Académique Documents
Professionnel Documents
Culture Documents
Chapitre I
Contenu
I.1. Introduction
La démarche va des mathématiques vers leurs applications en essayant de faire un lien entre
deux tendances. D’une part, les spécialistes du traitement du signal utilisent quotidiennement
des concepts mathématiques, souvent de façon formelle, avec une grande intuition et
beaucoup de pratique. D’un autre côté, les mathématiciens donnent plutôt la priorité au
développement poussé des concepts et des outils mathématiques.
Notre objectif est donc d’apporter au lecteur mathématicien éclairage sur l’utilisation des
notions fondamentales d’analyse qu’il apprend et au lecteur physicien un cadre théorique
dans lequel les formules « bien connues » trouvent leur justification.
I.2. Signaux
On peut envisager plusieurs modes de classification pour les signaux suivant leurs propriétés.
Les signaux sont définis par une fonction du temps s(t). Cette fonction peut être une
expression analytique ou la solution d’une équation différentielle, auquel cas le signal est
appelé déterministe.
Les signaux certains (ou déterministes) dont l’évolution en fonction du temps peut être
parfaitement décrite par un modèle mathématique. Ces signaux proviennent de phénomènes
pour lesquels on connaît les lois physiques correspondantes et les conditions initiales,
permettant ainsi de prévoir le résultat ; par exemple :
s(t)
Les signaux non périodiques se composent d’une part des signaux pseudopériodiques formés
d’une somme de sinusoïdes de périodes différentes et d’autre part des signaux transitoires
dont l’existence est limitée dans le temps.
Un signal aléatoire est défini à chaque instant t par la loi de probabilité de son amplitude
s(t). Cette loi peut s’exprimer par une densité de probabilité p(x, t) définie comme suit :
Probax s(t ) x Δx
p(x, t ) lim (2)
Δx 0 Δx
Si leur propriété statistique est invariante dans le temps, on dit qu’il est stationnaire.
Exemple 2.1
z(t) = 1
1 1 1
t t t
Les signaux à énergie finie : il possède une puissance moyenne nulle et une énergie
finie. Les signaux à énergie finie vérifient la condition :
s(t )
2
Ws dt (3)
Les signaux à puissance moyenne finie : il possède une énergie infinie et sont
donc physiquement irréalisable.
T2
1
0 Ps lim s(t ) dt
2
(4)
T T
T2
On distingue les signaux à variable continue des signaux à variable discrète ainsi que ceux
dont l'amplitude est discrète ou continue. On obtient donc 4 classes de signaux :
Les signaux à bande étroite avec (Fmax≈ Fmin), et les signaux à large bande avec
(Fmax>> Fmin ).
Distribution spectrale
ΔF
fréquence
Fmin Fmax
Figure 1.3. Distribution spectrale d’un signal avec la largeur de bande ΔF.
Afin de simplifier les opérations ainsi que les formules obtenues, certains signaux
fréquemment rencontrés en traitement du signal dispos d'une modélisation propre.
1. Fonction signe : ‘parfois appelée signum’ est définie de la manière suivante (figure
1.4)
sgn(t)
1 t0
sgn(t )
1 t0
(5)
t
pour t0
t
La valeur à l'origine est en principe arbitraire, située entre ± 1. Par souci de symétrie, on
admettra, sauf cas particulier, que cette valeur est nulle par convention.
2. Saut unité : La fonction saut (échelon) unité peut se définir à partir de la fonction
signe (figure. 1.5)
u (t)
1 1 0 t0
u( t ) sgn(t )
2 2 1 t0 (6)
1
t
1
0 t0
r (t ) t u (t )
t t0 (7)
T
T T 1 t
rec(t ) u(t ) u(t ) PT (t ) 2
2 2 T (8)
2 0 t
2
PT/2 (t)
t
-T/2 T/2
1 t t T
tri(t ) g T (t )
0 t T (9)
gT (t)
1
t
-T T
1 pour t 0
(t )
0 pour t 0 (11)
δ(t)
1
t
Une suite d'impulsions de Dirac se répétant sur l'axe du temps avec une période T
(figure. 1 .10) sera notée par concision δ(t) avec
(t ) (t nT )
n
(12)
Cette suite est parfois appelée fonction d'échantillonnage ou peigne de Dirac (en anglais:
comb).
