏(𝝅. 𝒕)
𝒔𝒊𝒏𝒄(𝒕) =
𝝅. 𝒕

▪ Propriétés :
+∞

∫ 𝒔𝒊𝒏𝒄(𝒕) . 𝒅𝒕 = 𝟏
−∞
+∞

∫ 𝒔𝒊𝒏𝒄𝟐 (𝒕) . 𝒅𝒕 = 𝟏
−∞

2. Transformation de Fourier :
2.1. Série de Fourier :
2.1.1. Définition :
𝟏
Si 𝒙(𝒕) est une fonction périodique, de période 𝑻 (𝑻 = 𝑭), elle peut s’écrire sous la forme d’une somme de

fonctions sinusoïdales de fréquences 𝒇 multiple de 𝑭, dite fondamentale. Soit :


+∞

𝒙(𝒕) = 𝒂𝟎 + ∑[𝒂𝒏 . 𝒄𝒐𝒔(𝒏𝝎𝒕) + 𝒃𝒏 . 𝒔𝒊𝒏(𝒏𝝎𝒕)] (𝟏)


𝒏=𝟏

Cours de Traitement du signal p. 4 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

𝟐𝝅
Où 𝒂𝒏 et 𝒃𝒏 sont les coefficients de la série de Fourier et 𝝎 = 𝟐𝝅𝑭 = .
𝑻

Les coefficients de la série de Fourier se calculent à partir des relations suivantes :

𝑻
𝟏
𝒂𝟎 = ∫ 𝒙(𝒕). 𝒅𝒕
𝑻
𝟎
𝑻
𝟐
𝒂𝒏 = ∫ 𝒙(𝒕). 𝒄𝒐𝒔(𝒏𝝎𝒕). 𝒅𝒕 𝒑𝒐𝒖𝒓 𝒏 ≥ 𝟏
𝑻
𝟎
𝑻
𝟐
𝒃𝒏 = ∫ 𝒙(𝒕). 𝒔𝒊𝒏(𝒏𝝎𝒕). 𝒅𝒕 𝒑𝒐𝒖𝒓 𝒏 ≥ 𝟏
𝑻
𝟎

2.1.2. Développement en terme complexe


L’expression (𝟏) peut encore se mettre sous la forme complexe suivante :
+∞

𝒙(𝒕) = ∑ 𝑿(𝒏𝑭) 𝒆 𝒋𝒏𝝎𝒕


𝒏=−∞
𝟏
Avec 𝑿(𝒏𝑭) = 𝟐 ( 𝒂𝒏 − 𝒋 𝒃𝒏 ) ou :
𝑻
𝟏
𝑿(𝒏𝑭) = ∫ 𝒙(𝒕). 𝒆 −𝒋𝒏𝝎𝒕 . 𝒅𝒕 𝒑𝒐𝒖𝒓 𝒏 ≥ 𝟏
𝑻
𝟎

Et ̅̅̅̅̅̅
𝑿(𝟎) = 𝒂𝟎 = 𝒙(𝒕) (𝑳𝒂 𝒗𝒂𝒍𝒆𝒖𝒓 𝒎𝒐𝒚𝒆𝒏𝒏𝒆 𝒅𝒆 𝒙(𝒕))

En utilisant la notation mathématique du pic de Dirac 𝜹 décrite dans la section précédente, le spectre
en fréquence du signal est formé de pics de Dirac de poids 𝑿(𝒏𝑭) réparties sur tout l’axe des fréquences
positives et négatives. Par convention, on dessine chaque raie en lui donnant une hauteur
proportionnelle à son poids ou sa masse égale à 𝑿(𝒏𝑭). L’expression du spectre 𝑿(𝒇) du signal 𝒙(𝒕)
est donc :
𝒏=+∞

𝑿(𝒇) = ∑ 𝑿(𝒏𝑭) . 𝜹(𝒇 − 𝒏𝑭)


𝒏=−∞

Cours de Traitement du signal p. 5 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

Etant donnée que 𝒙(𝒕) est réel, alors :


𝒂−𝒏 = 𝒂𝒏 𝑒𝑡 𝒃−𝒏 = −𝒃𝒏 D’où :
𝟏 𝟏
𝑿(−𝒏𝑭) = ( 𝒂−𝒏 − 𝒋 𝒃−𝒏 ) = ( 𝒂𝒏 + 𝒋 𝒃𝒏 )
𝟐 𝟐
Remarque : le spectre 𝑿(𝒇) est en générale complexe formé d’une parie réelle et d’une partie imaginaire
et devrait donc être représenté dans un système à trois dimensions : axe des fréquences, axe de la partie
réelle 𝑹𝒆{𝑿(𝒇)} et axe de la partie imaginaire 𝑰𝒎{𝑿(𝒇)}.

2.1.3. Propriétés du développement en série de Fourier :


a) Linéarité :
𝑺.𝑭 𝑺.𝑭
Etant donné 𝒙(𝒕) → 𝑿(𝒇) et 𝒚(𝒕) → 𝒀(𝒇), alors :
𝑺.𝑭
𝒂. 𝒙(𝒕) + 𝒃. 𝒚(𝒕) → 𝒂. 𝑿(𝒇) + 𝒃. 𝒀(𝒇) 𝑎𝑣𝑒𝑐 𝑎 𝑒𝑡 𝑏 𝑑𝑒𝑠 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠 𝑟é𝑒𝑙𝑠
b) Parité :
▪ Si la fonction 𝒙(𝒕) est réelle et paire, alors les coefficients 𝒃𝒏 = 𝟎 ∀ 𝒏 ≥ 𝟏 et la
représentation spectrale 𝑿(𝒇) est réelle et paire.
▪ Si la fonction 𝒙(𝒕) est réelle et impaire, alors les coefficients 𝒂𝒏 = 𝟎 ∀ 𝒏 ≥ 𝟎 et la
représentation spectrale 𝑿(𝒇) est imaginaire et impaire.
▪ Si la fonction 𝒙(𝒕) est réelle et quelconque, alors la représentation spectrale 𝑿(𝒇) est
complexe avec une partie réelle paire et une partie imaginaire impaire.

2.2. Transformée de Fourier :


2.2.1. Définition :
La transformée de Fourier du signal 𝒙(𝒕), notée 𝑿(𝒇) 𝑜𝑢 𝑭{𝒙(𝒕)} est définie par :
+∞

𝑭{𝒙(𝒕)} = 𝑿(𝒇) = ∫ 𝒙(𝒕). 𝒆−𝒋𝟐𝝅𝒇𝒕 . 𝒅𝒕


−∞

La transformée de Fourier admet une transformée inverse, donc la transformée de Fourier


inverse notée 𝑭−𝟏 {𝑿(𝒇)} est définie par :
+∞

𝑭−𝟏 {𝑿(𝒇)} = 𝒙(𝒕) = ∫ 𝑿(𝒇). 𝒆+𝒋𝟐𝝅𝒇𝒕 . 𝒅𝒇


−∞
Cours de Traitement du signal p. 6 Chargé de cours : Mr. BOUTAA Mohammed
Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

2.2.2. Propriétés de la transformée de Fourier :


Soit la fonction 𝒙(𝒕) et la transformée correspondante fonction 𝑿(𝒇), nous écrivons :
𝑻.𝑭
𝒙(𝒕) ↔ 𝑿(𝒇)
a) Linéarité :
𝑻.𝑭
𝒂. 𝒙(𝒕) + 𝒃. 𝒚(𝒕) ↔ 𝒂. 𝑿(𝒇) + 𝒃. 𝒀(𝒇) 𝑎𝑣𝑒𝑐 𝑎 𝑒𝑡 𝑏 𝑑𝑒𝑠 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠 𝑟é𝑒𝑙𝑠
b) Homothétie :
𝑻.𝑭 𝟏 𝒇
𝒙(𝒂. 𝒕) ↔ |𝒂|
. 𝑿 (𝒂) 𝑎𝑣𝑒𝑐 𝑎 ∈ ℝ

c) Translation :
𝑻.𝑭
𝒙(𝒕 − 𝒂) ↔ 𝒆−𝒋𝟐𝝅𝒂𝒇 . 𝑿(𝒇) 𝑎𝑣𝑒𝑐 𝑎 ∈ ℝ
𝑻.𝑭
et 𝒙(𝒕). 𝒆𝒋𝟐𝝅𝒃𝒕 ↔ 𝑿(𝒇 − 𝒃) 𝑎𝑣𝑒𝑐 𝑏 ∈ ℝ
d) Parité :
Signal 𝒙(𝒕) Spectre en fréquence 𝑿(𝒇)
Réel quelconque Complexe (Partie réelle paire, Partie imaginaire impaire)
Réel pair Réel pair
Réel impaire Imaginaire impaire
Imaginaire quelconque Complexe (Partie réelle impaire, Partie imaginaire paire)
Imaginaire pair Imaginaire pair
Imaginaire impair Réel impair
Complexe pair Complexe pair
Complexe impair Complexe impair
e) Dérivation :
𝒅(𝒙(𝒕)) 𝑻.𝑭
↔ (𝒋𝟐𝝅𝒇). 𝑿(𝒇)
𝒅𝒕
𝒅𝒏 (𝒙(𝒕)) 𝑻.𝑭
↔ (𝒋𝟐𝝅𝒇)𝒏 . 𝑿(𝒇)
𝒅𝒕𝒏
f) Divers :
La fonction 𝒙(𝒕) pouvant être complexe, on a la relation suivante :
𝑻.𝑭 𝑻.𝑭
Si 𝒙(𝒕) ↔ 𝑿(𝒇), alors 𝒙∗ (𝒕) ↔ 𝑿∗ (−𝒇) avec 𝒙∗ signifiant le complexe conjugué.

