Académique Documents
Professionnel Documents
Culture Documents
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
Travaux Pratiques de
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Traitement du signal
Benoît Decoux
benoit.decoux@wanadoo.fr
1
Traitement du Signal
I) Introduction générale
Plan du cours
Cours – TD
Grandes parties :
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.02
-0.03
0 20 40 60 80 100 120 140
TP
Utilisation de Scilab
2
Traitement du Signal
I) Introduction générale
Modalités de déroulement
Chaque séance : 1h-1h30 cours / 1h30-2h TP
Approche pédagogique : très appliquée voire inductive
Logiciel/langage de programmation utilisé : Scilab
TP par binôme, sur ordinateurs portables personnels
Partie voisée du mot six (au milieu du mot)
0.15
0.11
0.07
0.03
-0.01
-0.05
Contenu :
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
o programmes écrits
o résultats de leur test
o interprétation de ces résultats
Format fichiers : compatible MsWord
Nom fichier : TPn_Nom1Nom2.doc (n numéro du TP)
Possibilité de compléter avant séance suivante ; envoi des compléments à :
benoit.decoux@wanadoo.fr
Evaluation
QCM de 5 à 10 questions en fin de chaque séance (10 mn) ; questions de cours, TD et TP
Compte-rendus de TP
Examen final
3
Traitement du Signal
I) Introduction générale
Quelques généralités
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
mais également…
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Applications
Outils
! ordinateur / logiciels-programmation "bas-niveau"
! processeurs spécialisés (DSP)
4
Traitement du Signal
II) Notions générales
II.1) Rappels
Signal sinusoïdal :
s(t) = A sin(ωt + ϕ) π
ou s(t) = A cos(ωt + ϕ) = A sin(ωt + ϕ + )
2
0.19
0.15
0.11
Partie voisée du mot six (au milieu du mot)
avec :
0.07
0.03
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Représentations :
t0=φ/ω t f0 f f0 f
temporelle fréquentielle
5
Traitement du Signal
II) Notions générales
II.1) Rappels
Signal quelconque :
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
temporelle :
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Spectre d’amplitude
fréquentielle :
6
Traitement du Signal
II) Notions générales
II.2) Caractéristiques des signaux
Domaine continu
1 t2 1 t0 + T
T ∫t0
Smoy =
t2 − t1 ∫t1
0.19
0.15
0.11
Partie voisée du mot six (au milieu du mot)
Valeur moyenne : Smoy(t1, t2) = s(t)dt s(t)dt
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
1 t0 + T 2
0.01
Valeur efficace : 1
T ∫t0
t2
0.00
Seff =
Seff (t1, t2) = ∫ s2(t)dt s (t)dt
-0.01
-0.02
t 2 − t1 t1
-0.03
0 20 40 60 80 100 120 140
Energie : t2
Et1,t2 = ∫
t1
s2(t)dt
Puissance :
Instantanée : P = s2(t)
Moyenne : Et1,t2 1 t2 2 1 t0 + T 2
t2 − t1 ∫t1 T ∫t0
Pmoy = = s (t)dt = S2eff Pmoy = s (t)dt
t2 − t1
7
Traitement du Signal
II) Notions générales
II.2) Caractéristiques des signaux
Domaine discret
Soit s={s1, s2, …sN} un signal discret composé de N échantillons. Par analogie avec le domaine
continu, on peut définir les notions de valeur moyenne, d’énergie et de puissance (la somme continue ∫
0.19
Partie voisée du mot six (au milieu du mot)
se transforme en somme discrète ∑ ):
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
1 N−1
0.01
∑s
0.00
-0.02
N n =0 n
-0.03
0 20 40 60 80 100 120 140
N−1
Energie :
E = ∑ sn2
n=0
Puissance :
E 1 N−1 2 1 N−1
Moyenne : P= = ∑ s = ∑P
N N n =0 n N n = 0 n
8
Traitement du Signal
III) Séries de Fourier
III.1) Forme de base
Principe
Tout signal s(t) périodique peut se décomposer sous la forme d’une somme de fonctions
sinusoïdales (sinus-cosinus) dont les fréquences sont des multiples entiers n de sa fréquence,
et et les amplitudes diminuent lorsque n augmente :
∞
Partie voisée du mot six (au milieu du mot)
0.19
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
n=1
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
2π
0.01
0.00
-0.02
T0
-0.03
0 20 40 60 80 100 120 140
Propriétés importantes
9
Traitement du Signal
III) Séries de Fourier
III.1) Forme de base
A
A pour t ∈ [0, T / 2 + kT[
s(t) =
− A pour t ∈ [T / 2 + kT, T + kT[
T/2
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-A
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
La décomposition donne :
4a ∞ sin nωt
s(t) = ∑
π n=1 n , n impair (=0 pour n pair)
10
Traitement du Signal
III) Séries de Fourier
III.1) Forme de base
+ t pour t ∈ [−T / 4, T / 4[
s(t) =
0.19
0.15
Partie voisée du mot six (au milieu du mot)
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
La décomposition donne :
sin(nωt )
n −1
8A ∞
s(t) = 2 ∑ (−1) 2 , n impair (=0 pour n pair)
π n=1 n2
11
Traitement du Signal
III) Séries de Fourier
III.1) Forme de base
A
2A
s(t) = t pour t ∈ [−T / 2 + kT, T / 2 + kT [
T T
Partie voisée du mot six (au milieu du mot)
-A
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
La décomposition donne :
2A ∞ sin( n ωt)
s (t ) = ∑
π n =1
(−1)n−1
n
12
Traitement du Signal
III) Séries de Fourier
III.1) Forme de base
Représentations fréquentielles
bn
b1
Signal carré
Partie voisée du mot six (au milieu du mot)
4A ∞ sin(nωt) b3
∑ n
0.19
s(t) = b5
0.15
0.11
0.07
, n impair
0.03
π n=1
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Signal triangulaire
bn
sin(nωt )
∞ n −1
8A π
s(t) = ∑ (−1)
π2 n=1
2
n2
, n impair
bn
Signal en dents de scie
2A ∞ sin( nωt) π
s (t ) = ∑
π n =1
(−1)n−1
n
f0 2f0 3f0 4f0 5f0 f0 2f0 3f0 4f0 5f0
s(t)
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
t
0 T0
∞ ∞
s(t) = a0 + ∑ bn sin(nω0t) + ∑ an cos(nω0t)
n =1 n=1
! Etonnant, non ?
