Ch1 TS 3 Année Télécommunication

Rappels des principaux résultats de la Théorie du signal __________________________Chapitre I
Chapitre I
Rappels des principaux résultats de la Théorie du signal
Contenu
I.1. Introduction ..................................................................................................................... 3
I.2. Signaux ............................................................................................................................ 3
I.3.Développement en séries de Fourier .............................................................................. 10
I.4. Transformée de Fourier ................................................................................................. 13
I.5. Produit de convolution .................................................................................................. 20
I.6. Corrélation des signaux ................................................................................................. 23
I.7. Exercices ....................................................................................................................... 29
3e année Télécommunication 2 Matière : Traitement du signal

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
Un signal est la représentation physique de l’information qu’il transporte de sa source à son

destinataire. Il sert de vecteur à une information. Il constitue la manifestation physique d’une
grandeur mesurable (courant, tension, force, température, pression, etc.).
I.2.1. Classification des signaux
On peut envisager plusieurs modes de classification pour les signaux suivant leurs propriétés.
I.2.2. Classification phénoménologique
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.
I.2.2.a. Les signaux déterministes
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 )  A cos(t   ) (1)
s(t)
Figure 1.1. Exemples d’un signal sinusoïdal.

où A est l’amplitude, ω= 2πf est la pulsation et α est la phase du signal.
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.
Ces signaux « certains » peuvent en principe être reproduits rigoureusement identiques à

eux-mêmes.
Les principaux signaux déterministes sont :
- les signaux périodiques ;

- les signaux sinusoïdaux ;
- les signaux non périodiques ;
- les signaux transitoires.
I.2.2.b. Les signaux aléatoires
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 :
Probax  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
Les signaux non périodiques suivants sont des cas particuliers :
 x(t) = e-at pour t >0 sinon x(t) = 0 ;
 y(t) = t pour t >0 sinon t<0 ;
 z(t) = 1
x(t) y(t) z(t)
1 1 1
t t t
Figure 1.2. Exemples de signaux déterministes.

I.2.3. Classification énergétique

Les signaux peuvent être à énergie finie ou à puissance moyenne finie. On considère l'énergie
des signaux. On distingue :
 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.
Les signaux à puissance moyenne finie sont tels que :
  T2 
1 
0  Ps  lim   s(t ) dt   
2
(4)
T  T
  T2 
I.2.4. Classification morphologique
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 analogiques dont l'amplitude et le temps sont continus ;

 Les signaux quantifiés dont l'amplitude est discrète et le temps continu ;
 Les signaux échantillonnés dont l'amplitude est continue et le temps discret ;
 Les signaux numériques dont l'amplitude et le temps sont discrets.
I.2.5. Classification spectrale
Un signal peut être classé suivant la distribution de son énergie ou de sa puissance en

fonction de la fréquence (spectre du signal) mêmes. Le domaine des fréquences occupé par
son spectre ΔF est aussi appelé la largeur de bande du signal (figure 1.2) : Avec ΔF =
Fmax− Fmin. Cette caractéristique, exprimée en hertz (Hz), est absolue. Aussi il est nécessaire
de la comparer au domaine de fréquences dans lequel se situe le signal.
En considérant la fréquence moyenne Fmoy =ΔF/2, on peut distinguer deux types de

signaux :
 Les signaux de Basses fréquences (Fmin ≈0 ou proche de zéro), et les signaux de

Hautes fréquences (Fmin >>0 ou loin de zéro) ;

 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.
I.2.6. Signaux particuliers
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)
Figure 1.4. Fonction signe.
 1 t0
sgn(t )  
 1 t0
(5)
t
 pour t0
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)
Figure 1.5. Fonction échelon.
1 1 0 t0
u( t )   sgn(t )  
2 2 1 t0 (6)
La valeur à l'origine est ici arbitrairement comprise entre 0 et 1. On la fixe par

convention à ½. Pour certaines applications, il est préférable de lui assigner la valeur
1.
3. Fonction rampe : La fonction rampe peut se définir à partir de la fonction saut unité
(figure. 1.6)
u (t)
1
t
1
Figure 1.6. Fonction rampe.
Cette fonction est définie par :
0 t0
r (t )  t  u (t )  
t t0 (7)
4. Fonction rectangulaire ou porte : La fonction rectangulaire normalisée (intégrale