Cours de Traitement du signal p. 7 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

2.2.3. Les transformée à connaitre :


𝒙(𝒕) 𝑿(𝒇)
𝜹(𝒕) 1
𝟏 𝜹(𝒇)
𝒆+𝒋𝟐𝝅𝒇𝟎 𝒕 𝜹(𝒇 − 𝒇𝟎 )
𝜹(𝒕 − 𝒕𝟎 ) 𝒆+𝒋𝟐𝝅𝒇𝒕𝟎
𝟏
𝒄𝒐𝒔(𝟐𝝅𝒇𝟎 𝒕) [𝜹(𝒇 + 𝒇𝟎 ) + 𝜹(𝒇 − 𝒇𝟎 )]
𝟐
𝒋
𝒔𝒊𝒏(𝟐𝝅𝒇𝟎 𝒕) [𝜹(𝒇 + 𝒇𝟎 ) − 𝜹(𝒇 − 𝒇𝟎 )]
𝟐
𝟏 𝟏
𝝐(𝒕) (𝑬𝒄𝒉𝒆𝒍𝒐𝒏) + 𝜹(𝒇)
𝒋𝟐𝝅𝒇 𝟐
𝟏
𝒔𝒈𝒏(𝒕) (𝑺𝒊𝒈𝒏𝒆)
𝒋𝝅𝒇

2.2.4. Relation de Parseval :


Soit 𝒙(𝒕) un signal qui admet 𝑿(𝒇) comme T.F, on a :
+∞ +∞

𝑾𝒙 = ∫ |𝒙(𝒕)|𝟐 . 𝒅𝒕 = ∫ |𝑿(𝒇)|𝟐 . 𝒅𝒇
−∞ −∞

L’énergie dans le domaine temporelle est égale à l’énergie dans le domaine fréquentielle.

3. Transformée de Fourier :
3.1. Définition :
Si on considère un signal causal, on obtient la transformée de Laplace, notée « L », par :
+∞

𝑳{𝒔(𝒕)} = 𝑺(𝒑) = ∫ 𝒔(𝒕). 𝒆−𝒑𝒕 . 𝒅𝒕


𝟎

Dans le cas d’un régime harmonique établi, on peut remplacer 𝒑 par 𝒋𝟐𝝅𝒇 𝑜𝑢 𝒋𝝎 dans la
transformée de Laplace.
Cours de Traitement du signal p. 8 Chargé de cours : Mr. BOUTAA Mohammed
Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

3.2. Propriétés de la transformée de Laplace


Soit la fonction 𝑥(𝑡) et la transformée de Laplace 𝑋(𝑝) de ce signal, nous écrirons :
𝐿
𝑥(𝑡) ↔ 𝐿{𝑥(𝑡)} = 𝑋(𝑝)
a) Linéarité :
𝑳
𝒂. 𝒙(𝒕) + 𝒃. 𝒚(𝒕) ↔ 𝒂. 𝑿(𝒑) + 𝒃. 𝒀(𝒑) avec a et b des constantes.
b) Homothétie :
𝑳 𝟏 𝒑
𝒙(𝒂. 𝒕) ↔ |𝒂|
. 𝑿 (𝒂) 𝑎𝑣𝑒𝑐 𝑎 ∈ ℝ

c) Translation :
𝑳
𝒙(𝒕 − 𝒂) ↔ 𝒆−𝒂𝒑 . 𝑿(𝒑) 𝑎𝑣𝑒𝑐 𝑎 ∈ ℝ
𝒆𝒕
𝑳
𝒙(𝒕). 𝒆𝒃𝒑 ↔ 𝑿(𝒑 − 𝒃) 𝑎𝑣𝑒𝑐 𝑏 ∈ ℝ
d) Dérivation :
𝒏
𝒅𝒏 {𝒙(𝒕)} 𝑳 𝒏 𝒏−𝟏 𝒏−𝒊
𝒅𝒊−𝟏 {𝒙(𝒕)}
↔ 𝒑 . 𝑿(𝒑) − [𝒑 . 𝒙(𝟎) + ∑ 𝒑 .( ) ]
𝒅𝒕𝒏 𝒅𝒕𝒊−𝟏 𝒕=𝟎+
𝒊=𝟐

𝒅{𝒙(𝒕)} 𝑳
𝑷𝒐𝒖𝒓 𝒏 = 𝟏 ∶ ↔ 𝒑. 𝑿(𝒑) − 𝒙(𝟎)
𝒅𝒕
e) Intégration :
𝒕
𝑳 𝑿(𝒑)
∫ 𝒙(𝝉). 𝒅𝝉 ↔
𝒑
𝟎

f) Transformée d’une fonction périodique


Soit 𝒙(𝒕) une fonction périodique de période 𝑻𝟎 , nous avons :
𝑻𝟎
𝑳 𝟏
𝒙(𝒕) ↔ 𝑿(𝒑) = . ∫ 𝒆−𝒑𝒕 . 𝒙(𝒕). 𝒅𝒕
𝟏 − 𝒆−𝒑𝑻𝟎
𝟎

g) Théorèmes de la valeur initiale et de la valeur finale


Le théorème de la valeur initiale donne la valeur du signal à l’instant 0 en fonction de sa
transformée de Laplace : 𝒙(𝟎) = 𝐥𝐢𝐦 {𝒑. 𝑿(𝒑)}
𝒑→+∞

Cours de Traitement du signal p. 9 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

Le théorème de la valeur finale donne la valeur du signal à l’infini en fonction de sa transformée


de Laplace : 𝒙(∞) = 𝐥𝐢𝐦{𝒑. 𝑿(𝒑)}
𝒑→𝟎

h) Convolution et transformée de Laplace


Nous avons la même relation que pour la transformée de Fourier, soit :
𝑳
𝒙(𝒕) ∗ 𝒚(𝒕) ↔ 𝑿(𝒑). 𝒀(𝒑)
et
𝑳
𝒙(𝒕). 𝒚(𝒕) ↔ 𝑿(𝒑) ∗ 𝒀(𝒑)
3.3. Les signaux usuels et leurs transformées
La Table suivante donne la transformée de Laplace des signaux les plus courants.

Fonction Transformée de Laplace


𝜹(𝒕) 𝟏
𝟏
𝝐(𝒕)
𝒑
𝟏
t.𝝐(𝒕)
𝒑𝟐
𝒏!
𝒕𝒏 . 𝝐(𝒕)
𝒑𝒏+𝟏
𝑨
𝑨. 𝒆−𝒂𝒕 . 𝝐(𝒕)
𝒑+𝒂
𝑨
𝑨. 𝒕. 𝒆−𝒂𝒕 . 𝝐(𝒕)
(𝒑 + 𝒂)𝟐
𝑨. 𝒏!
𝑨. 𝒕𝒏 . 𝒆−𝒂𝒕 . 𝝐(𝒕)
(𝒑 + 𝒂)𝒏+𝟏
𝑨. 𝝎
𝑨. 𝒔𝒊𝒏(𝝎𝒕). 𝝐(𝒕)
𝒑𝟐+ 𝝎𝟐
𝑨. 𝒑
𝑨. 𝒄𝒐𝒔(𝝎𝒕). 𝝐(𝒕)
𝒑𝟐 + 𝝎𝟐
𝑨. 𝝎
𝑨. 𝒆−𝒂𝒕 . 𝒔𝒊𝒏(𝝎𝒕). 𝝐(𝒕)
(𝒑 + 𝒂)𝟐 + 𝝎𝟐
𝑨. (𝒑 + 𝒂)
𝑨. 𝒆−𝒂𝒕 . 𝒄𝒐𝒔(𝝎𝒕). 𝝐(𝒕)
(𝒑 + 𝒂)𝟐 + 𝝎𝟐

Cours de Traitement du signal p. 10 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

3.4. Transformée de Laplace inverse


3.4.1. Pôles simples :
On suppose pour commencer que 𝒅° (𝑵(𝒑)) < 𝒅° (𝑫(𝒑)) et que les pôles 𝑝𝑖 de 𝑺(𝒑) (C’est-à-
dire les zéros de 𝑫(𝒑)) sont simples :
𝑵(𝒑)
𝑺(𝒑) = 𝒂𝒗𝒆𝒄 𝒑𝒊 ≠ 𝒑𝒋 𝒔𝒊 𝒊 ≠ 𝒋
(𝒑 − 𝒑𝟏 ). (𝒑 − 𝒑𝟐 ) … (𝒑 − 𝒑𝒎 )
On peut alors toujours écrire :
𝑨𝟏 𝑨𝟐 𝑨𝒎
𝑺(𝒑) = + + ⋯+
(𝒑 − 𝒑𝟏 ) (𝒑 − 𝒑𝟐 ) (𝒑 − 𝒑𝒎 )

𝑎𝑣𝑒𝑐 𝑨𝒊 = 𝑺(𝒑). (𝒑 − 𝒑𝒊 )|𝒑=𝒑𝒊


Les coefficients complexes 𝐀 𝐢 sont appelés les résidus de leurs pôles respectifs. On en déduit :
𝒔(𝒕) = (𝑨𝟏 𝒆𝒑𝟏 𝒕 + 𝑨𝟐 𝒆𝒑𝟐 𝒕 + ⋯ + 𝑨𝒎 𝒆𝒑𝒎 𝒕 ). 𝜺(𝒕)
3.4.2. Pôles doubles :
Supposons maintenant qu'on a toujours 𝒅° (𝑵(𝒑)) < 𝒅° (𝑫(𝒑)), mais que 𝑺(𝒑) possède des
pôles doubles :
𝑵(𝒑)
𝑺(𝒑) =
… (𝒑 − 𝒑𝒊 )𝟐 …
On peut alors toujours écrire :
𝑨𝒊𝟏 𝑨𝒊𝟐
𝑺(𝒑) = ⋯ + + +⋯
(𝒑 − 𝒑𝒊 ) (𝒑 − 𝒑𝒊 )𝟐

𝑎𝑣𝑒𝑐 𝑨𝒊𝟐 = 𝑺(𝒑). (𝒑 − 𝒑𝒊 )𝒏 |𝒑=𝒑𝒊

𝒅(𝑺(𝒑). (𝒑 − 𝒑𝒊 )𝒏 )
𝑒𝑡 𝑨𝒊𝟏 = |
𝒅𝒑 𝒑=𝒑
𝒊

On en déduit que la contribution des fractions simples dues aux pôles doubles sont :

𝐬(𝐭) = ⋯ + (𝐀 𝐢𝟏 . 𝐞𝐩𝐢𝐭 + 𝐀 𝐢𝟐 . 𝐭. 𝐞𝐩𝐢𝐭 ). 𝛆(𝐭) + ⋯

Cours de Traitement du signal p. 11 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