δ T (t)
-3T -2T -T T 2T 3T
sin(x )
sinc( x ) (13)
x
sinc (t)
-4 -3 -2 -1 1 2 3 4
I.3.1. Définition
Nous considerons une fonctions s(t) periodique, de periode T0=1/f0. Elle peut s’ecrire sous
la forme d’une somme des fonctions sinusoidales de frequence f multiple de la frequence f0,
dite fondamontale.
On ecrire donc :
s(t ) a 0 a n cos(2nf 0 t ) bn sin(2nf 0 t ) (14)
n 1
T
1 0
a 0 s(t ) dt (15)
T0 0
T
2 0
a n s(t ) cos(2πnf 0 t ) dt pour n 1 (16)
T0 0
et
T
2 0
T0 0
bn s(t ) sin(2πnf 0 t ) dt pour n 1 (17)
Exemple 3.1
t 0 t 2
s (t )
0 ailleur
T 2 2
1 0 1 t²
T0 0 t dt
a0 s ( t ) dt
2 0
4 0
2
1t
2 2
2 1
an
2 0 t cos(nt ) dt
n
sin ( nt )
0
n 0
sin(nt) dt
2 2
1
0 sin(nt) dt 2 cos(nt) 2 cos2n - 1
1 1 1
n 0 n 0 n
2
1 t
2 2
2 1
bn
2 t sin(nt) dt
0
n
cos(nt )
0
n 0
cos(nt ) dt
2
1 2 2
cos(2n) 2 sin(nt) cos2n
1
n n 0 n
alors
1
s(t ) 2 cos2n - 1 cos(nt ) cos2n sin(nt )
2
n 1 n n
Il y a deux autres facons d’exprimer la série de Fourier : on peut utiliser la forme alternative,
ou la forme exponentielle. La forme alternative est la suivante :
s(t ) C0 Cn cos(2nf0t n ) (18)
n 1
ou : C0 a0 , C n a ² n b ² n , n arctgbn an
La forme exponentielle est souvent plus simple pour les calculs mathématiques. C’est la
forme la plus utilisée en traitement de signal.
s (t ) V e
n
n
2 jnf 0 t
(19)
1
ou : Vn s(t ) e 2 jnf 0t dt
T0 (T0 )
Exemple 3.2
- Soit la forme trigonométrique :
12 2nf nt
s(t ) 8 sin( ) cos( )
n 1 n 3 3
- Ecrivez les expressions des formes alternative et complexe de la serie de Fourier s(t).
on a :
12 2nf
T0 6 , a0 8 , a n sin( ) , bn 0
n 3
2nf
) , n arctgbn an 0
12
Forme alternative : C0 a0 8 , C n a ² n b² n sin(
n 3
12 2nf nt
s (t ) 8 sin( ) cos( - 0)
n 1 n 3 3
an bn 6 2nf
Forme complexe : Vn sin( )
2 2 j n 3
nt
6 2nf
s(t )
n n
sin(
3
)e 3
a- Symétrie paire
b- Symétrie impaire
I.4.1. Définition
TF s(t ) S ( f ) s(t ) e
-2 jft
dt (20)
-
TF 1S ( f ) s(t ) S( f ) e
2 jft
df (21)
-
TF
la transformée de Fourier de s(t), notée S( f ) ou s(t ) S ( f )
TF 1
la transformée de Fourier inverse du spectre S( f ), ou s(t ) S ( f )
TF
La correspondance réciproque est indiquée par une flèche double : s(t ) S ( f )
S(f) est une fonction de f, en général complexe, qui comprend donc une partie réelle Re[S(f)]
et une partie imaginaire Im[S(f)].