unité), parfois aussi appelée en mathématique fonction porte, est notée et définie de
la manière suivante (figure. 1.7)
 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
Figure 1.7. Fonction rectangulaire.
Elle est notée Π(t ) par certains auteurs.
5. Fonction triangulaire : La fonctio1l triangulaire llonnalisée (intégrale unité et

variable t adimensionnelle) est notée et définie de la manière suivante (figure. 1.8)
1  t t T
tri(t )  g T (t )  
0 t T (9)
gT (t)
1
t
-T T
Figure 1.8. Fonction triangulaire.
Cette fonction correspond aussi à la convolution
tri(t )  rect(t )  rect(t ) (10)
Elle est notée Λ(t ) par certains auteurs.
6. Impulsion (ou distribution) de Dirac : L'impulsion de Dirac correspond à une

fonction porte dont la largeur T tendrait vers 0 et dont l'aire est égale à 1.
1 pour t  0
 (t )  
0 pour t  0 (11)
δ(t)
1
t
Figure 1.9. Impulsion de Dirac.

6.1. Peigne de Dirac ‘Définition: suite périodique d'impulsions de Dirac’
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
Figure 1.10. Peigne de Dirac.
7. Fonction sinus cardinal: La fonction obtenue en effectuant le rapport d'une fonction

sinusoïdale et de son argument joue un rôle très important en théorie du signal. Elle
porte le nom de sinus cardinal. Sa forme normalisée (intêgrale unité et variable
adimensionnelle x), est notée et définie de la manière suivante:
sin(x )
sinc( x )  (13)
x
Avec lim sinc( x )  1

x 0
sinc (t)
-4 -3 -2 -1 1 2 3 4
Figure 1.11. Fonction sinus cardinal.

I.3.Développement en séries de Fourier
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(2nf 0 t )  bn sin(2nf 0 t ) (14)
n 1
ou a0 , an et bn sont les coefficients de la serie de Fourier. il se calculent a partir des relations

suivantes :
T
1 0
a 0   s(t ) dt (15)
T0 0
avec a0 appelé valeur moyenne ou composante continue,
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)
L’expression (14) est dite série de Fourier trigonométrique.
Exemple 3.1
- Ecrire l’expression de la serie de Fourier trigonométrique du signal periodique :
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
1t 
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  cos2n - 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(2n)  2  sin(nt)    cos2n 
1
 
  n n 0  n
alors

 1 
s(t )      2  cos2n - 1 cos(nt )   cos2n sin(nt )
2
n 1  n n 
I.3.2. Forme alternative de la série de Fourier
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(2nf0t  n ) (18)
n 1
ou : C0  a0 , C n  a ² n  b ² n ,  n  arctgbn an 
La forme alternative permet de mieux identifier l’amplitude et la phase des composantes

d’un signal.
I.3.3. Forme complexe de la série de Fourier
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 jnf 0 t
(19)
1
ou : Vn   s(t ) e 2 jnf 0t dt
T0 (T0 )
La forme exponentielle est obtenue a partir de la relation d’Euler.

Exemple 3.2
- Soit la forme trigonométrique :

12 2nf 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 2nf
T0  6 , a0  8 , a n   sin( ) , bn  0
n 3
2nf
) ,  n  arctgbn an   0
12
 Forme alternative : C0  a0  8 , C n  a ² n b² n   sin(
n 3

12 2nf nt
s (t )  8    sin( )  cos( - 0)
n 1 n 3 3
an bn 6 2nf
 Forme complexe : Vn     sin( )
2 2 j n 3
nt

6 2nf
s(t )  
n  n
 sin(
3
)e 3
I.3.4. Propriété de parité
a- Symétrie paire
Pour des fonctions paires, on peut démontrer que : bn  0
- une fonctin est paire si : s(t )  s( t ) t
b- Symétrie impaire
Pour des fonctions impaires, on peut démontrer que : a n  0
- une fonctin est paire si : s(t )   s( t ) t