3.4.3. Fraction rationnelle quelconque


Dans le cas le plus général, il se peut que l'on ait non seulement des pôles multiples, mais
également que le 𝒅° (𝑵(𝒑)) > 𝒅° (𝑫(𝒑)). Il suffit alors de commencer par procéder à la division du
polynôme 𝑵(𝒑) par 𝑫(𝒑) :
𝑸(𝒑). 𝑫(𝒑) + 𝑹(𝒑) 𝑹(𝒑)
𝑺(𝒑) = = 𝑸(𝒑) + 𝑎𝑣𝑒𝑐 𝒅° (𝑹(𝒑)) < 𝒅° (𝑫(𝒑))
𝑫(𝒑) 𝑫(𝒑)
L'inversion de la fraction rationnelle en 𝑹(𝒑) se fait comme précédemment, et l'inversion de
𝑸(𝒑) donne :
𝑺(𝒑) = (𝒒𝟎 + 𝒒𝟏 . 𝒑 + ⋯ + 𝒒𝒌 . 𝒑𝒌 ) + ⋯

𝒔(𝒕) = (𝒒𝟎 . 𝜹(𝒕) + 𝒒𝟏 . 𝜹′ (𝒕) + ⋯ + 𝒒𝒌 . 𝜹(𝒌−𝟏) (𝒕)) + ⋯

4. Système de convolution :
Ce sont les systèmes dont le comportement est décrit par une fonction ℎ(𝑡) et la relation
entrée-sortie s’obtient par une intégrale dite de convolution, notée « * », soit :
+∞

𝒚(𝒕) = 𝒙(𝒕) ∗ 𝒉(𝒕) = ∫ 𝒙(𝝉). 𝒉(𝒕 − 𝝉). 𝒅 𝝉


−∞

La convolution exprime la réponse à un signal quelconque à partir de celle à un signal type (réponse
impulsionnelle) ; la réponse dépend du filtre, caractérisé par ℎ(𝑡), et de l’histoire du signal.
Définition : les filtres qui sont définies comme des systèmes linéaires, continues et stationnaires,
sont des systèmes de convolution.

4.1. Propriétés de la convolution :


a) Commutativité :
𝑥(𝑡) ∗ 𝑦(𝑡) = 𝑦(𝑡) ∗ 𝑥(𝑡)
b) Distributivité :
L’opération de convolution est distributive par rapport à l’addition :
𝑥(𝑡) ∗ [𝑦(𝑡) + 𝑧(𝑡)] = [𝑥(𝑡) ∗ 𝑦(𝑡)] + [𝑥(𝑡) ∗ 𝑧(𝑡)]
c) Associativité :
𝑥(𝑡) ∗ [𝑦(𝑡) ∗ 𝑧(𝑡)] = [𝑥(𝑡) ∗ 𝑦(𝑡)] ∗ 𝑧(𝑡) = 𝑥(𝑡) ∗ 𝑦(𝑡) ∗ 𝑧(𝑡)

Cours de Traitement du signal p. 12 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

d) Elément neutre :
L’élément neutre de l’opération de convolution est le pic de Dirac 𝛿(𝑡), soit :
𝑥(𝑡) ∗ 𝛿(𝑡) = 𝛿(𝑡) ∗ 𝑥(𝑡) = 𝑥(𝑡)

4.2. Théorème de Plancherel :


Le théorème de Plancherel concerne une relation très importante entre la transformée de Fourier et le
produit de convolution, elle s’énonce sous la forme suivante :
𝑇𝐹
𝑥(𝑡) ∗ 𝑦(𝑡) ↔ 𝑋(𝑓) . 𝑌(𝑓)
Et
𝑇𝐹
𝑥(𝑡) . 𝑦(𝑡) ↔ 𝑋(𝑓) ∗ 𝑌(𝑓)

5. Corrélation des signaux :


5.1. Puissance et énergie des signaux
a) Puissance temporelle d’un signal
La puissance instantanée d’un signal 𝒙(𝒕) s’exprime sous la forme :
𝒑(𝒕) = 𝒙(𝒕) · 𝒙∗ (𝒕) = |𝒙(𝒕)|𝟐
La puissance moyenne d’un signal 𝒙(𝒕) sur une durée 𝑻𝟎 est :
𝒕+𝑻𝟎
𝟏
𝒑(𝒕, 𝑻𝟎 ) = . ∫ 𝒙(𝒕) · 𝒙∗ (𝒕) . 𝒅𝒕
𝑻𝟎
𝒕

D’où l’énergie totale du signal 𝒙(𝒕) :


+∞ +∞
∗ (𝒕).
𝑬𝒙 = ∫ 𝒙(𝒕) · 𝒙 𝒅𝒕 = ∫ |𝒙(𝒕)|𝟐 . 𝒅𝒕
−∞ −∞

b) Puissance fréquentielle d’un signal, densité spectrale


Si le signal 𝒙(𝒕) a une transformée de Fourier 𝑿(𝒇), on définit le spectre de puissance
d’un signal ou densité spectrale par :
𝑺𝒙𝒙 (𝒇) = 𝑿(𝒇) · 𝑿∗ (𝒇) = |𝑿(𝒇)|𝟐

Cours de Traitement du signal p. 13 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم والتكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

5.2. Corrélation et densité spectrale


c) Définition des fonctions de corrélation pour les signaux à énergie finie
La fonction d’autocorrélation d’un signal 𝒙(𝒕) est définie par :
+∞

𝑪𝒙𝒙 (𝒕) = ∫ 𝒙(𝝉) · 𝒙∗ (𝝉 − 𝒕). 𝒅𝝉


−∞

La fonction d’intercorrélation de deux signaux 𝒙(𝒕) et 𝒚(𝒕) est définie par :


+∞

𝑪𝒙𝒚 (𝒕) = ∫ 𝒙(𝝉) · 𝒚∗ (𝝉 − 𝒕). 𝒅𝝉


−∞

d) Relation avec la densité spectrale d’énergie


Considérons la transformée de Fourier inverse de la densité spectrale d’un signal 𝒙(𝒕)
quelconque :
𝑭−𝟏 {𝑺𝒙𝒙 (𝒇)} = 𝑭−𝟏 {|𝑿(𝒇)|𝟐 } = 𝑭−𝟏 {𝑿(𝒇) · 𝑿∗ (𝒇)} = 𝑭−𝟏 {𝑿(𝒇)} ∗ 𝑭−𝟏 {𝑿∗ (𝒇)}
soit
+∞

𝑭−𝟏 {𝑺𝒙𝒙 (𝒇)} = 𝒙(𝒕) ∗ 𝒙∗ (−𝒕) = ∫ 𝒙(𝝉) · 𝒙(𝝉 − 𝒕). 𝒅𝝉 = 𝑪𝒙𝒙 (𝒕)
−∞

D’où relation suivante :


+∞
𝑻.𝑭
𝑪𝒙𝒙 (𝒕) = 𝒙(𝒕) ∗ 𝒙∗ (−𝒕) = ∫ 𝒙(𝝉) · 𝒙(𝝉 − 𝒕). 𝒅𝝉 ↔ 𝑺𝒙𝒙 (𝒇)
−∞

Et pour deux signaux 𝒙(𝒕) et 𝒚(𝒕) :


𝑻.𝑭 𝑻.𝑭
𝑪𝒙𝒚 (𝒕) ↔ 𝑺𝒙𝒚 (𝒇) et 𝑪𝒚𝒙 (𝒕) ↔ 𝑺𝒚𝒙 (𝒇)

Ainsi la transformée de Fourier de la fonction de corrélation du signal représente


la densité spectrale de l’énergie, c’est-à-dire la redistribution de l’énergie du signal
sur l’axe des fréquences. Ceci constitue le théorème de Wiener-Khintchine.
Aussi il sera souvent plus facile de calculer la fonction d’autocorrélation ou d’intercorrélation
d’un signal en passant par son spectre ou sa densité spectrale.

Cours de Traitement du signal p. 14 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

Chapitre 2 : Analyse et synthèse des filtres analogiques

2.1. Introduction :
Un filtre est un Système Linéaire Invariant dans le Temps permettant de diviser le spectre (espace
fréquentiel) afin de conserver une ou plusieurs parties (bande) de ce spectre.
Le filtre idéal permet de transmettre sans distorsion une partie du spectre (bande passante) et
bloque toutes les autres parties (bande coupée ou atténuée), avec un passage abrupt (discontinuité)
entre ces deux parties.
Les filtres sont caractérisés par leur fonction de transfert, et ils peuvent être classés en 5 familles,
suivant la bande du spectre de fréquences sur laquelle ils agissent : passe-bas, passe-bande,
passe-haut, coupe-bande, passe-tout.

Figure 1 : Exemple d’un filtre passe-bande idéal

Le filtre idéal avec une discontinuité dans sa fonction de transfert n'est pas physiquement
réalisable, car sa réponse impulsionnelle nécessiterait que l'évolution du signal de sortie anticipe
l'évolution du signal appliqué en entrée (système non causal).
Les filtres analogiques réels présentent donc des imperfections avec lesquelles il faut trouver des
compromis en fonction de son application :
􀂃 Transition progressive entre la bande passante et la bande coupée
􀂃 Irrégularité du gain dans la bande passante (ondulations)
􀂃 Affaiblissement dans la bande coupée
􀂃 Irrégularité du gain dans la bande coupée (ondulations)
􀂃 Irrégularité du temps de propagation

Figure 2 : Exemple d’un filtre passe-bande réel

Cours de traitement du signal p. 1 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

Les compromis faits sur ces différentes imperfections peuvent être regroupés sur un graphique
appelé gabarit du filtre. Ce gabarit fixe les limites de la fonction de transfert du filtre réalisé.

Figure 3 : Exemple de gabarit d'un filtre passe-bande

Le gabarit étant défini pour chaque application, il en existe une infinité.


La fonction de transfert d'un filtre réel s'écrit sous la forme d'un rapport de polynômes
complexes. Il existe de nombreuses fonctions mathématiques, appelées fonctions d'approximations,
pouvant répondre à l'exigence du gabarit normalisé. Les principales fonctions d'approximations sont
les suivantes :
✓ Fonction de Bessel
✓ Fonction de Butterworth
✓ Fonction de Chebychev et Chebychev inverse
✓ Fonction de Cauer

La réalisation des filtres peut être faite à base de résistances, condensateurs et inductances, on
parle alors de filtres passifs, en opposition avec les filtres actifs qui comportent en plus des composants
actifs, comme par exemple les transistors ou amplificateurs opérationnels (ampli op ou aop), qui
nécessitent une source d'énergie externe (alimentation).