14
Traitement du Signal
III) Séries de Fourier
III.1) Forme de base
Remarques
sin(nωt )
n −1
8A ∞
Pour obtenir le triangle précédent, il a fallu alterner le signe des sinus : s(t) = 2 ∑ (−1) 2
π n=1 n2
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
8A ∞ cos(nω0t)
Pour décaler ce triangle de –π/2, il aurait fallu utiliser des cosinus : s(t) = ∑ n2
π2 n=1
15
Traitement du Signal
III) Séries de Fourier
III.1) Forme de base
Phénomène de Gibbs
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Explications
(s(t) − ~s(t)) dt = 0
+∞
lim ∫
2
alors
n→∞ − ∞
n →∞
16
Traitement du Signal
III) Séries de Fourier
III.2) Forme avec un seul coefficient
∞
s(t) = a0 + ∑ cn cos(nω0t + ϕn)
0.19
0.15
0.11
0.07
Partie voisée du mot six (au milieu du mot)
avec n=1
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
cn = an2 + bn2
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
et
b
ϕn = arctg n
an
a0 C2
φ1 φ2 φ4
C3 φ3
C4 φ5
17
Traitement du Signal
III) Séries de Fourier
III.3) Forme complexe
0.15
0.11
0.07
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
∞
-0.03
0 20 40 60 80 100 120 140
s(t) = ∑c e n
jnωt
n = −∞
avec
1 T
cn = ∫
T 0
s(t)e− jnωtdt
18
Traitement du Signal
III) Séries de Fourier
III.3) Forme complexe
Spectre de cos(ω0t) :
0,5 0,5
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-f0 f0 f f -f0 f0 f
-0.03
0 20 40 60 80 100 120 140
Spectre de sin(ω0t) :
Re(cn) Im(cn) |cn|
0,5
0,5
f -f0 f0 f -f0 f0 f
b1/2
b3/2
-3f0 -f0
f0 3f0 f
-b3/2
-b1/2 19
Traitement du Signal
III) Séries de Fourier
III.3) Forme complexe
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
Im
0.02
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
sin cos
Re
20
Traitement du Signal
III) Séries de Fourier
III.4) Formalisation
0.15
0.11
Sinus :
0.07
0.03
2
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
Définition de δ ( t ) : +∞
Propriétés de δ (t ) :
s(t).δ(t) ≠ s(0)
s(t).δ(t) = s(0).δ(t)
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
+∞
0.00
-0.01
∫ s(t).δ(t)dt = s(0)
-0.02
-0.03
0 20 40 60 80 100 120 140
−∞
+∞
Peigne de Dirac
+∞
δT(t) = ∑ δ(t − kT)
k = −∞
+∞ +∞
T t0 2 N→∞ n=1
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.02
-0.03
0 20 40 60 80 100 120 140
fréquentielle.
∑ cn
2
P = lim
N→∞
n = −N
23
Traitement du Signal
III) Séries de Fourier
III.6) Approfondissements théoriques
Rappels
Continuité
0.19
0.15
Partie voisée du mot six (au milieu du mot) Une fonction est continue en un point si la valeur de la fonction en ce point est la même que l’on y arrive
par la droite ou par la gauche.
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
Si le nombre de points de discontinuité sur un intervalle est fini, et qu’elle admet des limites finies à droite
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
0.00
-0.02
-0.03
0 20 40 60 80 100 120 140
Exemple de fonction continue par morceaux : signal carré, signal en dents de scie…
Dérivabilité
Une fonction est dérivable en un point si sa dérivée en ce point est finie, soit si :
f(x) − f(x0)
f' (x0) = lim <∞
x →x0 x − x0
24
Traitement du Signal
III) Séries de Fourier
III.6) Approfondissements théoriques
Notions de convergence
Pour savoir si le signal approximé (noté ~
s (t) ici) représente bien le signal original s(t), on définit
plusieurs types de convergences.
∫ s(t) − ~
Partie voisée du mot six (au milieu du mot)
0.19
s (t) dt
0.15
Convergence en moyenne
0.11
0.07
0.03
I
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
∫ (s(t) − s(t) ) dt
-0.03
~
0 20 40 60 80 100 120 140
2
(=moyenne au sens de l’énergie) I
Convergence uniforme (
sup s(t) − ~
s (t) ) ,t ∈I
25
Traitement du Signal
III) Séries de Fourier
III.6) Approfondissements théoriques
Notions de convergence
Exemple sn(t)
n=5
n =1
Soit sn(t) une suite de signaux définis sur [0,1] par :
sn(t) = tn
et s(t) le signal défini par :
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
-0.01
-0.05
-0.09
-0.13
s(t)
0 20 40 60 80 100 120 140
s (1 ) = 1
0.02
0.01
0.00
-0.01
t
-0.02
Convergence simple
-0.03
0 20 40 60 80 100 120 140
Convergence uniforme
s(1) − sn(1) = 0
s(t) − sn(t) = t ∀t ∈ [0,1[
n
2n + 1
2n 1
t2n +1 0 = [ ]
1
2n + 1
→ 0 qd n → ∞
Signaux décomposables en SF
t2
∫ s(t) dt < ∞
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
t1
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
t2 2
∫
t1
s(t) dt < ∞
27
Traitement du Signal
III) Séries de Fourier
III.6) Approfondissements théoriques
Bases orthogonales
Rappel : produit scalaire
t2
2 fonctions x(t) et y(t) sur l’intervalle [t1,t2] : < x(t), y(t) >= ∫ x(t)y(t)dt
t1
n
0.19
y = {y1, y2,..., yn }
0.15
0.07
0.03
2 vecteurs et
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
i= 0
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
jn ωt jn ωt
Produit scalaire sur [0,T] de 2 fonctions exponentielles x(t) = e 1 et y(t) = e 2 :
T
< x(t), y(t) >= ∫ e
jn1ωt − jn2ωt
e dt = 0
0
28
Traitement du Signal
IV) Transformée de Fourier
IV.1) Définition
Définition
S(f) = F(s(t) ) = ∫
+∞
s(t)e− j2πftdt
t = −∞
0.19
0.15
Partie voisée du mot six (au milieu du mot) Comparaison avec Transformée de Laplace :
0.11
S(p) = L(s(t)) = ∫
+∞
0.07
p = σ + jω
0.03
s(t)e−ptdt
-0.01
-0.05
-0.09
-0.13
t = 0−
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
s(t) = F−1(S(f)) = ∫
+∞
Transformée inverse : S(f)ej2πftdf
f = −∞
+∞
Condition d’application : ∫t = −∞
x(t) .dt < ∞
29
Traitement du Signal
IV) Transformée de Fourier
IV.2) Propriétés
Linéarité
a.x(t) + b.y(t) ←→
F
a.X(f) + b.Y(f)
Parité
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
• Si s(t) est une fonction paire, alors S(f) est une fonction paire et réelle.
