Analyse temps-fréquence

Abderazzak AMMAR

ENSET - Mohammedia
Table of contents

1
Le besoin en analyse
temps-fréquence
Introduction

• Un signal est une abstraction d’une grandeur physique dans un

système.
• Les signaux peuvent être divisés en 2 groupes :
• déterministes : peuvent être décrits analytiquement par des
fonctions mathématiques
• aléatoires ou stochastiques : ne peuvent être décrits qu’à travers
l’étude de leurs propriétés statistiques (moyenne, variance,
covariance, ...)
• Un signal peut être stationnaire ou non :
• un signal aléatoire est stationnaire si ses propriétés statistiques sont
constantes dans le temps
• un signal déterministe est stationnaire si il peut être défini par une
somme de sinusoı̈des discrètes de fréquence invariable dans le temps.
• La majorité des signaux réels sont non-stationnaires
• La transformée de Fourier TF classique analyse le contenu
fréquentiel sans aucune information temporelle, d’où l’importance
des outils d’analyse temps-fréquence
2
Signal déterministe stationnaire

Un signal déterministe est dit stationnaire s’il peut s’écrire comme

somme de composantes sinusoı̈dales d’amplitudes et de fréquences
instantanées constantes :
X
x(t) = Ak cos(2πfk t + φk )
k

Exemple : x(t) = cos(2πf1 t) + 0.7 cos(2πf2 t), f1 = 10Hz, f2 = 20Hz

2

1.5

1
x(t)

0.5

-0.5

-1
0 50 100 150 200 250 300
time t(ms) 3
Signal aléatoire stationnaire

Un signal aléatoire est dit stationnaire si son espérance E [x(t)] est

indépendante du temps et son autocorrelation E [x(t1 )x∗ (t2 )] depend
uniquement de la difference t2 − t1 :
∀ t, T : E [x(t)] = E [x(t + T )] = mx où mx est constant,
et ∀ t1 , t2 , T : E [x(t1 )x∗ (t2 )] = E [x(t1 + T )x∗ (t2 + T )]
Exemple : x(t) ∼ N (µ = 0, σ = 1)
4 0.4

3 0.35

2 0.3

1 0.25
x(t)

0 pdf 0.2

-1 0.15

-2 0.1

-3 0.05

-4 0
0 200 400 600 800 -4 -3 -2 -1 0 1 2 3 4
time t(ms) x
4
Non-stationnarité

• Un signal est qualifié de non-stationnaire quand les hypothèses de

stationnarité ne sont plus vérifiées.
• Un chirp (gazouillis), une onde sinusoı̈dale multi-tons sont des
exemples de signaux synthétiques non-stationnaires. La voix
humaine, les signaux biomédicaux, ... en sont des exemples de
signaux réels

5
Non-stationnarité

Exemple : Signal multi-tons


 cos(2πf1 t)
 0 ≤ t < 0.2s

 cos(2πf t) + cos(2πf t)
1 2 0.2 ≤ t < 0.4s
x(t) =
 cos(2πf1 t) + cos(2πf2 t) + cos(2πf3 t) 0.4 ≤ t < 0.6s


cos(2πf4 t) 0.6 ≤ t < 0.8s


1
x(t)

-1

-2

-3
0 100 200 300 400 500 600 700 800
time t(ms)

6
Représentation temporelle

• Représentation la plus naturelle

• Information sur les durées et l’énergie des différentes composantes
• Energie totale : Z +∞
x(t)2  dt
 
Ex =
−∞

• x(t)2  prise comme densité dans le temps, les moments d’ordre 1

 

(moyenne temporelle où est localisée l’énergie du signal) et d’ordre 2

(dispersion)
Z +∞
1
• tx = t x(t)2  dt
 
Ex −∞
s Z +∞
1
• ∆tx = (t − tx )2 x(t)2  dt
 
Ex −∞

7
Représentation fréquentielle - Transformée de Fourier

Définitions :

1. Notation :

x(t) ⇔ X(f )
2. Transformée directe :
Z +∞
X(f ) = x(t)e−j2πf t dt
−∞
3. Transformée
Z +∞inverse :
x(t) = X(f )ej2πf t df
−∞
4. Energie Ztotale
+∞
2 2
Ex = |X(f )| df où |X(f )| : densité spectrale d’énergie
−∞

8
Représentation fréquentielle - Transformée de Fourier

Propriétés :

1. Linéarité : a.x(t) + b.y(t) ⇔ a.X(f ) + b.Y (f )

2. Retard dans le temps : x(t − t0 ) ⇔ X(f )e−j2πf t0
3. Retard en fréquence : x(t)e−j2πf0 t ⇔ X(f − f0 )
4. Convolution :
• x(t) ∗ y(t) ⇔ X(f ).Y (f )
• x(t).y(t) ⇔ X(f ) ∗ Y (f )
5. Dérivation : x′ (t) ⇔ 2jπf X(f )
6. Théorème de Parseval :
Z +∞ Z +∞
2 2
Ex = |x(t)| dt = |X(f )| df
−∞ −∞

9
Représentation fréquentielle - fréquence moyenne, bande pas-
sante

On définit les moments d’ordre 1 et 2 :

Z +∞
1
• fréquence moyenne : fx = f X(f )2  df
 
Ex −∞
• bande de sfrequence - dispersion :
Z +∞
1
(f − fx )2 X(f )2  df
 
∆fx =
Ex −∞
2 2
Exemple : Cas du signal Gaussien x(t) = e−α t


 1
1  De plus ∆tx .∆fx =

∆tx =

 4π
2α Cas particulier de l’inégalité du principe d’incertitude :
 1
∆tx .∆fx ≥

α  ( ici égalité )
∆fx = 
 4π
2π
Plus le signal est localisé dans le temps, moins il est localisé en
fréquence, et vice-versa.
10
Signal analytique et fréquence instantanée

• la TF ne fournit aucune information sur la localisation temporelle du

signal. Ceci est une limitation pour les signaux non-stationnaires.
• Une première approche simpliste : fréquence instantanée IF, qui
essaie de suivre les changements spectraux dans le temps :
• Un signal analytique est une extension xa (t) du signal réel x(t) :
x (t) = A ejφ(t)
a x
• Pour calculer la composante complexe associée au signal réel, on fait
appel à la transformée de Hilbert H
1
xa (t) = x(t) + jH{x(t)} où H{x(t)} = x(t) ∗
πt
1 ∂
• fréquence instantanée : f (t) = φ(t)
2πp∂t
• Amplitude instantanée : Ax (t) = x (t) + H 2 {x(t)}
2

11
Signal analytique et fréquence instantanée

• d’un point de vue spectral, on a:


 Xa (f ) = 0
 si f < 0
Xa (f ) = X(f ) si f = 0

 X (f ) = 2X(f ) si f > 0
a

où X(f ) = TF{x(t)} et Xa (f ) = TF{xa (t)}

• Les fréquences négatives disparaissent dans le spectre de Xa
• L’inconvénient majeur de la fréquence instantanée se produit pour
un signal multi-composantes non stationnaire où le spectre local est
pris en moyenne.

12