2.2. Fonctions de transfert des filtres


La fonction de transfert d'un filtre s'écrit avec les notations complexe (jω) ou de Laplace (P),
comme le rapport de deux polynômes (Équation 1) :
𝑁(𝑝) 𝑎0 + 𝑎1 . 𝑝 + 𝑎2 . 𝑝2 + 𝑎3 . 𝑝3 + ⋯ + 𝑎𝛼 . 𝑝𝛼
𝐻(𝑝) = =
𝐷(𝑝) 𝑏0 + 𝑏1 . 𝑝 + 𝑏2 . 𝑝2 + 𝑏3 . 𝑝3 + ⋯ + 𝑏𝛽 . 𝑝𝛽

• Pour tout système réel, le degré du dénominateur (β) doit être supérieur ou égal au degré du
numérateur (α) : β ≥ α.
• Pour qu'un filtre soit stable, il faut que tous les pôles de la fonction de transfert soient à parties
réelles négatives.
• L'ordre d'un filtre est donné par le degré du polynôme du dénominateur (β) de la fonction de
transfert.
• Toutes les fonctions de transfert peuvent être décomposées comme le produit de fonctions de
transfert du premier et du deuxième ordre.

Cours de traitement du signal p. 2 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

2.3. Fonctions de transfert des principaux filtres.


A. Filtre Passe-bas
➢ Représentation symbolique

➢ Le gabarit

Réponse Harmonique (Fréquentielle)

𝒌
𝑯(𝒋𝝎) = 𝝎
𝟏 + 𝒋𝝎
𝒄
Avec 𝒌 le gain du filtre
Module :
1er 𝑘
ordre |𝐻(𝑗𝜔)| =
2
√1 + ( 𝜔 )
𝜔𝑐
Phase :
𝜔
𝜙(𝐻(𝑗𝜔)) = −𝑎𝑟𝑐𝑡𝑎𝑛 ( )
𝜔𝑐

𝒌
𝑯(𝒋𝝎) =
𝝎 𝝎 𝟐
𝟏 + 𝒋. 𝟐. 𝒎. 𝝎 − (𝝎 )
2ème 𝒄 𝒄

ordre • 𝝎𝒄 est pulsation caractéristique (ou de coupure).


• 𝒎 est le coefficient d'amortissement.

B. Filtre Passe-haut
➢ Représentation symbolique

Cours de traitement du signal p. 3 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

➢ Le gabarit

Réponse Impulsionnelle Réponse Harmonique (Fréquentielle)

𝝎
1er 𝒋𝛚
𝒄
ordre 𝑯(𝒋𝝎) = 𝒌. 𝝎
𝟏 + 𝒋𝛚
𝒄

𝝎 𝟐
2ème − (𝛚 )
𝒄
𝑯(𝒋𝝎) = 𝒌.
ordre 𝝎 𝝎 𝟐
𝟏 + 𝒋. 𝟐. 𝒎. 𝛚 − (𝛚 )
𝒄 𝒄

C. Filtre Passe-bande
➢ Représentation symbolique

➢ Le gabarit

Réponse Harmonique (Fréquentielle)


1er ordre Un filtre passe-bande est toujours d'ordre pair
𝝎
𝒋. 𝟐. 𝒎. 𝛚
𝒄
2ème ordre 𝑯(𝒋𝝎) = 𝒌.
𝝎 𝝎 𝟐
𝟏 + 𝒋. 𝟐. 𝒎. 𝛚 − (𝛚 )
𝒄 𝒄

Cours de traitement du signal p. 4 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

D. Filtre Coupe-bande (rejecteur)


Représentation symbolique

Le gabarit

Réponse Harmonique (Fréquentielle)


1er
Un filtre coupe-bande est toujours d'ordre pair
ordre
𝝎 𝟐
2ème 𝟏 − (𝛚 )
𝒄
𝑯(𝒋𝝎) = 𝒌.
ordre 𝝎 𝝎 𝟐
𝟏 + 𝒋. 𝟐. 𝒎. 𝛚 − (𝛚 )
𝒄 𝒄

E. Filtre Passe-tout (déphaseur)


Représentation symbolique

Réponse Harmonique (Fréquentielle)


1er
𝝎
ordre 𝟏−𝒋𝛚
𝒄
𝑯(𝒋𝝎) = 𝒌. 𝝎
𝟏+𝒋𝛚
𝒄

2ème 𝝎 𝝎 𝟐
𝟏 − 𝒋. 𝟐. 𝒎. 𝛚 − (𝛚 )
ordre 𝑯(𝒋𝝎) = 𝒌. 𝒄 𝒄
𝝎 𝝎 𝟐
𝟏 + 𝒋. 𝟐. 𝒎. 𝛚 − (𝛚 )
𝒄 𝒄

Cours de traitement du signal p. 5 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

2.4. Stabilité

Un système est stable si après la fin d'une perturbation appliquée en entrée, la sortie retrouve sa
position d'équilibre initiale.
A partir de la fonction de transfert, il faut que tous ses pôles soient à parties réelles négatives. Les
pôles de 𝐻(𝑝) sont les valeurs de p qui permettent d'annuler le dénominateur de 𝐻(𝑝).
Le critère de Routh Hurwitz permet de vérifier la stabilité d'un système dont on connaît la fonction
de transfert 𝐻(𝑝), sans avoir à calculer ses pôles.
La Figure 4 résume les six cas possibles du comportement de la réponse impulsionnelle en
fonction de la position des pôles dans le plan complexe.

Figure 4 : pôles dans le plan complexe et stabilité

2.5. Gabarits des filtres

Les indices P et A sont associés respectivement aux grandeurs définissants les limites de la bande
passante et la bande atténuée (ou arrêt ou coupée).
L'axe des abscisses peut être gradué en fréquences (f) ou en pulsations (ω = 2πf).

Cours de traitement du signal p. 6 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

Filtre passe-bas Filtre passe-haut

bande passante : ωP – 0 = ωP
bande de transition : ωA – ωP bande passante : +∞ – ωP (sa valeur est infinie)
bande atténuée : +∞ – ωA (sa valeur est infinie) bande de transition : ωP – ωA
𝜔 bande atténuée : ωA – 0 = ωA
sélectivité : 𝑆 = 𝜔𝑃 𝜔
𝐴 sélectivité : 𝑆 = 𝜔𝐴
𝑃

Filtre passe-bande Filtre coupe-bande

bandes passantes : +∞ – ω2P et ω1P – 0 = ω1P


bande passante : ω2P – ω1P = Δω
bandes de transitions : ω2P – ω2A et ω1A – ω1P
bandes de transitions : ω2A – ω2P et ω1P – ω1A
bande atténuée : ω2A – ω1A
bandes atténuées : +∞ – ω2A et ω1A – 0 = ω1A
pulsation centrale : 𝜔0 = √𝜔2𝑃 . 𝜔1𝑃
pulsation centrale : 𝜔0 = √𝜔2𝑃 . 𝜔1𝑃
𝜔2𝐴 −𝜔1𝐴
𝜔2𝑃 −𝜔1𝑃 sélectivité : 𝑆 =
sélectivité : 𝑆 = 𝜔2𝑃 −𝜔1𝑃
𝜔2𝐴 −𝜔1𝐴

La bande de transition est comme son nom l'indique, la bande située entre la bande passante et la
bande atténuée. Plus elle est étroite, et plus le filtre se rapproche du filtre idéal (sélectivité = 1), mais
plus l'ordre du filtre sera élevé.
Pour les filtres passe-bande et coupe-bande, la pulsation centrale est définie comme la moyenne
géométrique des pulsations de limite de bande passante (ω1P et ω2P).

Cours de traitement du signal p. 7 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

Chapitre 3 : Echantillonnage des signaux


L’importance des systèmes numériques de traitement de l’information ne cesse de croître
(radio, télévision, téléphone, instrumentation…). Ce choix est souvent justifié par des
avantages techniques tels que la grande stabilité des paramètres, une excellente
reproductibilité des résultats et des fonctionnalités accrues. Le monde extérieur étant par
nature ‘’analogique’’, une opération préliminaire de conversion analogique numérique est
nécessaire. La conversion analogique-numérique est la succession de trois étapes sur le signal
analogique de départ :

- L’échantillonnage pour rendre le signal discret ;


- La quantification pour associer à chaque échantillon une valeur ;
- Le codage pour associer un code à chaque valeur.

3.1 Echantillonnage
3.1.1 Définition
L’échantillonnage consiste à prélever à des instants précis, le plus souvent équidistants, les
valeurs instantanées d’un signal. Le signal analogique s(t), continu dans le temps, est alors
représenter par un ensemble de valeur discrètes :
𝒔𝒆 (𝒕) = 𝒔(𝒌. 𝑻𝒆 ) 𝑎𝑣𝑒𝑐 𝑻𝒆 ∶ période d’échantillonnage et 𝐤 ∶ entier
Cette opération est réalisée par un échantillonneur souvent symbolisé par un interrupteur.
s(t) se(t)

1
t Te t
T fe =
Te

3.1.2 Echantillonnage idéal


L’échantillonnage idéal est modélisé par la multiplication du signal continu s(t) et d’un peigne
de Dirac de période 𝑻𝒆 .
𝒔𝒆 (𝒕) = 𝒔(𝒕). 𝜹𝑻𝒆 (𝒕)
+∞

𝒔𝒆 (𝒕) = 𝒔(𝒕). ∑ 𝜹(𝒕 − 𝒌. 𝑻𝒆 )


𝒌=−∞
+∞

𝒔𝒆 (𝒕) = ∑ 𝒔(𝒌. 𝑻𝒆 ). 𝜹(𝒕 − 𝒌. 𝑻𝒆 )


𝒌=−∞

Cours de traitement du signal p. 1 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

Le spectre du signal échantillonné est donc le suivant :


𝑺𝒆 (𝒇) = 𝑺(𝒇) ∗ 𝑻. 𝑭{𝜹𝑻𝒆 (𝒕)}
Or la transformée de Fourier de la fonction peigne de Dirac est donnée par :
+∞

𝑻. 𝑭{𝜹𝑻𝒆 (𝒕)} = 𝑭𝒆 . ∑ 𝜹(𝒇 − 𝒌. 𝑭𝒆 )


𝒌=−∞

Alors :
+∞

𝑺𝒆 (𝒇) = 𝑺(𝒇) ∗ (𝑭𝒆 . ∑ 𝜹(𝒇 − 𝒌. 𝑭𝒆 ))


𝒌=−∞

+∞

𝑺𝒆 (𝒇) = 𝑭𝒆 . ∑ 𝑺(𝒇 − 𝒌. 𝑭𝒆 )
𝒌=−∞

On obtient donc un spectre infini qui provient de la périodisation du spectre du signal


d’origine autour des multiples de la fréquence d’échantillonnage.

