Académique Documents
Professionnel Documents
Culture Documents
Feuille Tage
Feuille Tage
Mathématiques
pour le traitement
du signal
Cours et exercices corrigés
2e édition
La série « Mathématiques pour le Master/SMAI » propose une nouvelle génération
de livres adaptés aux étudiants de Master niveau M1 et aux élèves ingénieurs. Leur
adéquation au cursus LMD et aux outils de calcul modernes sont au service de la
qualité scientifique.
le traitement du signal 2D, c’est-à-dire le traitement d’image. Les outils exposés pour
le traitement du signal 1D sont fondamentaux dès qu’on s’intéresse au cas bidimen-
sionnel. Nous donnons en quelques pages des pistes pour la généralisation de ces
outils.
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . 11
4 Filtrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
4.1 Systèmes . . . . . . . . . . . . . . . . . . . . . . . . . 111
4.1.1 Quelques définitions . . . . . . . . . . . . . . . . . . 112
4.1.2 Propriétés algébriques des systèmes . . . . . . . . . . . . 113
4.2 Filtres linéaires. . . . . . . . . . . . . . . . . . . . . . . 116
4.2.1 Filtres fondamentaux . . . . . . . . . . . . . . . . . . 118
4.2.2 Masse (impulsion) de Dirac . . . . . . . . . . . . . . . 120
4.3 Filtrage analogique . . . . . . . . . . . . . . . . . . . . . 123
4.3.1 Filtres dynamiques . . . . . . . . . . . . . . . . . . . 123
4.3.2 Exemples . . . . . . . . . . . . . . . . . . . . . . 125
4.3.3 Filtrage et corrélation . . . . . . . . . . . . . . . . . 131
4.3.4 Exemples de filtres du premier et du deuxième ordre (d’après
[18]) . . . . . . . . . . . . . . . . . . . . . . . . 133
4.4 Filtrage numérique . . . . . . . . . . . . . . . . . . . . . 134
4.4.1 Filtrage numérique linéaire . . . . . . . . . . . . . . . 134
4.4.2 Filtres linéaires discrets et équations aux différences . . . . . 137
4.4.3 Transformation en z . . . . . . . . . . . . . . . . . . 139
4.4.4 Fonction de transfert . . . . . . . . . . . . . . . . . . 143
4.4.5 Exemples . . . . . . . . . . . . . . . . . . . . . . 143
4.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . 144
4.6 Travaux pratiques . . . . . . . . . . . . . . . . . . . . . . 150
4.7 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . 151
TABLE DES MATIÈRES 7
5 Échantillonnage. . . . . . . . . . . . . . . . . . . . . . . . 163
5.1 Peigne et mesure de Dirac . . . . . . . . . . . . . . . . . . 163
5.1.1 Peigne de Dirac . . . . . . . . . . . . . . . . . . . . 164
5.1.2 Convolution entre une fonction et Δa . . . . . . . . . . . 166
5.1.3 Transformée de Fourier de δa . . . . . . . . . . . . . . 167
5.1.4 Développement en série de Fourier du peigne de Dirac . . . . 168
5.1.5 Transformée de Fourier du peigne de Dirac . . . . . . . . . 171
5.1.6 Transformée de Fourier d’un signal périodique. . . . . . . . 172
5.2 Formule de Poisson dans L1 pRq . . . . . . . . . . . . . . . . 173
5.2.1 Application à l’étude d’un signal échantillonné . . . . . . . 176
5.3 Théorème d’échantillonnage de Shannon . . . . . . . . . . . . 177
5.3.1 Démonstration dans le cas général. . . . . . . . . . . . . 182
5.3.2 Échantillonnage et calcul numérique du spectre - Aliasing . . . 185
5.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . 189
5.5 Travaux pratiques . . . . . . . . . . . . . . . . . . . . . . 192
5.6 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . 195
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . 318
Chapitre 1
Introduction
1. Le son est le signal (1D) le plus connu. Les applications du traitement du son
sont nombreuses. On peut citer, par exemple, la synthèse et l’analyse vocale, la
musique numérique (standard MP3, instruments numériques)
(a) Extrait d’un chant de baleine à bosse (b) [Début des ! Variations Goldeberg " de J.S.