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
0.00
-0.01
• Si s(t) est une fonction impaire, alors S(f) est une fonction impaire et imaginaire.
-0.02
-0.03
0 20 40 60 80 100 120 140
• Si s(t) n’est ni paire ni impaire, alors S(f) comporte une partie réelle paire et une partie imaginaire
impaire.
Remarque : le signal peut être complexe (purement théorique)
0
30
Traitement du Signal
IV) Transformée de Fourier
IV.2) Propriétés
Translation
a) temporelle
x(t − a) ←→
F
X(f).e−j2πaf
avec a ∈ ℜ
0.19
Partie voisée du mot six (au milieu du mot)
b) Fréquentielle
x(t).ej2πat ←→
0.15
F
X(f − a)
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.02
-0.03
0 20 40 60 80 100 120 140
+∞ +∞
∫ s2(t)dt = ∫ S(f) df
2
Conservation de l’énergie
−∞ −∞
Convolution
x(t) * y(t) →
F
X(f).Y(f) Rappel :
+∞
x(t).y(t) →
F
X(f) * Y(f) x(t) * y(t) = ∫ y(u)x(t − u)du
u=−∞
31
Traitement du Signal
IV) Transformée de Fourier
IV.2) TF de quelques signaux courants
Tableau de transformées
s(t) S(f)=F[s(t)]
δ(t) 1
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
δ(f)
Partie non-voisée du mot six (aux 3/4 du mot)
1
0.02
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
1
s(t) = cos(2πf0t) [δ(f + f0) + δ(f − f0)]
2
j
s(t) = sin(2πf0t) [δ(f + f0) − δ(f − f0)]
2
32
Traitement du Signal
IV) Transformée de Fourier
IV.2) TF de quelques signaux courants
Quelques démonstrations
Signal porte
+∞
S(f) = ∫ s(t)e− j2πftdt
t = −∞
A
[ ] A
[ A
] [A
]
Partie voisée du mot six (au milieu du mot)
+T / 2
0.19
+T / 2
= A∫
0.15
e− j2πftdt = − e− j2πft −T / 2 = − e− jπfT − ejπfT = ejπfT − e− jπfT = sin πfT = AT sin c(Tf)
0.11
0.07
0.03
-0.01
t = −T / 2
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
sin πx
-0.02
-0.03
sin c(x) =
0 20 40 60 80 100 120 140
Rappel :
πx
Signal sinusoïdal
[
F x(t).e
j2πf0t
] = X(f − f )
0
[ ]
F ej2πf0t = δ(f − f0)
F[1] = δ(f)
S(f) = F(cos(2πf0t)) =
1
2
( 1
)
F(ej2πf0t) + F(ej2πf0t) = (δ(f − f0) + δ(f + f0) )
2
33
Traitement du Signal
IV) Transformée de Fourier
IV.3) Lien avec séries de Fourier
Principe
|Cn|
s(t)
SF f0=1/T
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
T
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Dans le cas d’un signal non-périodique, on peut considérer qu’il est périodique en faisant : T → ∞
Détail
34
Traitement du Signal
IV) Transformée de Fourier
IV.3) Lien avec séries de Fourier
+∞ T/2 n
− j2π τ j2π Tn t 1
s(t) = ∑ ∫ s(τ).e T
dτe
n=−∞
−T / 2
T
s(t) = ∫
+∞
+∞s(τ).e− j2πfτdτ.ej2πftdf
−∞ ∫−∞
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
Finalement :
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Interprétation :
|S(f)|
s(t)
TF
0 t 0 f
35
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
Définitions
n
1 N−1 − j2πk
X(k) = ∑ x(n)e N
k=0, 1, …, N-1
N n= 0
j2πnk
1 N−1
X(k) = ∑ x(n)WNkn
−
Partie voisée du mot six (au milieu du mot)
0.19
avec W = e
nk
0.15
N
ou
0.11
0.07
0.03
N
N n=0
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
N−1
Propriétés
36
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
Echantillonnage
Consiste à relever les valeurs d’un signal à intervalles de temps réguliers : la période d’échantillonnage f e.
0.19
0.15
0.11
Partie voisée du mot six (au milieu du mot)
0.03
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
échantillonnage
-0.02
-0.03
0 20 40 60 80 100 120 140
0 fmax
spectre du Mauvais
signal continu
fe < 2fmax
-2fe -fe 0 fe 2fe
37
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
TF
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
t f
TF
t f
38
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
Explications
0.15
0.11
0.07
Partie voisée du mot six (au milieu du mot)
x(t).y(t) ←
TF
→ X(f) * Y(f)
0.03
-0.01
-0.05
-0.09
Ici, la troncature du signal est équivalente à une multiplication par un signal porte :
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
ta durée d’analyse
-0.03
0 20 40 60 80 100 120 140
Transformée :
Sta(f) = S(f) * ta sin c(fta)
39
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
En résumé….
Pour pouvoir interpréter correctement les résultats de la programmation de la TFD, il faut prendre en
0.19
Partie voisée du mot six (au milieu du mot)
compte :
0.15
0.11
0.07
0.03
-0.01
-0.09
-0.13
0 20 40 60 80 100 120 140
0.00
-0.01
-0.03
0 20 40 60 80 100 120 140
s(t) im(S(f))
N points N points
NTe TF
t fe/2 fe f
On peut atténuer les effets du fenêtrage en utilisant une fenêtre moins abrupte que la fonction porte.
0.19
Partie voisée du mot six (au milieu du mot)
Il existe plusieurs types de fenêtres possibles, dont voici 2 exemples courants :
0.15
0.11
0.07
0.03
Fenêtre de Hamming
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
s(t)
s(t)
x
t t
im(S(f))
s’(t)
TF
=
fe/2 fe f
41
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
0.11
0.07
0.03
-0.01
Rappels
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.03
1 N−1
0 20 40 60 80 100 120 140
j2πnk
X(k) = ∑ x(n)WNkn
N n=0
avec WNnk = e
−
N , k=0,1,2,…,N
Développement selon n :
X(k) = wN0×k x(0) + w1N×k x(1) + ... + w N(N−1)×k x(N − 1) , k=0,1,2,…,N
Exercice
0.19
Partie voisée du mot six (au milieu du mot)
1) Calculer la matrice des facteurs de phase dans le cas d’un signal de 4 points.