Remarques :

 On voit sur le spectre du signal échantillonné qu’il est possible de restituer le signal
original par un simple filtrage passe-bas.
 Si 𝑓𝑀 , la fréquence maximale du spectre du signal à échantillonner, est supérieure à
𝑓𝑒 ⁄2, la restitution du signal original sera impossible car il va apparaître un
recouvrement spectrale lors de l’échantillonnage.
Se(f)

-2fe -fe fe 2fe f

recouvrement

Cours de traitement du signal p. 2 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

Le théorème de SHANNON montre que la reconstitution correcte d’un signal nécessite que la
fréquence d’échantillonnage 𝑓𝑒 soit supérieur ou égale à deux fois la fréquence maximale (𝑓𝑀 )
du spectre du signal :
𝑓𝑒 ≥ 2 × 𝑓𝑀

3.1.3 Reconstruction du signal 𝒔(𝒕) à partir de ses échantillons :


Pour reconstruire le signal 𝒔(𝒕), il suffit d’isoler le spectre d’ordre 𝑘 = 0 du spectre du signal
échantillonné.
𝟏 𝒇
𝑺(𝒇) = . {𝑺𝒆 (𝒇). 𝒓𝒆𝒄𝒕 ( )}
𝑭𝒆 𝟐. 𝒇𝑴

qui caractérise un filtrage idéal passe-bas de fréquence de coupure 𝒇𝑪 = 𝒇𝑴 . Dans ces


conditions nous obtenons :
𝟏 𝒔𝒊𝒏(𝟐. 𝝅. 𝒇𝑴 . 𝒕)
𝒔(𝒕) = . {𝒔𝒆 (𝒕) ∗ 𝟐. 𝒇𝑴 . }
𝑭𝒆 𝟐. 𝝅. 𝒇𝑴 . 𝒕

+∞
𝟐. 𝒇𝑴 𝒔𝒊𝒏(𝟐. 𝝅. 𝒇𝑴 . 𝒕)
𝒔(𝒕) = . { ∑ 𝒔(𝒌. 𝑻𝒆 ). 𝜹(𝒕 − 𝒌. 𝑻𝒆 ) ∗ }
𝑭𝒆 𝟐. 𝝅. 𝒇𝑴 . 𝒕
𝒌=−∞

+∞
𝟐. 𝒇𝑴 𝒔𝒊𝒏(𝟐. 𝝅. 𝒇𝑴 . (𝒕 − 𝒌. 𝑻𝒆 ))
𝒔(𝒕) = . { ∑ 𝒔(𝒌. 𝑻𝒆 ). }
𝑭𝒆 𝟐. 𝝅. 𝒇𝑴 . (𝒕 − 𝒌. 𝑻𝒆 )
𝒌=−∞

𝒔𝒊𝒏(𝒙)
La fonction en est la fonction d’interpolation nécessaire pour reconstituer 𝒔(𝒕) à partir
𝒙
de ses échantillons 𝒔(𝒌. 𝑻𝒆 ) périodique (interpolation de SHANNON).

3.1.4 Echantillonnage réel


En pratique, l’échantillonnage s’effectue en commandant un interrupteur par un train
d’impulsions étroites. Il est donc impossible d’obtenir des échantillons de durée quasiment
nulle. La modélisation de l’échantillonnage par un peigne de Dirac est donc erronée. En fait,
chaque impulsion va avoir une durée très courte 𝝉. L’échantillonnage peut donc être modélisé
par la multiplication du signal par une suite de fonction rectangle (ou porte) de largeur 𝝉.

Cours de traitement du signal p. 3 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

3.1.4.1. Définition de la nouvelle fonction d’échantillonnage :


𝒕
𝒆(𝒕) ≝ 𝜹𝑻𝒆 (𝒕) ∗ 𝒓𝒆𝒄𝒕 ( )
𝝉

+∞
𝒕
𝒆(𝒕) = ∑ 𝜹(𝒕 − 𝒌. 𝑻𝒆 ) ∗ 𝒓𝒆𝒄𝒕 ( )
𝝉
𝒌=−∞
+∞
𝒕 − 𝒌. 𝑻𝒆
𝒆(𝒕) = ∑ 𝒓𝒆𝒄𝒕 ( )
𝝉
𝒌=−∞

L’expression du signal d’échantillonnage devient donc :

𝒔𝒆 (𝒕) = 𝒔(𝒕). 𝒆(𝒕)


+∞ +∞
𝒕 − 𝒌. 𝑻𝒆 𝒕 − 𝒌. 𝑻𝒆
𝒔𝒆 (𝒕) = 𝒔(𝒕). ∑ 𝒓𝒆𝒄𝒕 ( ) = ∑ 𝒔(𝒌. 𝑻𝒆 ). 𝒓𝒆𝒄𝒕 ( )
𝝉 𝝉
𝒌=−∞ 𝒌=−∞

3.1.4.2. : La transformée de Fourier du signal échantillonné


La transformée de Fourier du signal échantillonné est égale à :
𝑺𝒆 (𝒇) = 𝑺(𝒇) ∗ 𝑬(𝒇)

𝒕
avec 𝑬(𝒇) = 𝑻𝑭 {𝜹𝑻𝒆 (𝒕) ∗ 𝒓𝒆𝒄𝒕 (𝝉)}
𝒕
𝑬(𝒇) = 𝑻𝑭{𝜹𝑻𝒆 (𝒕)}. 𝑻𝑭 {𝒓𝒆𝒄𝒕 ( )}
𝝉
+∞

𝑬(𝒇) = (𝑭𝒆 . ∑ 𝜹(𝒇 − 𝒌. 𝑭𝒆 )) . (𝝉. 𝒔𝒊𝒏𝒄(𝝉. 𝒇))


𝒌=−∞
+∞
𝝉
𝑬(𝒇) = . 𝒔𝒊𝒏𝒄(𝝉. 𝒇). ∑ 𝜹(𝒇 − 𝒌. 𝑭𝒆 )
𝑻𝒆
𝒌=−∞

Cours de traitement du signal p. 4 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

Comme l’expression du signal échantillonné est :


𝒔𝒆 (𝒕) = 𝒔(𝒕). 𝒆(𝒕)
Sa transformée de Fourier devient :
𝑺𝒆 (𝒇) = 𝑺(𝒇) ∗ 𝑬(𝒇)
+∞
𝝉
𝑺𝒆 (𝒇) = 𝑺(𝒇) ∗ ( . 𝒔𝒊𝒏𝒄(𝝉. 𝒇). ∑ 𝜹(𝒇 − 𝒌. 𝑭𝒆 ))
𝑻𝒆
𝒌=−∞
+∞
𝝉
𝑺𝒆 (𝒇) = . 𝒔𝒊𝒏𝒄(𝝉. 𝒇). ∑ 𝑺(𝒇 − 𝒌. 𝑭𝒆 )
𝑻𝒆
𝒌=−∞

On retrouve la même allure de spectre modulé en amplitude par une fonction en sinus
cardinale.

Remarques :
 Pour se rapprocher d’un échantillonnage idéal et qu’ainsi le signal soit facilement
reconstructible, il faut que 𝝉 soit le plus petit possible.

3.1.5 Echantillonnage-blocage
En pratique, on n'échantillonne pas un signal pour le reconstruire juste après.
L'échantillonnage est utilisé pour prélever le signal à des instants multiples de Te et ensuite
convertir les échantillons sous forme d'un code binaire (8, 12, 16 bits, ...). Cette conversion est
effectuée par l’intermédiaire d’un convertisseur analogique-numérique (CAN). Cette
conversion n’est pas instantanée. Si le signal à convertir varie trop rapidement, il est nécessaire
de procéder au blocage du signal pour avoir une conversion sans erreur. On utilise donc un
échantillonneur-bloqueur qui mémorise la tension à convertir et la maintient constante
pendant toute la durée de conversion.

Cours de traitement du signal p. 5 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

L’effet de blocage peut être modélisé par une fonction porte décalée de 𝝉⁄𝟐 :

+∞ 𝝉 𝝉 +∞
𝒕 − 𝟐 − 𝒌. 𝑻𝒆 𝒕−𝟐
𝒆(𝒕) = ∑ 𝒓𝒆𝒄𝒕 ( ) = 𝒓𝒆𝒄𝒕 ( ) ∗ ∑ 𝜹(𝒕 − 𝒌. 𝑻𝒆 )
𝝉 𝝉
𝒌=−∞ 𝒌=−∞

L’échantillonnage-blocage consiste donc à la multiplication du signal par 𝒆(𝒕). La transformée


de Fourier du signal échantillonné est donc :
+∞
𝝉
𝑺𝒆 (𝒇) = . 𝒔𝒊𝒏𝒄(𝝉. 𝒇). ∑ 𝑺(𝒇 − 𝒌. 𝑭𝒆 ) . 𝒆−𝒋.𝝅.𝒇.𝝉
𝑻𝒆
𝒌=−∞

Remarques :
Le spectre est identique au précédent. Le terme en 𝒆−𝒋.𝝅.𝒇.𝝉 traduit un déphasage entre le
signal initial et le signal échantillonné. En principe, on maintient la valeur de l’échantillon sur
toute la période d’échantillonnage donc τ = Te. Ainsi, pour 𝒇 = 𝒇𝒆 , on a un déphasage de −𝝅.