Bach
où |z| désigne le module du complexe z et z̄ son conjugué. L’énergie du signal est
tout simplement sa norme dans l’espace L2 au carré
ża
2
Epf q :“ }f }2 “ |f |2 ptq dt .
0
On vérifie facilement que cette famille est orthogonale et satisfait pek , ek q “ a pour
tout k P Z. De plus }ek }8 “ 1, pour tout k P Z, où }f }8 :“ sup |f ptq| désigne la
tPR
norme uniforme (ou dans L8 pRq) de la fonction f .
L’espace TN est donc l’espace des polynômes trigonométriques de degré inférieur ou
égal à N . C’est un sous-espace de L2p p0, aq de dimension finie (donc fermé). Nous
avons un résultat d’approximation qui est un cas particulier du théorème de projection
sur un convexe fermé dans un espace de Hilbert (voir Annexe 1, Théorème A.4.1)
mais que nous allons démontrer directement.
Théorème 2.1.1 Soit f P L2p p0, aq. Il existe un unique polynôme fN P TN (appelé
polynôme de meilleure approximation de f dans TN ) projeté de f sur TN qui réalise
le minimum de
min }f ´ P }2 .
P PTN
où
ża
1 t
@N, @k P t´N, ¨ ¨ ¨ , N u ck pf q “ f ptq expp´2iπk q dt. (2.2)
a 0 a
k“´N
D’autre part
k“N
ÿ
pf, P q “ x̄k pf, ek q ;
k“´N
si on pose
pf, ek q 1
@k P t´N, ¨ ¨ ¨ , N u ck pf q “ “ pf, ek q ,
pek , ek q a
2.1. SIGNAUX ANALOGIQUES PÉRIODIQUES 19
il vient
k“N
}f ´ P }22 “ }f }22 ` a |ck pf q ´ xk |2 ´ |ck pf q|2 .
ÿ ` ˘
(2.3)
k“´N
Il est donc clair que le minimum est atteint lorsque xk “ ck pf q et pour cette valeur
seulement. l
Définition 2.1.1 (Coefficient et série de Fourier) Les coefficients ck pf q sont les co-
efficientsÿde Fourier de f .
La série ck pf q ek est la série de Fourier de f .
La première question qui se pose est bien sûr la convergence de la série de Fourier
d’une fonction f de L2p p0, aq. Nous allons répondre à cette question par le théorème
2.1.4. Donnons tout d’abord quelques propriétés des coefficients de Fourier.
Théorème 2.1.2 Soit f P L2p p0, aq à valeurs réelles et pck pf qqkPZ ses coefficients de
Fourier.
1. L’application f ÞÑ pck pf qqkPZ est linéaire.
2. Pour tout k P Z, c´k “ ck et donc particulier |c´k | “ |ck |.
3. Si f est paire, alors pour tout k P Z, ck est réel.
4. Si f est impaire, alors pour tout k P Z, ck est imaginaire pur.
Démonstration.- La propriété 1 est immédiate. Montrons la propriété 2 : Soit k P Z
et f P L2p p0, aq à valeurs réelles.
1 a 1 a
ż ż
t t
c´k pf q “ f ptq expp2iπk q dt “ f ptq expp´2iπk q dt “ ck .
a 0 a a 0 a
Les autres propriétés se démontrent de manière similaire. l
Théorème 2.1.3 (Inégalité de Bessel) Sous les hypothèses et notations précédentes,
on a
N
1 a
ż
2
|f ptq|2 dt .
ÿ
|ck | ď
k“´N
a 0
k“´N
k“N
1
|ck pf q|2 ď }f }22 , ce qui est la relation annoncée.
