Sommaire

Traitement numérique du signal

1. Propriétés des signaux
Cours 1 : Étude des signaux dans le domaine temporel 1.1 Signaux continus et discrets
1.2 Support temporel
1.3 Périodicité
1.4 Énergies et puissances moyennes
Laurent Oudre 1.5 Résumé
laurent.oudre@univ-paris13.fr

2. Quelques signaux types

2.1 Sinusoı̈de
2.2 Signal porte
Université Paris 13, Institut Galilée
2.3 Dirac
Ecole d’ingénieurs Sup Galilée 2.4 Peigne de Dirac
Parcours Informatique et Réseaux Alternance - 1ère année 2.5 Sinus cardinal
2017-2018

Laurent Oudre Traitement numérique du signal 2017-2018 1 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 2 / 32

Propriétés des signaux

Quelques propriétés des signaux temporels Sommaire

Propriétés des signaux

Qu’est-ce qu’un signal ?
1.1 Signaux continus et discrets
◮ Grande question : il existe beaucoup de types de signaux ! 1.2 Support temporel
1.3 Périodicité
◮ Dans cette partie, nous allons définir différentes propriétés qui vont nous
1.4 Énergies et puissances moyennes
permettre de classifier et caractériser les signaux que l’on va traiter
1.5 Résumé

Laurent Oudre Traitement numérique du signal 2017-2018 3 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 4 / 32
 Propriétés des signaux Signaux continus et discrets Propriétés des signaux Signaux continus et discrets

Signaux continus et discrets Signaux continus et discrets

Il existe deux types de signaux temporels :

En pratique
◮ Continu : signal connu à chaque instant t
◮ Les signaux continus x(t) ne sont pas stockables et étudiables sur ordinateur (ils
contiennent une infinité de valeurs !). Ils peuvent être vus comme des fonctions
x(t) avec t ∈ R
mathématiques. On les étudie principalement pour avoir des modèles théoriques des
signaux que l’on veut étudier. Ils modélisent des phénomènes physiques tels que les
t : temps (souvent exprimé en secondes) ondes acoustiques, les signaux électriques, etc...
Ex : onde électromagnétique, signal électrique, ...
◮ Les signaux discrets xn au contraire peuvent être stockés et étudiés sur ordinateur.
◮ Discret : signal connu uniquement à certains instants tn Ils ont en général un nombre fini de valeurs non nulles. Un signal discret est ainsi
représenté comme un vecteur contenant toutes les valeurs xn . On y associe un
xn avec n ∈ Z vecteur temps contenant toutes les valeurs tn des instants où l’on connaı̂t le signal.
Remarque : Tous les signaux que nous allons étudier avec MATLAB sont donc des
n : échantillon (sans unité) signaux discrets (et même numériques, cf prochain cours !). Les signaux continus seront
Ex : taux de précipitations enregistré chaque jour, cours de la bourse seulement étudiés en TD avec des calculs théoriques.
enregistré chaque heure, ...

Laurent Oudre Traitement numérique du signal 2017-2018 5 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 6 / 32

Propriétés des signaux Signaux continus et discrets Propriétés des signaux Support temporel

Exemples Support temporel : définition

1 1

0.9 0.9

0.8 0.8

0.7 0.7

0.6 0.6
On appelle support temporel, l’ensemble des temps t (ou des échantillons n si le
signal est discret) pour lesquels le signal x(t) (resp xn ) est défini et non nul.
x(t)

0.5 0.5
x

0.4 0.4 ◮ Cas continu. Si cet ensemble correspond à un intervalle ayant des limites
0.3 0.3
hautes et basses, on dit que le support temporel est borné. Sinon, on dit qu’il
0.2 0.2
est non borné.
0.1 0.1

0 0
◮ Cas discret. Si cet ensemble contient un nombre fini de valeurs, on dit que
0 0.1 0.2 0.3 0.4 0.5
t (secondes)
0.6 0.7 0.8 0.9 1 0 1 2 3 4 5 6
n (echantillons)
7 8 9 10
le support temporel est fini. Sinon, on dit qu’il est infini.
Signal continu x(t) Signal discret xn
t ∈ [0, 1] n ∈ J0, 10K

Dans le cours, les signaux discrets seront représentés par des segments terminés
par des cercles (cf figure ci-dessus)

Laurent Oudre Traitement numérique du signal 2017-2018 7 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 8 / 32
 Propriétés des signaux Support temporel Propriétés des signaux Périodicité

Support temporel : exemples Périodicité

Quelques exemples :
◮ Cas continu. On dit qu’un signal x(t) est périodique de période T s’il existe
◮ Température dans cette salle de classe enregistrée toutes les heures pendant
un réel T non nul tel que :
2 ans : signal discret à support fini
◮ Signal électrique dans un câble pendant 1 minute : signal continu à support ∀t ∈ R, x(t + T ) = x(t)
borné
◮ Onde électromagnétique observé à partir de l’instant présent jusqu’à la fin du ◮ Cas discret. On dit qu’un signal xn est périodique de période M s’il existe un
monde (sic...) : signal continu à support non borné entier M non nul tel que :
Remarque : Dans la pratique, tous les signaux physiques observés sont à support
∀n ∈ Z, xn+M = xn
fini ou à support borné, car sinon cela voudrait dire qu’on a pu les observer sur
une durée infinie.