3.2 Quantification

3.2.1 Définition
La quantification consiste à associer à une valeur réelle x quelconque, une autre valeur 𝑥𝑞
appartenant à un ensemble fini de valeurs et ce suivant une certaine loi : arrondi supérieur,
arrondi le plus proche, etc…
L’écart entre chaque valeur 𝑥𝑞 est appelé pas de quantification.
Le fait d’arrondir la valeur de départ entraîne forcément une erreur de quantification que l’on
appelle le bruit de quantification.

Cours de traitement du signal p. 6 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

3.2.2 Quantification uniforme


La loi de quantification uniforme utilise un pas de quantification (q) constant entre chaque
valeur 𝑥𝑞 .

xq
Loi idéale
3q Bq=xq-x
2q
½q
q

x x
-q
-½ q
-2q
-3q

Le bruit de quantification 𝐵𝑞 est dans ce cas un signal aléatoire. Ces caractéristiques sont donc
définies par ses propriétés statistiques. On peut alors démontrer que la puissance du bruit de
quantification est égale à :
𝑞2
𝑃𝐵𝑞 =
12
Le rapport signal sur bruit dû à la quantification est donc égale à :
𝑆 𝑃𝑠
( ) = 10. 𝑙𝑜𝑔 ( )
𝐵 𝑑𝐵 𝑃𝐵𝑞

La puissance du signal à quantifier est égale à sa valeur efficace au carré (voir remarque) :
𝑆 𝑉𝑠𝑒𝑓𝑓 2
( ) = 10. log (12 ( ) )
𝐵 𝑑𝐵 𝑞
Si l’on décompose la plage de variation 𝑉𝑃𝐸 du signal à quantifier en 𝟐𝒏 intervalles de largeur 𝒒
(avec n le nombre de bits utilisés pour coder le signal quantifié).
𝑽𝑷𝑬
Alors : 𝑽𝑷𝑬 = 𝟐𝒏 × 𝒒 et 𝒒 = 𝟐𝒏
𝑆 𝑉𝑠𝑒𝑓𝑓 𝑉𝑠𝑒𝑓𝑓
Ainsi : ( ) = 10. 𝑙𝑜𝑔(12) + 20. 𝑙𝑜𝑔 [2𝑛 . ] = 10. 𝑙𝑜𝑔(12) + 20. 𝑙𝑜𝑔(2𝑛 ) + 20. 𝑙𝑜𝑔 [ ]
𝐵 𝑑𝐵 𝑉𝑃𝐸 𝑉𝑃𝐸

𝑆 𝑉𝑠𝑒𝑓𝑓
( ) ≈ 6.02 𝑛 + 10.8 + 20. 𝑙𝑜𝑔 ( )
𝐵 𝑑𝐵 𝑉𝑃𝐸

Ainsi, dans le cas d’un convertisseur analogique-numérique, chaque fois que l’on rajoutera un bit
dans le résultat de conversion, on améliorera le rapport signal sur bruit dû à la quantification
d’environ 6dB.

Cours de traitement du signal p. 7 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬
Filière de Télécommunications ‫شعبة اتصاالت سلكية و السلكية‬

Remarque :
En traitement du signal, on considère la puissance d’un signal aux bornes d’une résistance de 1Ω.
La puissance est donc égale au carré de la valeur efficace.

Exemple :
Si l’on veut numériser une sinusoïde et que l’on fixe 𝑉𝑃𝐸 = 2. 𝑉𝑚𝑎𝑥
Dans ce cas : 
𝑉𝑚𝑎𝑥
𝑉𝑠𝑒𝑓𝑓 =
√2
et
𝑆 𝑉𝑚𝑎𝑥
( ) ≈ 6.02 𝑛 + 10.8 + 20. 𝑙𝑜𝑔 [ ]
𝐵 𝑑𝐵 2√2𝑉𝑚𝑎𝑥
𝑆
( ) ≈ 6.02 𝑛 + 1.77
𝐵 𝑑𝐵

3.3 Codage
Le codage consiste à associer à un ensemble de valeurs discrètes un code composé d’éléments
binaires. Les codes les plus connus : code binaire naturel, code binaire décalé, code complément
à 2, code DCB, code Gray.

Exemple sur 4 bits :

Nbre Binaire Binaire décalé DCB Gray Complément à 2


-8 / 0000 / / 1000
-3 / 0101 / / 1101
0 0000 1000 0000 0000 0000
1 0001 0001 0001 0001 0001
5 0101 0101 0101 0111 0101
10 1010 / 0001 0000 1111 /
15 1111 / 0001 0101 1000 /

Cours de traitement du signal p. 8 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

Chapitre 4 : Transformée de Fourier Discrète (TFD)

4.1 Introduction :
Lorsqu’on désire calculer la transformée de Fourier d’une fonction x(t) à l’aide d’un ordinateur, ce
dernier n’ayant qu’un nombre fini de mots de taille finie on est amené à :
▪ Discrétiser la fonction temporelle,
▪ Tronquer la fonction temporelle,
▪ Discrétiser la fonction fréquentielle.
+∞

𝑿(𝒇) = ∫ 𝒙(𝒕). 𝒆−𝒋𝟐𝝅𝒇𝒕 . 𝒅𝒕


−∞

En approchant l’intégrale par une somme d’aires de rectangles de durée 𝑻𝒆 et en limitant la durée
d’intégration à l’intervalle [𝟎, (𝑵 − 𝟏)𝑻𝒆 ], on obtient :
𝑵−𝟏

𝑿(𝒇) ≈ 𝑻𝒆 ∑ 𝒙(𝒏𝑻𝒆 ). 𝒆−𝒋𝟐𝝅𝒇𝒏𝑻𝒆


𝒏=𝟎

𝒌𝑭𝒆⁄
Ce qui donne pour les valeurs de fréquences 𝒇𝒌 = 𝑵:
𝑵−𝟏 𝑵−𝟏
𝒏𝒌 𝒏𝒌
−𝒋𝟐𝝅 .𝑭 .𝑻
𝑿(𝒇𝒌 ) ≈ 𝑻𝒆 ∑ 𝒙(𝒏𝑻𝒆 ). 𝒆 𝑵 𝒆 𝒆 ≈ 𝑻𝒆 ∑ 𝒙(𝒏𝑻𝒆 ). 𝒆−𝒋𝟐𝝅 𝑵
𝒏=𝟎 𝒏=𝟎

Ce n’est pas une approximation sophistiquée de 𝑿(𝒇), mais elle est très utilisée en pratique sous le
nom de TFD car il existe un algorithme de calcul efficace appelé FFT (Fast Fourier Transform) ou TFR
(Transformée de Fourier rapide).
La TFD est par ailleurs utilisée, lorsque l’on travaille avec des suites numériques sans lien avec un signal
physique, pour définir une représentation de la suite sur une base de fonctions fréquentielles.

4.2 Transformée de Fourier Discrète : TFD


4.2.1 Définition de la TFD :
On appelle transformée de Fourier discrète d’une suite de N termes 𝒙(𝟎), 𝒙(𝟏), 𝒙(𝟐), … , 𝒙(𝑵 − 𝟏),
la suite de N termes 𝑿(𝟎), 𝑿(𝟏), 𝑿(𝟐), … , 𝑿(𝑵 − 𝟏), définis par :

Cours de traitement du signal p. 1 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

𝑵−𝟏
𝒏𝒌
𝑿(𝒏) = ∑ 𝒙(𝒌). 𝒆−𝒋𝟐𝝅 𝑵
𝒌=𝟎

Avec 𝒏 = 𝟎, 𝟏, 𝟐, … , 𝑵 − 𝟏
4.2.2 Inversion de la TFD :

𝑵−𝟏
𝟏 𝒏𝒌
𝒙(𝒌) = . ∑ 𝑿(𝒏). 𝒆𝒋𝟐𝝅 𝑵
𝑵
𝒌=𝟎

4.2.3 Exemple :
Soit la suite périodique suivante :

𝑥(𝑘) = {… 1,2,4,3, 𝟏, 𝟐, 𝟒, 𝟑, 1,2,4,3, … }

• Cacluler la TFD de cette suite :


𝑁−1
𝑛𝑘
𝑋(𝑛) = ∑ 𝑥(𝑘). 𝑒 −𝑗2𝜋 𝑁
𝑘=0

𝑁=4 ⟹
3
𝑛𝑘
𝑋(𝑛) = ∑ 𝑥(𝑘). 𝑒 −𝑗2𝜋 4
𝑘=0

Cours de traitement du signal p. 2 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

3
𝜋 𝜋
𝑋(𝑛) = ∑ 𝑥(𝑘). 𝑒 −𝑗 2 𝑛𝑘 𝑂𝑟 𝑒 −𝑗 2 = −𝑗 𝑎𝑙𝑜𝑟𝑠 ∶
𝑘=0
3

𝑋(𝑛) = ∑ 𝑥(𝑘). (−𝑗)𝑛𝑘


𝑘=0

Donc :
3

𝑛 = 0 ∶ 𝑋(0) = ∑ 𝑥(𝑘) = 𝑥(0) + 𝑥(1) + 𝑥(2) + 𝑥(3) = 1 + 2 + 4 + 3 = 𝟏𝟎


𝑘=0
3

𝑛 = 1 ∶ 𝑋(1) = ∑ 𝑥(𝑘). (−𝑗)𝑘 = 𝑥(0) − 𝑗. 𝑥(1) − 𝑥(2) + 𝑗. 𝑥(3) = 1 − 2𝑗 − 4 + 3𝑗 = −𝟑 + 𝒋


𝑘=0
3

𝑛 = 2 ∶ 𝑋(2) = ∑ 𝑥(𝑘). (−𝑗)2𝑘 = 𝑥(0) − 𝑥(1) + 𝑥(2) − 𝑥(3) = 1 − 2 + 4 − 3 = 𝟎


𝑘=0
3

𝑛 = 3 ∶ 𝑋(3) = ∑ 𝑥(𝑘). (−𝑗)3𝑘 = 𝑥(0) + 𝑗. 𝑥(1) − 𝑥(2) − 𝑗. 𝑥(3) = 1 + 2𝑗 − 4 − 3𝑗 = −𝟑 − 𝒋