ReS ( f ) s(t ) cos(2ft) dt (22)
-
et
ImS ( f ) s(t ) sin( 2ft ) dt (23)
-
1
Spectre d'amplitude S ( f ) ReS ( f ) ImS ( f )
2 2 2
2
Spectre ( ou densité spectrale ) de puissance S ( f )
En vertu du théorème de Plancherel, toutes les fonctions de carré intégrable donc tous les
signaux à énergie finie possèdent une transformée de Fourier (convergence en moyenne
quadratique) qui est également une fonction de carré intégrable. Toutefois, le fait d'être à
énergie finie est une condition suffisante, mais pas nécessaire. Si tous les modèles de signaux
physiquement réalisables ont une transformée de Fourier, il en va de même pour la plupart
des signaux idéalisés : signaux à puissance moyenne finie, impulsion de Dirac, suite
périodique d'impulsions de Dirac, etc.
I.4.3. Propriétés
a. Linéarité
TF 1 s1 (t ) 2 s2 (t ) 1 S1 ( f ) 2 S 2 ( f ) C
b. Similitude ou affinité
TF s(at ) s( at) e 2 jft dt
TF s(at ) s(u ) e 2 jfu a du
1
a
donc :
1 f
TF s(at ) S a 0
a a
Un étalement de l’échelle des temps conduit à une contraction de l’échelle des fréquences
et inversement.
c. Retard
TF s(t a ) s(t - a) e 2 jft dt
TF s(t a ) s(u ) e 2 jf ( u a ) du e 2 jfa s(u ) e 2 jfu du
Soit :
TF-1
S ( f f 0 ) e 2 jf 0t s(t )
Après une translation temporelle, la transformée de Fourier a même module mais subit
un changement de phase.
d. Dérivation
ds(t ) ds(t ) 2 jft
TF e dt
dt dt
ds(t )
TF
s(t ) e
2 jft
2 jf s(t ) e 2 jft dt
dt
Si la fonction f tend vers 0 lorsque t tend vers ± ∞, comme pour toutes les bonnes
fonctions rencontrées en physique, il vient :
ds(t )
TF 2 jf s(t ) e
2 jft
dt 2 jf TF s(t )
dt
Ce résultat se généralise :
d n s(t )
( 2 jf ) TF s(t )
n
TF n
dt
d TF s(t ) d S ( f ) d
Soit :
d TF s(t )
jTF t s(t )
df
Ce qui se généralise :
d n TF s(t )
df n
( j ) n TF t n s(t )
f. Parité et conjugaison
s(t ) e dt s(-t) e dt
2 jft 2 jft
S ( f )
La transformée de Fourier S(f) d’une fonction s(t) est donc de même parité que celle-ci.
TF s (t )
s (t ) e
2 jft
dt s(t ) e 2 jft dt S ( f )
TF
s (t ) s (t ) S ( f ) S ( f )
Donc si la fonction s(t) est réelle, la partie réelle de sa transformée de Fourier est paire et la
partie imaginaire est impaire. De même le module de la transformée de Fourier d’une
fonction réelle est pair et son argument impair. Il est donc possible de ne déterminer la
transformée de Fourier que pour les fréquences positives. On déduit la partie des fréquences
négatives par symétrie "hermétique".
De plus si s(t) est réelle et paire alors S(f) est réelle (et paire). Si s(t) est réelle et impaire S(f)
est imaginaire (et impaire).
TF (t t0 ) (t t0 )e - 2jft dt 1 e - 2jf ( t t 0 ) e - 2jft0
t 0
Soit encore :
TF 1 e- 2jft0 (t t0 )
TF 1 e - 2jft0 e - 2jft 0
e 2jft df e
2jf ( t t 0 )
df
e
2jf ( t t 0 )
df (t t0 )
e
2jft
df (t )
Donc :
TF e2jf 0 t ( f f 0 )
TF
1 ( f )
Appliquons ce résultat à une fonction s(t) périodique de pulsation . Nous savons que celle-
ci peut s’écrire comme une série de Fourier :
s(t ) V
n
n e2jnf 0 t
Donc :
V TFe V ( f nf )
S ( f ) TFs(t ) n
2jnf 0 t
n 0
n n
avec :
1
Vn s(t ) e- 2jnft dt
T (T0 )
S( f )
2 2
s(t ) dt df
Calculons :
S( f )
2
df
S ( f ) S ( f ) df s (t ) e dtdf
2 2 jft
S ( f ) df S ( f )
S( f ) S ( f ) s (t ) e
2 2 jft
df dt df
S ( f ) df s (t ) S ( f )e df dt
2 2 jft
s (t ) s(t ) dt s(t )
2 2
S ( f ) df dt
S( f )
2 2
s(t ) dt df
2
Par définition s(t ) correspond à la puissance du signal s (t ) . Par analogie la quantité
2
S( f ) est définie comme la densité spectrale d'énergie du signal. Et les intégrales
précédentes donnent l’énergie de celui-ci.