ÿ
c’est-à-dire l
k“´N
a
En passant à la limite dans cette inégalité lorsque N Ñ `8, on obtient
8
1 a
ż
2
|f ptq|2 dt .
ÿ
|ck pf q| ď (2.4)
´8
a 0
20 CHAPITRE 2. ANALYSE SPECTRALE DES SIGNAUX UNIDIMENSIONNELS
lim }f ´ fN }22 “ 0,
N ÝÑ `8
N
Grâce à l’inégalité de Bessel, la quantité }fN }22 “ |ck |2 est bornée et on peut
ÿ
k“´N
donc en extraire une sous-suite convergente :pfNk qkPN .
Donc lim }f ´ fNk }22 existe mais il n’est pas évident que cette limite soit nulle.
k ÝÑ `8
Nous allons donc montrer que cette limite (et donc toute valeur d’adhérence) est
nécessairement nulle. Comme la preuve s’applique à toute sous-suite de pfN qN PN ,
cela montrera en même temps que toute la suite converge. Dans ce qui suit, on notera
donc la suite extraite fNk de la même façon que la suite elle-même fN pour alléger
la présentation.
Commençons par montrer le résultat pour une fonction f de classe C 1 . Dans ce cas
la fonction ża
x ÞÑ ϕpxq “ f px ` tqf¯ptq dt
0
1 a 1 a a
ż ż ż
n n
γn “ ϕpxq expp´2iπ xq dx “ f px ` tqf¯ptq expp´2iπ xq dt dx
a 0 a a 0 0 a
żaża
1 n n
“ f px ` tq expp´2iπ px ` tqq f¯ptq expp2iπ tqdt dx
a 0 0 a a
ża „ż a
1
j
n n
“ f psq expp´2iπ sq f¯ptq expp2iπ qdt ds ( avec s “ x ` t q
a 0 a 0 a
“a cn c̄n “ a|cn |2 .
2.1. SIGNAUX ANALOGIQUES PÉRIODIQUES 21
|γn | ď a |cn |2 ă `8 .
ÿ ÿ ÿ
} γn en }8 ď
n n n
On montre de la même manière que la série dérivée est uniformément continue. Une
intégration par parties donne : cn pϕ1 q “ 2iπnγn , et avec l’inégalité de Bessel on
obtient
1
} cn pϕ1 qen }2 “ 2π} nγn en }2 ď }ϕ1 }2 ă `8 .
ÿ ÿ
n n
a
ϕ “ ψ ðñ @n P Z, cn pϕq “ cn pψq .
Par conséquent ψpxq “ ϕpxq pour tout x P R. On peut résumer en disant que
`8 ża
n
f px ` tqf¯ptq dt .
ÿ
@x P R γn expp2iπ xq “ ϕpxq “
´8
a 0
Le théorème est donc démontré pour toute fonction C 1 . On conclut en utilisant la den-
sité de l’ensemble Cc8 p0, aq des fonctions continues à support compact dans L2p p0, aq.
Plus précisément, soit f P L2p p0, aq. Par densité, on peut trouver une suite
gk P Cc8 p0, aq X L2p p0, aq. telle que lim }f ´ gk }2 “ 0.
kÑ`8
D’autre part, si on note cn pf q le ne coefficient de Fourier de f on a
cn pf ´ gk q “ cn pf q ´ cn pgk q
On obtient
N
ÿ N
ÿ
}f ´ fN }2 ď }f ´ gk }2 ` }gk ´ cn pgk qek }2 ` } pcn pgk q ´ cn pf qqek }2 ,
n“´N n“´N
N
ÿ
ď }f ´ gk }2 ` }gk ´ cn pgk qek }2 ` }f ´ gk }2 .
n“´N
ε
Soit ε ą 0 ; on peut trouver ko tel que @k ě ko , }f ´ gk }2 ď grâce à la densité.