0.15
0.11
0.07
0.03
-0.01
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
x(n), n=0,…,3 :
-0.03
0 20 40 60 80 100 120 140
0 1 0 -1
3) Interpréter les résultats (en prenant en compte que ce signal peut être considéré comme une
période de signal sinusoïdal)
43
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
Exemples
sin(2πft)
0.19
0.15
0.11
Partie voisée du mot six (au milieu du mot)
Im(S(f)) |S(f)|
0.07
1
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
0,5 0,5
-0.01
TFD
-0.02
-0.03
0 20 40 60 80 100 120 140
0 1 7 1 7 1 7
-0,5
0,5 0,5
TFD
0 1 7 1 7 1 7
44
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
Principe
N / 2 −1 N / 2 −1
0.19
0.15
Partie voisée du mot six (au milieu du mot)
X(k ) = ∑ x(2n)WNk2n + ∑ x(2n + 1)Wk (2 n +1 )
N
n=0 n=0
0.11
0.07
0.03
-0.01
-0.05
N / 2 −1 k
-0.09
N / 2 −1
-0.13
0 20 40 60 80 100 120 140
X(k ) = k2n
+ k 2n
0.02
x ( 2 n ) W
0.01
0.00
-0.01
N
n=0
-0.02
n =0
-0.03
0 20 40 60 80 100 120 140
2π2k 2πk
WN2k = exp − j = exp − j = WNk / 2
N N
2
N / 2 −1
N / 2 −1
X(k) = ∑ x(2n)W + ∑ x(2n + 1)WNkn WNk
kn
N
n =0 n =0 2 2
On reconnaît 2 TFD de N/2 points : celle des termes d’indices pairs et celle des termes d’indices
impairs ; seuls les sorties de ces derniers sont multipliées par un facteur de phase.
En répétant cette opération jusqu’à obtenir des TFD de 2 points, on obtient une forte réduction du coût
de calcul : N
Log2N au lieu de N2
2 45
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
Structure
(exemple pour 8 points)
Partie voisée du mot six (au milieu du mot)
0.19
0.15
papillon
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
X(0)
0 20 40 60 80 100 120 140
x(0)
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
0.00
-0.01
-0.02
x(4) X(1)
-0.03
0 20 40 60 80 100 120 140
0
W 2
x(2) X(2)
0
W 4
x(6) X(3)
W 20 W 41
x(1) X(4)
0
W
8
x(5) X(5)
0 1
W 2 W 8
x(3) X(6)
0 2
W 4
W
8
x(7) X(7)
W 20 W 1
4 W 3
8
46
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
Analyse spectrale
Principe
s(n) t
Partie voisée du mot six (au milieu du mot)
signal
0.19
f
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
t(nTe)
0.00
-0.01
-0.02
tramage
-0.03
×
0 20 40 60 80 100 120 140
fenêtrage
Compromis temps (durée la plus courte possible) – fréquence (durée la plus grande possible)
47
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
s(n)
signal
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
Modifications possibles :
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
nTe
0.01
0.00
-0.02
×
-0.03
0 20 40 60 80 100 120 140
nTe
48
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
Transformée directe
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
2 πmp 2 πnq
0.03
M − 1 N −1
-0.01
−j −j
-0.05
∑ ∑ f (m, n).e
-0.09
F(p, q) =
-0.13
.e
0 20 40 60 80 100 120 140
M N
p=0,1,…,M-1 et q=0,1,…,N-1
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
0.00
m =0n=0
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Transformée inverse
2 πmp 2 πnq
1 M − 1 N −1 j j
f (m, n) = ∑ ∑
MN p = 0 q = 0
F(p, q).e M
.e N
m=0,1,…,M-1 et n=0,1,…,N-1
49
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
TF2D
0 20 40 60 80 100 120 140
Explication :
t t
Π( ) = rect T sin c(Tf )
T T
TF
T 2
T
50
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
Applications concrètes
Prothèse auditive
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
Un petit boîtier monté sur ou dans les oreilles intègre un processeur spécialisé dans le traitement du
-0.13
0 20 40 60 80 100 120 140
0.01
signal (DSP), réalisant une TFR. Différents paramètres du spectre de fréquences obtenu peuvent
0.00
-0.01
-0.02
51
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
Applications concrètes
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
La spectroscopie IR est basée sur l'absorption d'un rayonnement infrarouge par le matériau analysé.
-0.13
0 20 40 60 80 100 120 140
0.01
Elle permet via la détection des vibrations caractéristiques des liaisons chimiques, d'effectuer
0.00
-0.01
-0.02
l'analyse des fonctions chimiques présentes dans le matériau. Permet de déterminer la présence ou
-0.03
0 20 40 60 80 100 120 140
TF
52
Traitement du Signal
IV) Transformée de Fourier
IV.4) Transformée de Fourier Discrète (TFD)
Applications concrètes
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Décompression :
Les mêmes étapes mais en sens inverse.
53
Traitement du Signal
V) Filtrage
V.1) Introduction
Objectifs
En général : laisser passer certaines choses et en retenir d’autres.
En traitement du signal : ces choses = plages (ou bandes) de fréquences.
Nuance : filtrage actif = augmenter (l’énergie de) certaines bandes de fréquences.
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Définitions
Un filtre est un système linéaire. Il peut être décrit par
- une équation différentielle linéaire
- une fonction de transfert de Laplace
- un produit de convolution avec sa réponse impulsionnelle
Ces 3 descriptions sont équivalentes.
En général, le système est stationnaire : coefficients de l’équa. diff. constants.
54
Traitement du Signal
V) Filtrage
V.1) Introduction
Définitions
e(t) entrée s(t) sortie h(t) réponse impulsionnelle (à δ(t))
E(p) =TL[e(t)] S(p)=TL[s(t)]
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
Représentations
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Fonction de transfert
Equation différentielle
de Laplace
TL
dns(t) dn−1s(t) S(p)
an + an−1
+ ... + a0s(t) = b0e(t) H(p) =
dtn dtn E(p)
Réponse impulsionnelle
TL p=jω
h (t )
Fonction de transfert
Réponse générale harmonique
+∞
55
Traitement du Signal
V) Filtrage
V.1) Introduction
Propriétés
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.02
-0.03
0 20 40 60 80 100 120 140
Linéarité
a1e1(t)+a2e2(t) → a1s1(t)+a2s2(t)
Stationnarité
e(t-t0) → s(t-t0)
Causalité
δ(t) → h(t)=0 pour t<0
56
Traitement du Signal
V) Filtrage
V.1) Introduction
Transformée de Laplace
Définition
L{s(t)} = S(p) = ∫ s(t)e−ptdt
+∞
s(t) causal
Partie voisée du mot six (au milieu du mot)
0
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
Propriétés
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.02
-0.03
0 20 40 60 80 100 120 140
Retard −t p
x(t − t0) ←→
L
e 0 X(p)
Dérivée dns(t) n n
n −i d s(t)
i−1
L n = p .S(p) − ∑ p . i−1
dt i=1 dt t =0+
Le 2e terme correspond aux conditions initiales. Il est souvent pris nul.