S1 ( f ) S2 ( f ) df 1 s2 (t ) e dtdf
2 jft
S ( f )
S ( f )S S ( f )s
1 2 ( f ) df 1 2 (t ) e 2 jft dt df
S1 ( f ) S2 ( f ) df s2 (t )S1 ( f ) e df dt
2 jft
S1 ( f ) S2 ( f ) df s (t ) s
1 2 (t ) dt
s1 (t ) s2 (t ) dt S ( f )S
1 2 ( f ) df
La quantité S1 ( f ) S2 ( f ) est donc la densité spectrale d’énergie d’interaction des deux
signaux.
I.5. La convolution montre l’effet que produit un système de mesure ou d’analyse sur un
signal appliqué à son entrée. En effet, le signal de sortie est la convolution du signal d’entrée
avec la réponse impulsionnelle du système plutôt que le signal d’entrée lui-même.
Système linéaire
x(t) y(t)
h (t)
C (t ) x (t ) y (t ) x( ) y(t ) d
-
() designele produitde Convolution (24)
s1 (t ) s2 (t )
s ( ) s (t- ) d
1 2
Le signal s2 (t- ) est simplement le signal initial s2 ( ) , retourné dans le temps pour donner
s2 (- ) , puis translaté de t .
s1(τ) s2(τ)
*
τ τ
s1*s2
s2(t-τ)
τ τ τ
Exemple 5.1.
- Calculons l’auto-convolution :
s(t ) PT (t ) PT (t )
P ( ) P (t ) d
-
T T
* =
t t t
-T T -T T -T T
Figure 1.14. Convolution d’une porte par une porte.
s ( t ) e( t ) h ( t ) e( ) h(t ) d
-
S ( f ) TF e(t ) h(t ) e( ) h(t ) d e 2 jft dt
- -
S ( f ) TF e(t ) h(t ) e( ) h(t ) e 2 jft dt d
- -
-2 jft
En écrivant e e-2 jf e-2 jf ( t ) , il vient :
S ( f ) TF e(t ) h(t )
e( ) e
2 jf
h(t ) e 2 jf ( t ) d dt
- -
S( f ) - e ( ) e 2 jf
h(t ) e
2 jf ( t )
dt d
-
S( f ) e( ) e
2 jf
h( ) e
2 jf ( )
d d
- -
S ( f ) e( ) e 2 jf
d h( ) e 2 jf ( ) d
- -
Il vient donc :
TF
e(t ) h(t ) E ( f ) H ( f ) (*)
TF
s1 (t ) s2 (t ) S1 ( f ) S2 ( f ) (**)
Les deux relations (*) et (**) montrent que le produit de convolution dans le domaine
temporel devient un produit ordinaire fréquentiel et que le produit ordinaire dans le domaine
temporel se traduit par u produit de convolution dans le domaine fréquentiel.
T0 2
1
s1 (t ) s2 (t )
T0 s ( ) s (t ) d
-T0 2
1 2
I.6.1.1. Intercorrélation
L'intercorrélation de deux signaux à temps continu est définie par l'une des deux expressions
suivantes selon que l'on considère des signaux d'énergie finie ou infinie. Dans ce dernier cas,
on se limitera aux signaux de puissance finie en insistant sur les signaux périodiques qui sont
évidemment d'énergie infinie.