𝑘=0

𝟏 𝟏𝟎
𝟐 −𝟑 + 𝒋
D’où à la suite périodique 𝒙(𝒌) = [ ] correspond la suite périodique 𝑿(𝒏) = [ ] ou encore en
𝟒 𝟎
𝟑 −𝟑 − 𝒋
𝟏𝟎
√𝟏𝟎
prenons le module : |𝑿(𝒏)| = [ ]
𝟎
√𝟏𝟎

Cours de traitement du signal p. 3 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

4.2.4 Interprétation :
𝑵−𝟏
𝒏𝒌
𝑿(𝒏) = ∑ 𝒙(𝒌). 𝒆−𝒋𝟐𝝅 𝑵
𝒌=𝟎
𝟐𝝅
−𝒋
Posons : 𝒘 = 𝒆 𝑵

La TFD devient :
𝑁−1

𝑋(𝑛) = ∑ 𝑥(𝑘). 𝑤 𝑛𝑘
𝑘=0

Cette relation se détaille de la manière suivante :


𝑛 = 0 ∶ 𝑋(0) = 𝑥(0). 𝑤 0 + 𝑥(1). 𝑤 0 + 𝑥(2). 𝑤 0 + ⋯ + 𝑥(𝑁 − 1). 𝑤 0
𝑛 = 1 ∶ 𝑋(1) = 𝑥(0). 𝑤 0 + 𝑥(1). 𝑤 1 + 𝑥(2). 𝑤 2 + ⋯ + 𝑥(𝑁 − 1). 𝑤 𝑁−1

𝑛 = 2 ∶ 𝑋(2) = 𝑥(0). 𝑤 0 + 𝑥(1). 𝑤 2 + 𝑥(2). 𝑤 4 + ⋯ + 𝑥(𝑁 − 1). 𝑤 2(𝑁−1)


.
.

.
2
𝑛 = 𝑁 − 1 ∶ 𝑋(𝑁 − 1) = 𝑥(0). 𝑤 0 + 𝑥(1). 𝑤 𝑁−1 + 𝑥(2). 𝑤 2(𝑁−1) + ⋯ + 𝑥(𝑁 − 1). 𝑤 (𝑁−1)
Soit sous forme matricielle :
𝑋(0) 𝑤0 𝑤0 𝑤0 … 𝑤0 𝑥(0)
2 𝑁−1
𝑋(1) 𝑤0 𝑤 1 𝑤 … 𝑤 𝑥(1)
𝑋(2) 𝑤0 𝑤 2 𝑤 4
… 𝑤 2(𝑁−1 ) 𝑥(2)
. . … . .
= . . .
. . . . … . .
. . . . … . .
. . . . … . .
[𝑋(𝑁 − 1)] [𝑤 0 𝑤 𝑁−1 𝑤 2(𝑁−1 ) … (𝑁−1 )2 ] [𝑥(𝑁 − 1)]
𝑤

4.2.5 Propriétés de la matrice [𝑾] :


4.2.5.1. Propriétés fondamentales :
La matrice [W] est visiblement une matrice carré symétrique de type 𝑁 × 𝑁. Ses éléments sont de la
forme 𝒘𝒊 = 𝒆−𝒋𝟐𝝅𝒊⁄𝑵 .

Cours de traitement du signal p. 4 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

Se sont tous les racines nièmes de l’unité, puisque pour 𝒊 = 𝑵 𝑜𝑛 𝑎 ∶ 𝒘𝑵 = 𝒆−𝒋𝟐𝝅𝑵⁄𝑵 = 𝒆−𝒋𝟐𝝅 = 𝟏.

• Les racines satisfont la relation de conjugaison suivante 𝒘𝑵−𝒊 = 𝒘𝒊∗ , car :


𝒘𝑵−𝒊 = 𝒆−𝒋𝟐𝝅(𝑵−𝒊)⁄𝑵 = 𝒆𝒋𝟐𝝅𝒊⁄𝑵 = 𝒘𝒊∗
• Par conséquent les lignes et les colonnes de [W] ayant pour numéro d’ordre 𝑖 et 𝑁 − 𝑖 sont
conjugués.
Ainsi
▪ Les lignes 1 et N-1 sont conjugués.
▪ Les lignes 2 et N-2 sont conjugués.
𝑁 𝑁
▪ Les lignes 2 − 1 et 2 + 1 sont conjugués si N est pair.
(𝑁−1) (𝑁+1)
▪ Les lignes et sont conjugués si N est impair.
2 2

▪ Même règles pour les colonnes de la matrice [W].


Prenons l’exemple d’une matrice d’ordre 8 que nous écrivons [W8 ] avec N=8.

𝑤0 𝑤0 𝑤0 𝑤0 𝑤0 𝑤0 𝑤0 𝑤0
𝑤0 𝑤1 𝑤2 𝑤3 𝑤4 𝑤5 𝑤6 𝑤7
𝑤0 𝑤2 𝑤4 𝑤6 𝑤8 𝑤 10 𝑤 12 𝑤 14
0
[W8 ] = 𝑤 0 𝑤3 𝑤6 𝑤9 𝑤 12 𝑤 15 𝑤 18 𝑤 21
𝑤 𝑤4 𝑤8 𝑤 12 𝑤 16 𝑤 20 𝑤 24 𝑤 28
𝑤0 𝑤5 𝑤 10 𝑤 15 𝑤 20 𝑤 25 𝑤 30 𝑤 35
𝑤0 𝑤6 𝑤 12 𝑤 18 𝑤 24 𝑤 30 𝑤 36 𝑤 42
[ 𝑤0 𝑤7 𝑤 14 𝑤 21 𝑤 28 𝑤 35 𝑤 42 𝑤 47 ]
4.2.5.2. Conséquences :
La matrice [W] possède la structure suivante :
a) Pour N pair : Prenons l’exemple d’une matrice [W8 ]

𝑤0 𝑤0 𝑤0 𝑤0 𝑤0 𝑤0 𝑤0 𝑤0
𝑤0 𝑤1 𝑤2 𝑤3 𝑤4 𝑤 3∗ 𝑤 2∗ 𝑤 1∗
𝑤0 𝑤2 𝑤4 𝑤6 𝑤8 𝑤 6∗ 𝑤 4∗ 𝑤 2∗
0
[W8 ] = 𝑤 0 𝑤3 𝑤6 𝑤9 𝑤 12 𝑤 9∗ 𝑤 6∗ 𝑤 3∗
𝑤 𝑤4 𝑤8 𝑤 12 𝑤 16 𝑤 12∗ 𝑤 8∗ 𝑤 4∗
𝑤0 𝑤 3∗ 𝑤 6∗ 𝑤 9∗ 𝑤 12∗ 𝑤9 𝑤6 𝑤3
𝑤0 𝑤 2∗ 𝑤 4∗ 𝑤 6∗ 𝑤 8∗ 𝑤6 𝑤4 𝑤2
[ 𝑤0 𝑤 1∗ 𝑤 2∗ 𝑤 3∗ 𝑤 4∗ 𝑤3 𝑤 2 𝑤1 ]

Cours de traitement du signal p. 5 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

b) Pour N impair : Prenons l’exemple d’une matrice [W9 ]

𝑤0 𝑤0 𝑤0 𝑤0 𝑤0 𝑤0 𝑤0 𝑤0 𝑤0
𝑤0 𝑤1 𝑤2 𝑤3 𝑤4 𝑤4 𝑤 3∗ 𝑤 2∗ 𝑤 1∗
𝑤0 𝑤2 𝑤4 𝑤6 𝑤8 𝑤8 𝑤 6∗ 𝑤 4∗ 𝑤 2∗
𝑤0 𝑤3 𝑤6 𝑤9 𝑤 12 𝑤 12 𝑤 9∗ 𝑤 6∗ 𝑤 3∗
[W9 ] = 𝑤 0 𝑤4 𝑤8 𝑤 12 𝑤 16 𝑤 16 𝑤 12∗ 𝑤 8∗ 𝑤 4∗
𝑤0 𝑤4 𝑤8 𝑤 12 𝑤 16 𝑤 16 𝑤 12∗ 𝑤 8∗ 𝑤 4∗
𝑤0 𝑤 3∗ 𝑤 6∗ 𝑤 9∗ 𝑤 12∗ 𝑤 12∗ 𝑤9 𝑤6 𝑤3
𝑤0 𝑤 2∗ 𝑤 4∗ 𝑤 6∗ 𝑤 8∗ 𝑤 8∗ 𝑤6 𝑤4 𝑤2
[ 𝑤0 𝑤 1∗ 𝑤 2∗ 𝑤 3∗ 𝑤 4∗ 𝑤 4∗ 𝑤3 𝑤2 𝑤1 ]
𝟐𝝅𝒊
𝒊 −𝒋
Avec 𝒘 = 𝒆 𝟗

4.3 Transformée de Fourier Rapide : FFT


L’emploi des TFD comporte une sévère limitation. En effet le calcul des N échantillons d’une période
spectrale exige un nombre d’opération de l’ordre N2 .
Si N est élevé, ce nombre devient exagérer pour la durée des calculs et pour la capacité mémoire de la
machine calculatrice.
Par exemple si N=8192=213, N2 représente sensiblement 67 millions opérations à effectuer.
Or une organisation méthodique des calculs des TFD est possible ramenant le nombre des opérations
à effectuer à une valeur de N. 𝑙𝑜𝑔2 (𝑁) quand N est une puissance de 2. C’est le cas de la Transformée
de Fourier rapide (TFR ou FFT en anglais).

La supériorité de la TFR augmente avec N comme le montre le tableau suivant :

N 𝐍𝟐 𝐍. 𝒍𝒐𝒈𝟐 (𝑵)
16 256 64
256 65536 2048
4096 16777216 49152

Cours de traitement du signal p. 6 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

Les algorithmes constituants la TFR sont à priori en nombre illimité. Ce qui sont les plus utiliser sont :
L’algorithme de TFR à entrelacement temporelle.
L’algorithme de TFR à entrelacement fréquentielle.
L’algorithme de TFR de Cooley Turkey.
L’algorithme de TFR de Sande.

4.3.1 Algorithme de TFR à entrelacement temporelle.


L’algorithme de TFR à entrelacement temporelle est construit de la manière suivante :
✓ Par convention les flèches représentent une multiplication, les points à gauche des croisillons
élémentaires représentent :

• Le point supérieur une addition (+)


• Le point inférieur une soustraction (-)
✓ Les suites d’éléments 𝐱(k) peut être décomposé en 2 suites entrelacées l’une avec des éléments
pairs, l’autre avec des éléments impairs.