57
Traitement du Signal
V) Filtrage
V.1) Introduction
Transformée de Laplace
0.11
0.07
0.03
-0.01
-0.05
-0.09
0.01
p →∞ t →0
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
x(t).y(t) →
L
X(p) * Y(p)
58
Traitement du Signal
V) Filtrage
V.1) Introduction
Transformée de Laplace
Transformée de quelques signaux courants
0.19
0.15
Partie voisée du mot six (au milieu du mot)
s(t) S(p)=L[s(t)]
0.11
0.07
0.03
δ(t)
-0.01
1
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
1
-0.01
-0.02
u ( t)
-0.03
0 20 40 60 80 100 120 140
p
1
t . u (t )
p2
1
e−at.u(t)
p+a
1
e−at.tn.u(t)
(p + a)n+1
ω ω
e−αt. sin( ωt).u(t) =
(p + α + jω)(p + α − jω) (p + α)2 + ω2
sin(ωt).u(t) ω
p + ω2
2
p
cos(ωt).u(t)
p + ω2
2
59
Traitement du Signal
V) Filtrage
V.1) Introduction
Transformée de Laplace
Exercice
1) Calculer la transformée de Laplace de l’échelon unité u(t) (=1 pour t ≥0, 0 pour t<0)
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.02
-0.03
0 20 40 60 80 100 120 140
60
Traitement du Signal
V) Filtrage
V.2) Réponse impulsionnelle
Importance
Permet de caractériser complètement un système, par le biais de :
- sa réponse à n’importe quel signal, de n’importe quelle fréquence
- sa fonction de transfert de Laplace
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.02
-0.03
0 20 40 60 80 100 120 140
61
Traitement du Signal
V) Filtrage
V.2) Réponse impulsionnelle
Remarque : l’impulsion de Dirac δ(t) n’est pas une fonction, mais une distribution
0.19
0.15
0.11
0.07
Partie voisée du mot six (au milieu du mot)
δ ( 0 ) = +∞ δ(t ≠ 0) = 0 ∫ δ(t)dt = 1
−∞
0.03
-0.01
Une distribution permet de définir indirectement une fonction : par une fonctionnelle :
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
-0.01
-0.02
+∞
-0.03
0 20 40 60 80 100 120 140
Tf(ϕ) = ∫ f(t)ϕ(t)dt
−∞
φ peut être quelconque, mais doit être :
- à support borné (=nulle en dehors d’un intervalle borné)
- indéfiniment dérivable
j
- la représentation fréquentielle des signaux sinusoïdaux : sin(2πf0t) →
F
[δ(f + f0) − δ(f − f0)]
2
- la représentation fréquentielle de l’impulsion de Dirac
δ(t) →
F
1
(qui comporte toutes les fréquences) :
+∞ +∞
- l’opération d’échantillonnage : x(t) ∑ δ(t − kT ) = ∑ x(kT ).δ(t − kT )
k = −∞ k = −∞
- etc.
62
Traitement du Signal
V) Filtrage
V.3) Description d’un filtre par une équation différentielle
Cas général
Na
dns(t) Nb dne(t)
∑ an dtn = ∑ bn dtn e(t) signal d’entrée
n =0 n=0 s(t) signal de sortie
Nb≤Na
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
Résolution
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.02
-0.03
0 20 40 60 80 100 120 140
dnf(t) TL
n
←
→ pnF(p) où : f(t) une fonction du temps
dt
F(p) sa transformée de Laplace
(pour simplifier, les conditions initiales sont ici prises nulles)
Etapes de résolution :
- on applique cette propriété à e(t), s(t) et leurs dérivées respectives
- on exprime S(p) en fonction de E(p)
- on remplace E(p) par son expression
- par TL inverse, on détermine alors s(t), la réponse à e(t)
63
Traitement du Signal
V) Filtrage
V.3) Description d’un filtre par une équation différentielle
0.11
0.07
0.03
-0.01
-0.05
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
S(p)(p + a) = b.E(p)
S(p) b
= (= H(p))
E(p) p + a
s ( t ) = b . e − at
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Equation différentielle
ds(t)
RC + s(t) = e(t)
dt
t
1 − RC
s(t) = e
RC
65
Traitement du Signal
V) Filtrage
V.3) Description d’un filtre par une équation différentielle
Cas du 2e ordre
0.15
0.11
d2s(t) ds(t)
0.07
0.03
-0.01
a2 + a1 + a0s(t) = e(t)
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
2
dt dt
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Transformée de Laplace :
S (p ) 1
= (= H(p)) = 1 . 1
E(p) a2p + a1p + a0
2
a2 p2 + a1 p + a0
a2 a2
66
Traitement du Signal
V) Filtrage
V.3) Description d’un filtre par une équation différentielle
0.19
Partie voisée du mot six (au milieu du mot)
→ s(t) réponse impulsionnelle
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.00
-0.01
-0.02
-0.03
s ( t) = (ct + d ). ert
c, d des constantes
De même, on peut remplacer E(p) par la TL de n’importe quel signal
→ s(t) réponse du système à ce signal
67
Traitement du Signal
V) Filtrage
V.3) Description d’un filtre par une équation différentielle
R L
e(t) C s(t)
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
Equation différentielle :
-0.01
-0.02
-0.03
1
0 20 40 60 80 100 120 140
d2s(t) ds(t) R C
+ 2 m ω + ω02s(t) = e(t) ω0 = m=
dt 2 0
dt LC 2 L
! m=1 −
1
t
ω0
s (t) = t.e
! m<1
s(t) =
1
ω0 1 − m2
e−m ω0t
cos
ω0
1 − m(
2
t −
π
2
)
68
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
S(p)
0.19
Partie voisée du mot six (au milieu du mot)
H(p) =
E(p)
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.02
-0.03
0 20 40 60 80 100 120 140
p = jω
H(p) ← → H(jω)
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.02
-0.03
0 20 40 60 80 100 120 140
H1 H2 Hn
Les courbes de gain et de phase s’ajoutent (et notamment les pentes des variations)
70
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
0.15
0.11
Partie voisée du mot six (au milieu du mot)
ωc
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
H(jω) =
0.01
0.00
-0.01
2
-0.02
ω
-0.03
0 20 40 60 80 100 120 140
1 +
ωc
Gain en décibels (dB) :
1 ω
2
ω 2
HdB(ω) = 20 log10 H(jω) = 20 log10 = 20 log10(1) − 20 log10 1 + = −10 log10 1 +
ω
ωc
2
ω
1 + c
ωc
Phase :
Im( H(jω)
ϕ(ω) = arg(H(jω)) = arctg = arctg 1 = arctg(1) − arctg 1 + j ω = −arctg 1 + j ω
Re( H(jω) ω ωc ωc
1+ j ω
c
71
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
Fréquences de coupure
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
↔ diminution du gain en dB de 3
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Démonstration :
G(ω) = 20 logH(jω) = −3
↔ 20 logH(jω) = −3
3
↔ logH(jω) = −
20
3
↔
− 1 1
H(jω) = 10 20
= 3 =
2
10 20
72
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
0.15
0.11
0.07
0.03
pente=-20dB/décade
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
Gain en dB :