Rappelons la définition de l’énergie d’un signal que nous avons donnée dans le premier
chapitre :
E xy x(t ) y (t ) dt
-
R xy ( ) x (t ) y (t ) dt
(25)
-
On peut aussi définit la fonction intercorrélation pour les signaux a puissance moyenne finie
(signaux périodiques ou aléatoires permanents). De plus, lorsque la période du signal est
constante, de valeur T, l’expression sous forme de limite n’est plus nécessaire.
T 2
Rxy ( ) lim x (t ) y (t ) dt
*
(26)
T
T 2
I.6.1.2. Autocorrélation
R x ( ) x (t ) x (t ) dt
(27)
-
Pour un signal à puissance moyenne finie l’autocorrélation, homogène à une puissance, est
définie par :
T 2
Rx ( ) lim x (t ) x(t ) dt
*
(28)
T
T 2
R x ( ) R x (0)
L’autocorrélation est maximale lorsque le retard est nul. L’autocorrélation permet une
comparaison entre le signal x (t ) et sa copie retardée x ( t ) . La ressemblance est maximale
en absence de décalage.
R x ( - ) x (t ) x(t ) dt x (u- ) x (u ) du R x ( )
* * *
(29)
Si le signal x (t ) est réel, il en est de même de sa fonction d’autocorrélation, qui est donc
paire.
Exemple 6.1.
x (t ) A sin t
1-cos 2t
Ex x(t ) x(t ) dt - A sin t dt A 2 dt
2 2 2
-
A2 sin 2t
t
2 2
T 2
1
Px lim x(t ) x(t ) dt
T T -T 2
T 2 T 2
1 A2 1 - cos2t
Px (T ) lim A2 sin2 t dt lim dt
T T -T 2 T T -T 2 2
T 2
A2 sin 2t
t
2T 2 T 2
A2 sin T
T
2T
Donc :
A2
Px lim Px (T )
T 2
La puissance moyenne est finie, c’est aussi la puissance moyenne sur une période.
T 2
1
R x ( ) lim x(t ) x(t ) dt
T T -T 2
Calculons l’intégrale :
T 2 T 2
A2
cos cos (2t ) dt
1
I
2
A sin t sin ( t ) dt
T -T 2
T -T 2
T 2
A2 sin (2t )
cos t
2T 2 T 2
A2 sin (T ) sin (T )
cos T
2T 2 2
Donc :
A2
R x ( ) cos( )
2T
C’est une fonction périodique, de même période que le signal, maximum (égal à la puissance
moyenne) lorsque signal et signal décalé sont en phase, minimum lorsque signal et signal
décalé sont en opposition de phase.
On appelle densité spectrale de puissance (pour les signaux de puissance moyenne finie) ou
densité spectrale d’énergie (pour les signaux d’énergie finie) la transformée de Fourier des
fonctions de corrélation.
Dans le cas des signaux déterministes étudiés jusqu’à présent, nous avons vu que
Si les signaux considérés sont des signaux d’énergie finie. Dans le cas des signaux de puissance
moyenne finie,
1
R xy ( f ) lim X T ( f ) YT* ( f )
T T
Où X T ( f ) représente la transformée de Fourier, définie sur une durée T . Ces deux relations
ne sont valables que pour des signaux certains. Pour des signaux aléatoires, les densités
spectrales, seront des quantités positives différentes. Il s’agit là de densités spectrales de
puissance, puisque
Pxy x (t ) y (t ) dt R
*
xy ( f ) df
x(t ) x (t ) dt R
2
Pxx *
x (t ) dt xx ( f ) df