I.4. Transformée de Fourier
I.4.1. Définition
La transformation de Fourier est une extension de la décomposition en série de Fourier,

mais pour des signaux quelconques. Intuitivement on peut considérer un signal non
périodique comme un signal dont la période T→+∞ . Ainsi la somme discrète et le facteur
1/T intervenant dans la décomposition en série de Fourier deviennent respectivement une
intégrale, et une petite variation de fréquence df.
On définit la Transformée de Fourier (TF), notée S(f), du signal s(t) par:

TF s(t )  S ( f )   s(t )  e
-2 jft
dt (20)
-

TF 1S ( f )  s(t )   S( f )  e
2 jft
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)].

ReS ( f )   s(t )  cos(2ft)  dt (22)
-
et

ImS ( f )   s(t )  sin( 2ft )  dt (23)
-
 
1
 Spectre d'amplitude S ( f )  ReS ( f )  ImS ( f )
2 2 2
2
 Spectre ( ou densité spectrale ) de puissance S ( f )
 Spectre de phase arctg ImS ( f ) ReS ( f )   ( f )

I.4.2. Existence d'une transformée de Fourier
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
Nous allons passer en revue quelques-unes des propriétés fondamentales de la transformée

de Fourier.
a. Linéarité
La TF et TF−1 sont des opérateurs linéaires.
TF 1  s1 (t )  2  s2 (t )  1 S1 ( f )  2 S 2 ( f )  C
b. Similitude ou affinité
Pour a non nul considérons l’effet d’un changement de l’échelle temporelle :

TF s(at )   s( at)  e  2 jft dt

Effectuons un changement de variable (u = at)

TF s(at )   s(u )  e  2 jfu 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
Etudions l'effet d'une translation temporelle (par exemple un changement d’origine) :


TF s(t  a )   s(t - a)  e 2 jft dt

Un changement simple de variable (u = t-a) nous donne :
 
TF s(t  a )   s(u )  e 2 jf ( u a ) du  e 2 jfa  s(u )  e 2 jfu du
 
Soit :
TF s(t  a )  e 2 jfa  TF s(t )
Démonstration identique pour la translation de fréquence.
TF-1
S ( f  f 0 )  e 2 jf 0t  s(t )
Après une translation temporelle, la transformée de Fourier a même module mais subit
un changement de phase.
d. Dérivation
Considérons la transformation d'une dérivée :

 ds(t )  ds(t ) 2 jft
TF    e dt
 dt   dt
Intégrons par parties :

 ds(t ) 
TF  
  s(t )  e
 2 jft

   2 jf  s(t )  e 2 jft 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 jf   s(t )  e
 2 jft
dt  2 jf  TF s(t )
 dt  
Ce résultat se généralise :
 d n s(t ) 
  ( 2 jf )  TF s(t )
n
TF  n
 dt 
Réciproquement, nous calculons la dérivée d'une transformée de Fourier :

d TF s(t ) d S ( f ) d
 
 s(t )  e dt   j  t  s(t )  e 2 jft dt

 2 jft
 
df df df  
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 ) 
e. Les transformées à connaître
Table 2.1. Transformée de Fourier de quelques fonctions.
La fonction s(t) Transformée de Fourier S ( f )

 (t ) 1
1 ( f )
e 2 jf0t  ( f  f0 )
 ( t  t0 ) e 2 jf0t
cos(2f 0t   0 )
2

1 j0
e  ( f  f 0 )  e  j0  ( f  f 0 ) 
sin(2f 0t   0 )
1 j0
2j

e  ( f  f 0 )  e  j0  ( f  f 0 ) 
1
sgn(t )
j f
Π(t ) 2 sinc(2f )
Λ(t ) sinc 2 (f )
Ces fonctions seront utilisées fréquemment, par la suite.
f. Parité et conjugaison
Etudions la parité de la transformée de Fourier. Nous pouvons écrire :
 
 s(t )  e dt    s(-t)  e dt
2 jft  2 jft
S ( f ) 
 