Laurent Oudre Traitement numérique du signal 2017-2018 9 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 10 / 32

Propriétés des signaux Périodicité Propriétés des signaux Périodicité

Propriétés d’un signal périodique Périodicité : exemples

1 1

0.9 0.9
◮ Un signal périodique continu (resp. discret) a nécessairement un support 0.8 0.8
temporel non borné (resp. infini). 0.7 0.7
Démonstration : le signal se répète toutes les périodes T (resp. M) une infinité de fois 0.6 0.6

◮ Si un signal continu (resp. discret) est périodique de période T (resp. M), ... ... ... ...
x(t)

n
0.5 0.5

x
alors il est aussi périodique de période kT (resp kM) avec k ∈ N∗ 0.4 0.4

Démonstration : Il suffit de remarquer que 0.3 0.3

x(t + kT ) = x(t + (k − 1)T + T ) = x(t + (k − 1)T ) et de raisonner par récurrence 0.2 0.2

0.1 0.1
◮ Étant donné un signal périodique, on appelle période fondamentale et on
0 0
note T0 (resp. M0 ), la plus petite période du signal strictement positive. −2 −1 0
t (secondes)
1 2 3 −20 −10 0 10
n (echantillons)
20 30

Signal continu x(t) Signal discret xn

T0 = 1 seconde M0 = 10 échantillons

Laurent Oudre Traitement numérique du signal 2017-2018 11 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 12 / 32
 Propriétés des signaux Énergies et puissances moyennes Propriétés des signaux Énergies et puissances moyennes

Puissance instantanée Energie totale

◮ L’énergie totale Ex correspond à la somme de la puissance instantanée sur
◮ Etant donné un signal continu x(t) (resp. discret xn ), on appelle puissance R (pour les signaux continus) ou sur Z (pour les signaux discrets)
instantanée la quantité |x(t)|2 (resp |xn |2 ) 1
1

0.9
0.9
0.8
0.8
1 1
0.7
0.7
0.9 0.9 0.6
0.6

|xn|2
0.8 0.8

2
0.5

|x(t)|
0.5
0.4
0.7 0.7 0.4
0.3
0.6 0.6 0.3
0.2
|x(t)|2

0.2

2
|xn|
0.5 0.5
0.1
0.1
0.4 0.4 0
0 0 1 2 3 4 5 6 7 8 9 10
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 n (echantillons)
0.3 0.3 t (secondes)

0.2 0.2
Signal continu Signal discret
0.1 0.1

0 0 Z +∞ +∞
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 1 2 3 4 5 6 7 8 9 10 X
t (secondes) n (echantillons)
Ex = |x(t)|2 dt Ex = |xn |2
Signal continu Signal discret −∞ n=−∞
|x(t)|2 |xn |2
R
◮ On observe
P ici le parallèle entre le signe pour les signaux continus et le
signe pour les signaux discrets
Laurent Oudre Traitement numérique du signal 2017-2018 13 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 14 / 32

Propriétés des signaux Énergies et puissances moyennes Propriétés des signaux Énergies et puissances moyennes

Puissance moyenne (totale) Classification des signaux

◮ La puissance moyenne (totale) Px correspond à la valeur moyenne de la

puissance instantanée sur R (pour les signaux continus) ou sur Z (pour les
signaux discrets) ◮ Si Ex < +∞, on dit que le signal est à énergie finie. En pratique, c’est le
◮ Cas continu. cas de tous les signaux physiquement réalisables. Un signal à énergie finie a
1 τ
Z
Px = lim |x(t)|2 dt une puissance moyenne totale nulle.
τ →+∞ 2τ −τ ◮ Si Px < +∞, on dit que le signal est à puissance finie. Bien que ces signaux
◮ Cas discret. n’existent pas dans le monde réel, ils sont utiles pour construire des modèles
m étudiables. Un signal à puissance finie et de puissance moyenne totale non
1 X
Px = lim |xn |2 nulle ne peut pas être d’énergie finie.
m→+∞ 2m + 1
n=−m