La puissance de x (t ) :
T 2 T 2
1 1
Px lim x(t ) x * (t ) dt lim x(t ) 2 dt
T T T 2 T T T 2
La puissance de y (t ) :
T 2 T 2
1 1
Px lim x(t ) x * (t ) dt lim x(t ) 2 dt
T T T 2 T T T 2
T 2
P lim x(t ) y (t ) dt
1 2
T T T 2
T 2
1
lim x(t ) 2 y (t ) 2 2 x(t ) y (t ) dt
T T T 2
Alors
R xy ( ) x (t ) y (t ) dt
*
R xy ( ) x(t ) y ( t ) dt x( ) y ( )
* *
(31)
Si les deux signaux sont identiques, on voit que la fonction d’autocorrélation est donnée
par :
R xx ( ) x(t ) x ( t ) dt x( ) x ( )
* *
R xy ( ) x (t ) y (t ) dt
*
x(t ) y (t ) dt X ( f )Y
* *
( f ) df
R xy ( ) X( f ) Y ( f ) e 2 jf df
*
Rxy ( ) TF 1 Rxy ( f )
Donc inversement,
La densité spectrale d’interaction est la transformée de l’intercorrélation :
Rxy ( f ) TF Rxy ( )
Nous avons une relation équivalente entre la densité spectrale d’énergie d’un signal et son
autocorrélation :
R xy ( f ) TF Rxy ( )
R xy ( ) TF 1 R xy ( f )
I.7. Exercices
Exercice 1
______________________________________________________________
s(t)
Solution :
T
2
2 2 2
1 n 3 n
an
T0 T s(t ) cos 2nf 0 t dt 3 23 cos 3 t dt n sin 3 t
2
2
3 2n 2n
cos( ) cos( ) 0
n 3 3
a0
s(t ) an cos 2nf 0 t bn sin 2nf 0 t
2 n1
6 2n 2n
s(t ) 1 sin cos t
n 1 n 3 3
C0 C0 a0
s(t ) Cn cos(2nf 0 t n ) a0 C0 2
2 n1 2 2
6 2n
C n a n ² bn ² a n sin n arct(bn a n ) 0
n 3
2n 2nt
Alors s(t ) 1 sin( ) cos( 0)
n 1 3 3
Exercice 2
1 si 0 t 1
- Soit le signal s(t ) 2 si 1 t 3
ailleurs
1- Tracer le signal s (t ) .
2- Calculer la transformée de Fourier du signal s (t ) .
3- Déduire le spectre de la fonction u ( t ) (Echelon).
______________________________________________________________
Solution :
1 si 0 t 1 s(t)
1. Tracage du signal s(t ) 2 si 1 t 3
ailleurs
1
t
1 2 3
2. La transformée de Fourier 2
1 3
s(t ) e dt e dt 2e dt
2 jft 2 jft 2 jft
S( f )
0 1
1 3
1 2 jft 2 1 e 2 jf e 6 jf e 2 jf
S( f ) e e 2 jft 2
2 jf 0
2 jf 1 2 jf 2 jf
s(t ) u (t ) 3 u (t 1) 2u (t 3)
TF s(t ) TF u (t ) 3 u (t 1) 2u (t 3)
TF u (t ) 3TF u (t 1) 2TF u (t 3)
S ( f ) U ( f ) 3 U ( f )e 2 jf 2 U ( f )e 6 jf
1 2 e 6 jf 3 e 2 jf
U ( f ) 1 3 e 2 jf 2 e 6 jf U ( f )
1
2 jf 2 jf
Exercice 3
Solution :
- -
2
2 sin 2t
t
2 2
Calculons sa puissance moyenne :
T 2
1
Ps lim s(t ) s(t ) dt
T T -T 2
T 2 T 2
1 2 1 cos2t
Ps (T ) lim 2 cos 2 t dt lim dt
T T -T 2 T T -T 2 2
T 2
2 sin 2t
t
2T 2 T 2
2 sin T
T
2T
Donc :
2
Ps lim Ps (T )
T 2
1-Calculons la fonction d’autocorrélation de ce signal :
T 2
1
Rs ( ) lim s(t ) s(t ) dt
T T -T 2
T / 2
1
Rs ( ) lim cos t cos 2 (t )dt
2
T T -T/2
Calculons l’intégrale :
T 2 T 2
2
cos t cos sin t cost sin dt
1
I cos t cos (t ) dt
2 2
T -T 2
T -T 2
T 2
2
T cos cos(2t ) dt
-T 2
T 2
2 sin (2t )
cos t
2T 2 T 2
2 sin (T ) sin (T )
cos T
2T 2 2
Donc :
2
Rs ( ) cos( )
2T