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
HdB(ω) = 20 logH(jω)
Im( H(jω)
ϕ(ω) = arctg
Re( H(jω)
73
(figure obtenue par la fonction bode de Scilab)
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
1 + 2ξj + j
ωc ωc
0.19
0.15
0.11
0.07
0.03
-0.01
pente=-40dB/décade
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
Gain en dB :
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
HdB(ω) = 20 logH(jω)
ξ=0,7
Im( H(jω)
ϕ(ω) = arctg
Re( H(jω)
74
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
Filtres élémentaires
1er ordre
ω
Partie voisée du mot six (au milieu du mot)
j
ω0
0.19
1
0.15
0.11
H(jω) = H(jω) =
0.07
passe-bas : passe-haut :
0.03
-0.01
ω ω
-0.05
-0.09
-0.13
1+ j
0 20 40 60 80 100 120 140
1+ j
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
ω0 ω0
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
2e ordre
2
ω
passe-bas : passe-haut : j
1 ω
H(jω) = H(jω) = 0
2 2
ω ω ω ω
1 + 2ξj + j 1 + 2ξj + j
ω0 ω0 ω0 ω0
2
ω ω
2ξj 1 + j
passe-bande : ω0 coupe-bande (*) : ω
H(jω) = H(jω) = 1
2 2
ω ω ω ω
1 + 2ξj + j 1 + 2ξj + j
ω0 ω0 ω0 ω0
(*) ou réjecteur de bande
75
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
0.15
0.11
Partie voisée du mot six (au milieu du mot)
transfert élémentaires d’ordres 1 et 2 (les ordres s’ajoutent).
0.07
0.03
Exemple : ordre 5
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
5 = 2 2 1
76
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
k A1 A2 An
H(p) = = + + ... +
p + an−1p
n n −1
+ a2p + a1p + a0
2
(p − p1) (p − p2 ) (p − pn )
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
avec
0.00
1 dq−1(F(p)(p − pi)q)
-0.01
Ai = [F(p)(p − pi )]p=p
-0.02
Ai,q−1 =
-0.03
0 20 40 60 80 100 120 140
i ou (q − 1)! dpq−1 p=p
i
3 = 1
On utilise cette décomposition pour déterminer la réponse du système à un signal d’entrée quelconque
(permet d’utiliser des transformées connues, à partir de la table des transformées). 77
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
Un pôle peut être multiple. Par exemple, dans la fraction rationnelle suivante, pi est un pôle d’ordre q :
S(p) 1
=
E(p) (p − p1)...(p − pi ) ...(p − pn )
Partie voisée du mot six (au milieu du mot)
q
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
avec
[ ]
Ai,0 = F(p)(p − pi)q p=p Ai,1 =
1 d(F(p)(p − pi)q)
1 d2(F(p)(p − pi)q)
Ai,2 =
i
1! dp p =p 2! dp2 p =p
i i
1 dq−1(F(p)(p − pi)q)
……. Ai,q−1 =
(q − 1)! dpq−1 p=p
i
Remarque : 0!=1
p
Exercice : décomposer en éléments simples : F(p) =
(p + 1)3
78
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
Exercice
0.15
p + 3p + 2
2
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.00
-0.01
-0.02
transfert élémentaires)
-0.03
0 20 40 60 80 100 120 140
79
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
Exemple
1
H(p) =
p + 2,61p + 3,41p2 + 2,61p + 1
4 3
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
num=1;
0.02
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
den=poly([1 2.61 3.41 2.61 1], "s", "coef");
sys=syslin('c', num, den)
bode(sys, 0.0001, 0.3);
80
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
Autre exemple
1
H(jω) = 2
Partie voisée du mot six (au milieu du mot)
ω ω
1 + 2ξj + j
0.19
0.15
0.11
0.07
ωc ωc
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
f=[0:1:10000];
f0=300;
w=2*%pi*f;
w0=2*%pi*f0;
xi=0.1;
den=(1+2*xi*%i*w/w0-(w/w0)^2);
H=1../den;
PhaseH=-atan(imag(den),real(den));
GainHdB=20*log10(abs(H));
xbasc
bode(f+1,GainHdB,PhaseH);
81
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
Autres filtres
Filtres de Butterworth
0.15
0.11
0.07
0.03
-0.01
1
-0.05
-0.09
2
H(ω) =
-0.13
0 20 40 60 80 100 120 140
2N
N ordre du filtre
0.01
ω
0.00
1 +
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
ωc
Caractéristiques
82
Traitement du Signal
V) Filtrage
V.4) Fonction de transfert
Stabilité
Un système est stable si tous les pôles de sa fonction de transfert sont situés dans le demi-plan situé à
gauche de l’axe imaginaire du plan de la variable p :
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
plan p
risque d’instabilité
Explication
A p t
H(p) = ←→
L
h(t) = Ae 0
Pôle réel p0 : p − p0
A
Pôles complexes conjugués p1,2=α+jβ : H(p) = ←→
L
h(t) = Aωeαt. sin(ωt)
(p − p1)(p − p2)
83
Traitement du Signal
V) Filtrage
V.5) Convolution
+∞
Définition générale (domaine continu) s(t) = e1(t) * e2(t) = ∫ e1(τ).e2(t −τ).dτ
−∞
t
Partie voisée du mot six (au milieu du mot)
0.15
0.11
0.03
-0.01
-0.05
0
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
N −1
∑e
-0.02
sk = ek * hk = .hi k = 0,..., +∞
-0.03
Domaine discret
0 20 40 60 80 100 120 140
k −i
i= 0
84
Traitement du Signal
V) Filtrage
V.5) Convolution
Illustrations
Exemple dans le domaine continu : circuit RC
R
e(t) C s(t)
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
h(τ)
t τ
changement de nom de variable
h(t-τ)
h(-τ)
τ τ
retournement t
décalage
85
Traitement du Signal
V) Filtrage
V.5) Convolution
Illustrations
Exemple dans le domaine continu : circuit RC (suite)
0.19
Partie voisée du mot six (au milieu du mot)
e(τ)
0.15
0.11
h(t-τ)
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
τ
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
τ
définition d’un signal d’entrée t
multiplication e(τ) x h(t-τ)
h(t-τ)
intégration de 0 à t
τ
t
1
S
τ
t
t
résultat : un point de la réponse recherchée résultat pour toutes les valeurs de τ
86
Traitement du Signal
V) Filtrage
V.5) Convolution
Illustrations
Exemple dans le domaine discret (suite)
Rappel, cas continu :
k t
0.19
Partie voisée du mot six (au milieu du mot)
sk = hk * ek = ∑h e
k −i i
s(t) = (e * h)(t) = ∫ h(t − τ)e(τ)dτ
0
i = k − N +1
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
k = 0,1,..., M − 1
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
0.00
-0.01
0 0 0 1 1 1 1 0 0 0
-0.02
0 0 0 1 1 1 1 0 0 0
Résultat de la convolution entre ces 2 signaux :
.x -1 1
= 0 0 0 1 0 0 0 -1 0 0
Dans cet exemple, la convolution permet une détection des bords de l’impulsion présente dans le signal long.