◮ Si le signal est à support temporel borné ou fini, sa puissance moyenne totale

est donc nulle (sauf cas exceptionnels)

Laurent Oudre Traitement numérique du signal 2017-2018 15 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 16 / 32
 Propriétés des signaux Énergies et puissances moyennes Propriétés des signaux Énergies et puissances moyennes

Cas des signaux périodiques Cas des signaux à support borné/fini

◮ On a déjà vu qu’un signal périodique se répliquait une infinité de fois, il est

donc nécessairement d’énergie infinie Ex = +∞ (sauf bien sur s’il est nul !)
◮ Cas continu. Si un signal x(t) est périodique de période T , on peut montrer ◮ Si un signal x(t) est à support borné, l’intégrale Ex est nulle en dehors de son
que support, et l’intégrale infinie devient une intégrale finie, qui, sauf cas
1 t0 +T
Z exceptionnel, est donc une quantité finie. Il est donc à énergie finie et à
∀t0 ∈ R, Px = |x(t)|2 dt puissance nulle.
T t0
◮ Si un signal xn est à support fini, la somme Ex est nulle en dehors de son
◮ Cas discret. Si un signal xn est périodique de période M, on peut montrer support, et la somme infinie devient une somme finie, qui, sauf cas
que exceptionnel, est donc une quantité finie. Il est donc à énergie finie et à
1
n0 +M−1
X puissance nulle.
∀n0 ∈ Z, Px = |xn |2
M n=n0

◮ Sauf cas exceptionnel, un signal périodique est donc à puissance finie.

Laurent Oudre Traitement numérique du signal 2017-2018 17 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 18 / 32

Propriétés des signaux Énergies et puissances moyennes Propriétés des signaux Énergies et puissances moyennes

Exemple 1 Exemple 2
(
e −t si t ≥ 0
x(t) = ◮ Support temporel non borné
0 sinon
1
◮ Signal périodique de période
1
◮ Support temporel non borné
0.8
T = 1 seconde
0.6
0.8 ◮ Énergie totale ◮ Ex = +∞
0.4
Z +∞ 0.2
◮ Px peut être calculée sur n’importe quel
|x(t)|2 dt
0.6
Ex = intervalle de longueur T
−∞
0
... ... Z T
0.4 +∞ −0.2 1
|x(t)|2 dt
Z
= e −2t dt −0.4
Px =
T 0
0.2
0 −0.6 Z T Z T

e −2t +∞ 1 2 1
=
−0.8 = |1|2 dt + | − 1|2 dt
0 −2 0 −1
T 0 T T2
0 0.5 1 1.5 2 2.5 3 3.5 4 1 1 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2 1 1
t (en secondes) = 0− = t (en secondes)
= + =1
−2 2 2 2
◮ Energie finie donc Px = 0

Laurent Oudre Traitement numérique du signal 2017-2018 19 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 20 / 32
 Propriétés des signaux Résumé Quelques signaux types

Propriétés des signaux Sommaire

Etant donné un signal, on sait maintenant le caractériser de la façon suivante :

◮ Continu/Discret ? Quelques signaux types
◮ Support temporel borné/fini/non borné/infini ?
◮ Périodique ou pas ? Période fondamentale ? 2.1 Sinusoı̈de
2.2 Signal porte
◮ Énergie finie/Puissance finie ?
2.3 Dirac
◮ Deux cas courants : 2.4 Peigne de Dirac
◮ Signaux périodiques : énergie totale infinie, puissance moyenne totale finie 2.5 Sinus cardinal
◮ Signaux à support temporel borné : énergie totale finie, puissance moyenne
totale nulle

Laurent Oudre Traitement numérique du signal 2017-2018 21 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 22 / 32

Quelques signaux types Quelques signaux types Sinusoı̈de

Quelques signaux types Sinusoı̈de

1.5

◮ La plupart des signaux de la vie courante sont aléatoires ou sont influencés 1

x(t) = A sin(2πf0 t + φ)
T0

par de nombreux paramètres. A

0.5
◮ A : amplitude
◮ Afin de pouvoir les étudier de façon théorique, on construit des modèles de
signaux, qui n’existent pas nécessairement dans le monde physique, mais 0
φ ◮ f0 : fréquence fondamentale (en Hz)

permettent de réaliser des tâches impossibles autrement (ex : prédiction de ◮ φ : phase à l’origine
−0.5
température, reconnaissance d’une note de musique) ◮ x(t) est périodique de période
fondamentale
◮ Dans cette partie, on présente quelques signaux types modèles très utilisés en −1

traitement du signal −1.5 T0 =

1
−0.25 −0.2 −0.15 −0.1 −0.05 0 0.05
t (en secondes)
0.1 0.15 0.2 0.25
f0

A = 1.3, f0 = 7 Hz, φ = π
3

Laurent Oudre Traitement numérique du signal 2017-2018 23 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 24 / 32
 Quelques signaux types Sinusoı̈de Quelques signaux types Signal porte