4
Pour k fixé (ě ko ), on peut trouver N pkq tel que
N
ÿ ε
}gk ´ cn pgk qek }2 ď
n“´N
2
´8
a 0
2.1. SIGNAUX ANALOGIQUES PÉRIODIQUES 23
L’énergie d’un signal périodique est la somme des énergies de ses harmoniques.
Nous avons obtenu une ! décomposition " des fonctions de L2p p0, aq en série
trigonométrique : la question se pose de savoir maintenant si cette décomposition est
unique.
@k P Z ck pf q “ 0 ùñ f “ 0 presque partout .
Corollaire 2.1.2 La famille pek qkPZ est une base hilbertienne 1 de L2p p0, aq.
Remarque 2.1.2 On a choisi r0, as, a ą 0 pour simplifier l’exposé mais tout ce qui
précède fonctionne de la même manière sur un intervalle rτ, τ ` as où τ P R car
ż τ `a ża
t t
f ptq expp´2iπN q dt “ f ptq expp´2iπN q dt.
τ a 0 a
En effet
ż τ `a ża ż τ `a
t t t
f ptq expp´2iπN q dt “ f ptq expp´2iπN q dt ` f ptq expp´2iπN q dt.
τ a τ a a a
On peut aussi définir (formellement) une série de Fourier pour f P L1p p0, aq par
`8
ÿ t
Sptq :“ cN pf q expp2iπN q .
N “´8
a
Nous avons vu que si f P L2p p0, aq sa série de Fourier converge dans L2p p0, aq vers f .
La question se pose de savoir si on peut étendre ce résultat aux fonctions de L1p p0, aq.
La réponse est (partiellement) donnée par les théorèmes suivants.
On conclut ensuite par un argument de densité. En effet, on sait que si I est un inter-
valle borné l’espace Cc8 pIq est dense dans L1 pIq. Donc, si f P L1p pa, bq
ε
@ε ą 0, Dfε P C 1 pa, bq telle que }f ´ fε }L1 ď .
2
2.1. SIGNAUX ANALOGIQUES PÉRIODIQUES 25
On a żb
In “ pf pxq ´ fε pxqq expp2iπnxq dx ` In,ε ,
a
żb
où on a posé In,ε “ fε pxq expp2iπnxq dx.
a
D’après ce qui précède lim In,ε “ 0, donc il existe no ą 0 vérifiant
nÑ`8
ε
@n ě no |In,ε | ď ;
2
finalement : @n ě no , |In | ď ε ce qui permet de conclure. l
Une conséquence de ce qui précède est le théorème suivant qui fournit un résultat
de convergence ponctuelle pour les séries de Fourier. Dans ce qui suit on note f pt` oq
´
(resp. f pto q), la limite lim f ptq (resp. lim f ptq).
tÑto tÑto
tąto tăto
f pt` ´
N
o q ` f pto q
ˆ ˙
ÿ to
lim ck expp2iπk q “ .
N Ñ`8
k“´N
a 2
Démonstration.- Posons
N ża
ÿ t 1 2 s
fN ptq “ ck expp2iπk q avec ck “ f psq expp´2iπk q ds.
k“´N
a a ´ a2 a
On obtient :
˜ż a ¸
N
1 ÿ 2 s to
fN pto q “ f psq expp´2iπk q ds expp2iπk q
a k“´N ´ a2 a a
ża ˜ ÿ
N
¸
1 2 to ´ s
“ expp2iπk q ds ;
a ´ a2 k“´N
a
or
N 2N
ÿ to ´ t to ´ t ÿ to ´ t
expp2iπk q “ expp´2iπN q expp2iπp q
k“´N
a a p“0
a
en posant p “ k ` N . De plus
2N 2N ˆ
to ´ t to ´ t p 1 ´ expp2iπp2N ` 1q t0a´t q
ÿ ÿ ˙
expp2iπp q“ expp2iπ q “ .
p“0
a p“0
a 1 ´ expp2iπ toa´t q