𝐱(𝟎)
𝐱(𝟐)
(+) 𝑳𝒊𝒈𝒏𝒆 (𝒏) 𝐱(𝟒)
𝑿(𝒏) .
.
.
.
𝐍
𝐱 (𝟐 ( − 𝟏))
𝑵 [ 𝟐 ]
𝟎≤𝒏≤ −𝟏
𝟐
𝐱(𝟏)
𝑵 𝐱(𝟑)
𝑳𝒊𝒈𝒏𝒆 (𝒏 + ) 𝐱(𝟓)
𝑵 𝟐 .
𝑿 (𝒏 + ) .
𝟐
(−) .
.
[ 𝐱(𝑵 − 𝟏) ]

Cours de traitement du signal p. 7 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

Exemple : calculer la TFR avec entrelacement temporelle pour N= 4 = 22 (2 étapes).

𝑋(0) = 𝑥(0) + 𝑥(2) + 𝑤 0 ൫𝑥(1) + 𝑥(3)൯ 𝑥(0) + 𝑥(2) 𝑥(0)

𝑋(1) = 𝑥(0) − 𝑥(2) + 𝑤 1 ൫𝑥(1) − 𝑥(3)൯ 𝑥(0) − 𝑥(2) 𝑥(2)

𝑤0 𝑥(1) + 𝑥(3) 𝑥(1)


𝑋(2) = 𝑥(0) + 𝑥(2) − 𝑤 0 ൫𝑥(1) + 𝑥(3)൯

𝑤1 𝑥(3)
𝑋(3) = 𝑥(0) − 𝑥(2) − 𝑤 1 ൫𝑥(1) − 𝑥(3)൯ 𝑥(1) − 𝑥(3)

Même question pour N=8=23 (3 étapes)

Cours de traitement du signal p. 8 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

𝑿(𝟎) 𝑥(0) + 𝑥(4) + 𝑤 0 ൫𝑥(2) + 𝑥(6)൯ 𝑥(0) + 𝑥(4) 𝑥(0)

𝑿(𝟏) 𝑥(0) − 𝑥(4) + 𝑤 2 ൫𝑥(2) − 𝑥(6)൯ 𝑥(0) − 𝑥(4) 𝑥(4)


0
𝑤
𝑿(𝟐) 𝑥(0) + 𝑥(4) − 𝑤 0 ൫𝑥(2) + 𝑥(6)൯ 𝑥(2) + 𝑥(6) 𝑥(2)
𝑤2
𝑥(0) − 𝑥(4) − 𝑤 2 ൫𝑥(2) − 𝑥(6)൯ 𝑥(2) − 𝑥(6) 𝑥(6)
𝑿(𝟑)
𝑤0
𝑿(𝟒) 𝑥(1) + 𝑥(5) + 𝑤 0 ൫𝑥(3) + 𝑥(7)൯ 𝑥(1) + 𝑥(5) 𝑥(1)
𝑤1
𝑿(𝟓) 𝑥(1) − 𝑥(5) + 𝑤 2 ൫𝑥(3) − 𝑥(7)൯ 𝑥(1) − 𝑥(5) 𝑥(5)
2 0
𝑤 𝑤
𝑿(𝟔) 𝑥(1) + 𝑥(5) − 𝑤 0 ൫𝑥(3) + 𝑥(7)൯ 𝑥(3) + 𝑥(7) 𝑥(3)
2
𝑤
𝑤3 𝑥(7)
𝑿(𝟕) 𝑥(1) − 𝑥(5) − 𝑤 2 ൫𝑥(3) − 𝑥(7)൯ 𝑥(3) − 𝑥(7)

𝑿(𝟎) = 𝒙(𝟎) + 𝒙(𝟒) + 𝒘𝟎 ൫𝒙(𝟐) + 𝒙(𝟔)൯ + 𝒘𝟎 (𝒙(𝟏) + 𝒙(𝟓) + 𝒘𝟎 (𝒙(𝟑) + 𝒙(𝟕)))


+ 𝑿(𝟏) = 𝒙(𝟎) − 𝒙(𝟒) + 𝒘𝟐 ൫𝒙(𝟐) − 𝒙(𝟔)൯ + 𝒘𝟏 (𝒙(𝟏) − 𝒙(𝟓) + 𝒘𝟐 (𝒙(𝟑) − 𝒙(𝟕)))
𝑿(𝟐) = 𝒙(𝟎) + 𝒙(𝟒) − 𝒘𝟎 ൫𝒙(𝟐) + 𝒙(𝟔)൯ + 𝒘𝟐 (𝒙(𝟏) + 𝒙(𝟓) − 𝒘𝟎 (𝒙(𝟑) + 𝒙(𝟕)))
+
+ 𝑿(𝟑) = 𝒙(𝟎) − 𝒙(𝟒) − 𝒘𝟐 ൫𝒙(𝟐) − 𝒙(𝟔)൯ + 𝒘𝟑 (𝒙(𝟏) − 𝒙(𝟓) − 𝒘𝟐 (𝒙(𝟑) − 𝒙(𝟕)))
+ 𝑿(𝟒) = 𝒙(𝟎) + 𝒙(𝟒) + 𝒘𝟎 ൫𝒙(𝟐) + 𝒙(𝟔)൯ − 𝒘𝟎 (𝒙(𝟏) + 𝒙(𝟓) + 𝒘𝟎 (𝒙(𝟑) + 𝒙(𝟕)))
+ 𝑿(𝟓) = 𝒙(𝟎) − 𝒙(𝟒) + 𝒘𝟐 ൫𝒙(𝟐) − 𝒙(𝟔)൯ − 𝒘𝟏 (𝒙(𝟏) − 𝒙(𝟓) + 𝒘𝟐 (𝒙(𝟑) − 𝒙(𝟕)))
+ 𝑿(𝟔) = 𝒙(𝟎) + 𝒙(𝟒) − 𝒘𝟎 ൫𝒙(𝟐) + 𝒙(𝟔)൯ − 𝒘𝟐 (𝒙(𝟏) + 𝒙(𝟓) − 𝒘𝟎 (𝒙(𝟑) + 𝒙(𝟕)))
+ 𝑿(𝟕) = 𝒙(𝟎) − 𝒙(𝟒) − 𝒘𝟐 ൫𝒙(𝟐) − 𝒙(𝟔)൯ − 𝒘𝟑 (𝒙(𝟏) − 𝒙(𝟓) − 𝒘𝟐 (𝒙(𝟑) − 𝒙(𝟕)))
+

Cours de traitement du signal p. 9 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

Nous remarquons dans ce traitement que les 𝑋(𝑛) apparaissent dans l’ordre naturelle des indices alors
que les 𝑥(𝑘) se permutent dans l’ordre. Cette permutation est due aux entrelacements successifs et se
traduit par un retournement ou inversion de la représentation binaire des indices autour du dernier bit.
Ainsi pour N = 8 = 23 on a :
0→ 000 → 000 → 𝑥(0)
1→ 001 → 100 → 𝑥(4)
2→ 010 → 010 → 𝑥(2)
3→ 011 → 110 → 𝑥(6)
4→ 100 → 001 → 𝑥(1)
5→ 101 → 101 → 𝑥(5)
6→ 110 → 011 → 𝑥(3)
7→ 111 → 111 → 𝑥(7)
4.3.2 Exemple d’application de la TFR au calcul de spectre :
Soit le signal 𝑥(𝑡) = 𝑐𝑜𝑠(2𝜋𝑓0 𝑡). On échantillonne une seule période du signal, le nombre
d’échantillons est N=8.
Calculer son spectre par TFR à entrelacement temporelle.
Paramètre de calcul :
𝑡 → 𝑘 = 0, 1, 2, 3, 4, 5, 6, 7
𝑁 = 8 = 𝑇0
1 1 1
𝑓0 = = =
𝑇0 𝑁 8
D’où :
1
𝑥(𝑘) = 𝑐𝑜𝑠 (2𝜋 𝑘)
𝑁
1 𝜋
𝑥(𝑘) = 𝑐𝑜𝑠 (2𝜋 𝑘) = 𝑐𝑜𝑠 ( 𝑘)
8 4
√𝟐 √𝟐 √𝟐 √𝟐
𝒙(𝟎) = 𝟏, 𝒙(𝟏) = , 𝒙(𝟐) = 𝟎, 𝒙(𝟑) = − , 𝒙(𝟒) = −𝟏, 𝒙(𝟓) = − , 𝒙(𝟔) = 𝟎, 𝒙(𝟕) =
𝟐 𝟐 𝟐 𝟐

√𝟐 √𝟐 √𝟐 √𝟐
𝒘𝟎 = 1, 𝒘1 = −𝒋 , 𝒘1 = −𝑗 , 𝒘3 = − −𝒋
𝟐 𝟐 𝟐 𝟐

Cours de traitement du signal p. 10 Chargé de cours : Mr. BOUTAA Mohammed


Université Ziane Achour de Djelfa ‫جامعة زيان عاشور بالجلفة‬
Faculté des Sciences et de la Technologie ‫كلية العلوم و التكنولوجيا‬
Département de Génie Electrique ‫قسم الهندسة الكهربائية‬

𝑿(𝟎) = 𝟎 0 0 𝑥(0) = 1

𝑿(𝟏) = 𝟒 2 2 𝑥(4) = −1
0
𝑤 0
𝑿(𝟐) = 𝟎 0 𝑥(2)=0
𝑤2
2 0 𝑥(6)=0
𝑿(𝟑) = 𝟎
𝑤0 √2
0 0 𝑥(1) =
𝑿(𝟒) = 𝟎 2
√2
𝑤1 √2 𝑥(5) = −
𝑿(𝟓) = 𝟎 √2(1 + 𝑗) 2
2 0
𝑤 𝑤 0 √2
𝑿(𝟔) = 𝟎 0 𝑥(3) =
2
𝑤3 𝑤2
√2(1 − 𝑗) −√2
√2
𝑿(𝟕) = 𝟒 𝑥(7) = −
2

Cours de traitement du signal p. 11 Chargé de cours : Mr. BOUTAA Mohammed

Vous aimerez peut-être aussi