Sinusoı̈de Signal porte

◮ Plus f0 est élevée, plus le signal varie de façon rapide (

◮ Une note de musique parfaitement pure peut etre modélisée par une 1 si − L2 ≤ t < L
2
ΠL (t) =
sinusoide : dans ce cas, plus f0 est élevée, plus le son est aigu 0 sinon
◮ C’est aussi un modèle courant pour les signaux électriques ou les ondes
électromagnétiques ◮ Attention, la borne supérieure est une
inégalité stricte
0

−L/2 0 L/2
t (en secondes)

Laurent Oudre Traitement numérique du signal 2017-2018 25 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 26 / 32

Quelques signaux types Signal porte Quelques signaux types Dirac

Signal porte Dirac (continu)

(
◮ Si on prend un signal quelconque x(t) et qu’on le multiplie par un signal +∞ si t = 0
porte, cela revient à étudier le signal x(t) uniquement sur le signal − L2 , L2
  δ(t) =
1
0 sinon
1 1 1

0.8 0.8 0.8

◮ En théorie, ce signal n’est pas un signal

=
0.6 0.6 0.6

0.4

0.2
× 0.4

0.2
0.4

0.2
mais ce qu’on appelle une distribution
(hors programme)
0 0 0
◮ Il vérifie la propriété suivante :
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5 −0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5 −0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
t (secondes) t (en secondes) t (en secondes)
Z +∞
◮ De façon équivalente, un signal quelconque de support temporel borné égal à δ(t)dt = 1
L peut être vu comme le produit d’un signal à support temporel non borné et −∞

d’une fonction porte 0 ◮ On le représente par une flèche entre 0 et

1 (attention à ne pas confondre avec un
◮ On travaille aussi souvent sur une version périodisée de ce signal : signal carré 0
t (en secondes)
signal discret). La valeur 1 représente la
ou en créneau (cf TD 1) masse (ou amplitude) du Dirac.

Laurent Oudre Traitement numérique du signal 2017-2018 27 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 28 / 32
 Quelques signaux types Dirac Quelques signaux types Dirac

Dirac (continu) Dirac (discret)

◮ Si on prend un signal quelconque x(t) et qu’on le multiplie par un Dirac, on
obtient un Dirac de masse x(0)
1
1 1 1

1
0.8 0.8 0.8

× =
0.6 0.6 0.6
(
0.4 0.4 0.4

1 si n = 0
0.2 0.2 0.2
x(0) δn =
0 0 0 0 sinon
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5 −0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5 −0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
t (secondes) t (en secondes) t (en secondes)

◮ On a donc :
◮ Version discrète de la distribution de Dirac
x(t) × δ(t) = x(0)δ(t)
◮ Parfois aussi appelé symbole de Kronecker
◮ Plus généralement on a la propriété : 0

0
x(t) × δ(t − t0 ) = x(t0 )δ(t − t0 ) n (échantillons)

◮ Ce signal est très utile pour établir des propriétés d’échantillonnage, mais il
ne peut pas exister dans la vie réelle.

Laurent Oudre Traitement numérique du signal 2017-2018 29 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 30 / 32

Quelques signaux types Peigne de Dirac Quelques signaux types Sinus cardinal

Peigne de Dirac Sinus cardinal

+∞
X (
1 XT (t) = δ(t − nT ) 1
1 si t = 0
n=−∞ sinc(t) = sin(πt)
0.8
πt sinon
0.6
◮ Très utile pour modéliser de façon
théorique le processus d’échantillonnage ◮ Comme nous le verrons, ce signal
... ... (cf prochain cours)
0.4
apparaı̂tra naturellement quand nous
◮ Signal périodique de période fondamentale 0.2 allons calculer des transformées de Fourier
T ◮ Il est aussi très utilisé en physique
0

◮ Si on multiplie un signal x(t) par un

ondulatoire
0
peigne de Dirac, on récupère toutes les −0.2 ◮ Ce signal s’annule pour tous les temps t
−3T −2T −T 0 T 2T 3T valeurs du signal pour les temps multiples −4 −3 −2 −1 0 1 2 3 4 entiers
t (en secondes) t (en secondes)
de T

Laurent Oudre Traitement numérique du signal 2017-2018 31 / 32 Laurent Oudre Traitement numérique du signal 2017-2018 32 / 32