Exercice 3
Illustrations
Exemples dans le domaine discret, à 2 dimensions (traitement d’images)
N/ 2 N/ 2
sx,y = ex,y * hx,y = ∑ ∑e .hi, j
i+ x, j+ y x, y = 0,1,..., M − 1
j = −N / 2 i = −N / 2
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
(en supposant que le point central de h a pour coordonnées (0,0) et que les indices des ordonnées
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
? ? ? ? ? ? ? ? ? ?
? 0 -1 -1 0 0 1 1 0 ?
1 1 1 1 ? 0 -2 -2 0 0 2 2 0 ?
1 1 1 1 ? 0 -3 -3 0 0 3 3 0 ?
1 1 1 1 1 0 -1 ? 0 -2 -2 0
*
1
1
0 -1
0 -1 =
Les ? Peuvent prendre des valeurs différentes selon la manière dont sont gérés les effets de bord.
Remarque : en général, N est pris impair, donc N/2 doit être considéré comme la division entière.
Exercice
Calculer explicitement s2,2 , et compléter l’image résultat. 88
Traitement du Signal
V) Filtrage
V.5) Convolution
Illustrations
Exemples dans le domaine discret, à 2 dimensions (traitement d’images) (suite)
Autres exemples de filtres couramment utilisés :
0.15
0.11
- Filtre Laplacien
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
- Filtre moyenneur
89
Traitement du Signal
V) Filtrage
V.5) Convolution
Illustrations
Exemples dans le domaine discret, à 2 dimensions (traitement d’images) (suite)
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
L’opération de convolution peut être très coûteuse en terme de temps de traitement. On peut alors
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
tirer partie de :
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
90
Traitement du Signal
V) Filtrage
V.5) Convolution
Propriétés
Commutativité :
x(t) * y(t) = y(t) * x(t)
Associativité :
[x(t ) * y(t)] * z(t) = x(t) * [y(t ) * z(t)]
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
Distributivité :
0.00
-0.01
-0.03
0 20 40 60 80 100 120 140
Exercice
Démontrer l’une des propriétés
91
Traitement du Signal
V) Filtrage
V.6) Filtrage numérique
V.6.1) Introduction
Intérêt
Pouvoir réaliser des filtres avec des systèmes numériques (ordinateur standard, DSP, circuit intégré
personnalisé…).
0.15
0.11
0.07
0.03
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
n est l’indice de l’échantillon courant du temps discrétisé (le système est considéré comme "temps-
réel" : à chaque nouvel instant n, un échantillon e(n) entre et un échantillon s(n) sort.
Réalisation pratique
Pour pouvoir calculer cette équation dans un système temps réel, le bloc du schéma
précédent doit comporter de la mémoire pour les échantillons e(n-i) et s(n-i) :
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Réponse "intuitive" :
0.19
0.15
0.11
0.07
Partie voisée du mot six (au milieu du mot)
-0.01
-0.05
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
on utilise la transformée en Z
94
Traitement du Signal
V) Filtrage
V.6) Filtrage numérique
V.6.2) La transformée en Z, outil d’étude des systèmes échantillonnés
Définition
TZ d’un signal numérique s(n) : ∞
S(z) = ∑ s(n)z−n
Partie voisée du mot six (au milieu du mot)
n =0
0.19
0.15
0.11
0.07
0.03
Propriétés élémentaires
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
Rappel T. Laplace
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
Linéarité
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
Retard temporel
s(n − n0) ←→
Z
z−n0S(z) s(t − t0) ←→
L −t p
e 0 S(p)
Transformées élémentaires
Impulsion
Il s’agit ici de l’impulsion de Kronecker, définie par δk={1,0,0,…} :
δk ←→
Z
1
Signal exponentiel
1 z
s(nT ) = e−anT ←→
Z
S(z) = −1 − aT
=
1− z e z − e−aT
95
Traitement du Signal
V) Filtrage
V.6) Filtrage numérique
V.6.2) La transformée en Z, outil d’étude des systèmes échantillonnés
0.19
0.15
0.11
0.07
Partie voisée du mot six (au milieu du mot)
-0.01
-0.05
-0.13
0 20 40 60 80 100 120 140
1 − rN+1
0.01
0.00
SN = u0
-0.01
-0.02
1− r
-0.03
0 20 40 60 80 100 120 140
Exemple ∞
S∞ = 1 + 0,51 + 0,52 + 0,53 + ... = ∑ 0,5n
n =0
n +1
un+1 = 0,5 = 0,5 × 0,5 = un × 0,5
n
1 − rn 1 − 0,5n 1
S∞ = u0 lim = lim = =2
n→ ∞ 1 − r n → ∞ 1 − 0 ,5 0 ,5
96
Traitement du Signal
V) Filtrage
V.6) Filtrage numérique
V.6.2) La transformée en Z, outil d’étude des systèmes échantillonnés
Démonstration
Partie voisée du mot six (au milieu du mot)
0.19
0.15
+∞
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0
Partie non-voisée du mot six (aux 3/4 du mot)
0.02
0.01
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
δ(t) ←→
L
1
−t0p
δ(t − t0) ←→
L
e
+∞ +∞ ∞
se(t) = s(t) × ∑ δ(t − nT ) = ∑ s(nT )δ(t − nT )
e e e
←→
L
Se(p) = ∑ s(nTe)e
−nTep
n = −∞ n = −∞ n =0
∞
z = eTep S (z ) = ∑ s ( nT )z
e
−n
n=0
97
Traitement du Signal
V) Filtrage
V.6) Filtrage numérique
V.6.2) La transformée en Z, outil d’étude des systèmes échantillonnés
S(z)
H(z) =
Partie voisée du mot six (au milieu du mot)
E(z)
0.19
0.15
0.11
0.07
0.03
S(z)
-0.01
-0.05
-0.09
e(nT) = δk →
Z
E(z) = 1 H(z) = = S(z)
-0.13
0 20 40 60 80 100 120 140
0.01
1
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
∞
H(z) = ∑ h(n)z−n = Z{h(n)}
n=0
98
Traitement du Signal
V) Filtrage
V.6) Filtrage numérique
V.6.2) La transformée en Z, outil d’étude des systèmes échantillonnés
−1 −2
S(z) a0 + a1z + a2z + ... + aPz −P ∑a z p
−p
p =0
H(z) = = =
Partie voisée du mot six (au milieu du mot)
0.19
0.15
Q
E(z) 1 − b1z−1 − b2z−2 − ... − bQz−Q
0.11
0.07
1 − ∑ bq.z−q
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
q=1
0.01
0.00
-0.01
-0.02
E(z) et S(z) représentent respectivement les transformées en z des échantillons d’entrée e(n)
-0.03
0 20 40 60 80 100 120 140
s(n) = a0e(n) + a1e(n − 1) + a2e(n − 2) + ... + aPe(n − P) + b1s(n − 1) + b2s(n − 2) + ... + bQs(n − Q)
99
Traitement du Signal
V) Filtrage
V.6) Filtrage numérique
V.6.3) Synthèse des filtres
Objectif
Déterminer les coefficients ai et bi des filtres RII et les coefficients ai des filtres RIF, à partir de
caractéristiques souhaitées (type des filtres, ordre, etc).
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
Synthèse des filtres RII par Transformée bilinéaire (exemple pour l’ordre 2)
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
-0.01
-0.03
0 20 40 60 80 100 120 140
1
H(jω) = 2
ω ω
1 + 2ξj + j
ω0 ω0
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
0.01
0.00
-0.01
-0.02
a0 =
1
k1
a1 =
2
k1
= 2a0 a2 =
1
k1
= a0 b1 =
2
k1
(1 − k2 ) b2 =
1
k1
(1 − 2ξk + k2 )
avec : fe
k= k1 = 1 + 2ξk + k2
πfc
101
Traitement du Signal
V) Filtrage
V.6) Filtrage numérique
V.6.3) Synthèse des filtres
Synthèse des filtres RIF par développement en série de Fourier de la réponse fréquentielle
Principe
0.19
0.15
0.11
Partie voisée du mot six (au milieu du mot)
2 propriétés importantes :
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
1) h(t) →
F
H(f)
Partie non-voisée du mot six (aux 3/4 du mot)
0.01
0.00
-0.01
-0.02
(=module de la FT harmonique)
N
2) s(n) = ∑ h(n)e(n − i) h(n) coefficients du filtre
i=0 (qui en contient N)
102
Traitement du Signal
V) Filtrage
V.6) Filtrage numérique
V.6.3) Synthèse des filtres
Part du constat que la réponse en fréquence désirée est une fonction périodique de période fe
(conséquence de l’échantillonnage) on peut la développer en série de Fourier
Partie voisée du mot six (au milieu du mot)
0.19
0.15
+∞ t t
0.11
1 T
0.07
jk2π − jk 2π
∑ c .e
0.03
ck = ∫ s(t).e
-0.01
s(t) = T
dt
-0.05
T
Cas classique : avec
-0.09
-0.13
0 20 40 60 80 100 120 140
k
Partie non-voisée du mot six (aux 3/4 du mot)
T
0.02
0.01
0
k = −∞
0.00
-0.01
-0.02
-0.03
0 20 40 60 80 100 120 140
+∞ f f
jk2π − jk 2π
1 fe
Ici : H(f) = ∑ g .e k
fe
avec gk = ∫ H(f).e
fe 0
fe
df
k = −∞
1 fe f
fe ∫0
On annule la partie imaginaire : gk = H( f ). cos 2 πk df
f
e
f
gk = 2∫ H(F). cos(2πkF )dF
0 ,5
Simplification : F= , k=0,…,N-1 (1)
fe 0
N N −1
Décalage pour causalité : hk = gk −p avec p= si N pair, p = si N impair
2 2
Développement de (1) :
1 1
passe-bas : hk = sin(2π(k − p)Fc ) passe-haut : hk = − sin(2π(k − p)Fc )
(k − p)π (k − p)π
0.15
0.11
Partie voisée du mot six (au milieu du mot)
p=N/2
sinon
0.07
0.03
-0.01
-0.05
-0.09
p=(N-1)/2
-0.13
0 20 40 60 80 100 120 140
0.00
-0.01
-0.03
0 20 40 60 80 100 120 140
Si k!=p
h(k+1)=sin(2*pi*(k-p)*Fc)/((k-p)*pi); //k-p pour le décalage
sinon
h(k+1)=2*Fc; //sinus(x)/x pour x=0 traité à part
Diviser les coefficients h(i) par leur somme
passe-bas
0.15
kπ
0.11
0.07
0.03
-0.01
-0.05
-0.09
-0.13
0 20 40 60 80 100 120 140
N
Partie non-voisée du mot six (aux 3/4 du mot)
hk = gk −p
0.02
p= =5
0.01
et avec
0.00
-0.01
2
-0.02
-0.03
0 20 40 60 80 100 120 140
1
hk = sin(0 ,02 (k − 5 )π ) , k=0,…,9
(k − 5 )π
Résultats obtenus :
h0= 0.0989147
h1= 0.0995054 = h9
h2= 0.0999662 = h8
h3= 0.1002962 = h7
h4= 0.1004945 = h6
h5= 0.1005607
105
Traitement du Signal
V) Filtrage
V.6) Filtrage numérique
V.6.4) Comparaison des filtres RII et RIF
Filtres RII
Avantages
- peu de coefficients donc calcul rapide
- modélisation des filtres analogiques (et notamment possibilité d’obtenir des résonances)
Inconvénients
Partie voisée du mot six (au milieu du mot)
0.19
0.15
0.11
0.07
0.03
-0.01
-0.09
-0.13
0 20 40 60 80 100 120 140
- les coefficients doivent être codés avec beaucoup de précision (conséquence du risque d’instabilité)
0.01
0.00
-0.01
-0.02
- phase non-linéaire (se traduit par une déformation du signal). Rm : le temps de propagation de groupe
-0.03
0 20 40 60 80 100 120 140
Filtres RIF
Avantages
- pas de risque d’instabilité
- phase linéaire
- permet de synthétiser n’importe quelle fonction de transfert (sauf résonances)
Inconvénients
- nombreux coefficients surtout pour les pentes raides et les bandes passantes étroites
106