La transformée de Fourier S(f) d’une fonction s(t) est donc de même parité que celle-ci.
Calculons-la transformée de Fourier de la fonction complexe conjuguée de s(t) :



 

TF s (t )  
  s (t )  e
  2 jft
dt    s(t )  e 2 jft dt  S  (  f )
   
En particulier si la fonction s(t) est réelle nous avons :
TF
s  (t )  s (t )  S  (  f )  S ( f )
C’est-à-dire pour les parties réelle et imaginaire de S(f) :
 ReS (-f )  ReS ( f )


ImS (-f )   Im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).
g. Transformée de Fourier d’une fonction périodique
Commençons par calculer la transformée de la distribution de Dirac (t) :


TF  (t )    (t )e
- 2jft
dt  1  e - 2jft 1
t 0


TF  (t  t0 )    (t  t0 )e - 2jft dt  1  e - 2jf ( t  t 0 )  e - 2jft0
t 0

Soit encore :
 
TF 1 e- 2jft0   (t  t0 )
 

TF 1 e - 2jft0   e - 2jft 0
e 2jft df  e
2jf ( t  t 0 )
df
 
Ce qui nous permet d’écrire :


e
2jf ( t  t 0 )
df   (t  t0 )



e
2jft
df   (t )

Utilisons ce résultat pour calculer la transformée de Fourier d'une exponentielle complexe :

 

TF e 2jf 0 t   e 2jf 0 t - 2jft
e dt  e
2j ( f 0  f ) t
dt   ( f  f 0 )
 
Donc :
 
TF e2jf 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 e2jnf 0 t
Donc :
V TFe  V  ( f  nf )
 
S ( f )  TFs(t )  n
2jnf 0 t
n 0
n   n  
avec :
1
Vn   s(t ) e- 2jnft dt
T (T0 )
I.4.4. Théorème de Parseval et densité spectrale d’énergie
La relation de Parseval montre qu'il y a "conservation" de la puissance P lorsque l'on passe

d'une représentation temporelle à une représentation fréquentielle. En effet, on a :
 
  S( f )
2 2
s(t ) dt  df
 
Calculons :

 S( f )
2
df

  
   
  S ( f ) S ( f ) df   s (t ) e dtdf
2  2 jft
S ( f ) df  S ( f )
   

  
 S( f )   S ( f ) s (t ) e
2  2 jft
df  dt df
  

 


 S ( f ) df   s (t ) S ( f )e df  dt
2  2 jft
 
  
  s  (t ) s(t ) dt   s(t )
2 2
S ( f ) df  dt
  
Nous avons donc :
 
  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.
Ce résultat se généralise à la puissance d’interaction de deux signaux. En effet :
 
   
 S1 ( f ) S2 ( f ) df   1 s2 (t ) e dtdf
 2 jft
S ( f )
  
  
S ( f )S  S ( f )s
 
1 2 ( f ) df  1 2 (t ) e 2 jft dt df
  

  

S1 ( f ) S2 ( f ) df  s2 (t )S1 ( f ) e df dt
 
2 jft
 
 
 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.
I.5. Produit de convolution
Le produit de convolution exprime la quantité de recouvrement d’une fonction ‘x’ lorsqu’on

déplace sur une autre fonction ‘y’. Le produit de convolution c’est un outil important en
traitement du signal.
Système linéaire
x(t) y(t)
h (t)
Figure 1.12. Opération de convolution.
I.5.1. Equation mathématique du produit de convolution
La convolution exprime généralement la réponse à un signal quelconque à partir de celle

d'un signal type (impulsionnelle) caractérisé par y (t ) .  Exprime le retard temporel entre
les deux signaux.

C (t )  x (t )  y (t )   x( )  y(t   ) d
-
() designele produitde Convolution (24)
I.5.2. Interprétation graphique de la convolution
La convolution entre deux signaux s1 (t ) et s2 (t ) s’écrit :

s1 (t )  s2 (t ) 

 s ( )  s (t- )  d
1 2
Le calcul de la convolution consiste donc à calculer la surface du produit s1 ( )  s2 (t- ) .
Le signal s2 (t- ) est simplement le signal initial s2 ( ) , retourné dans le temps pour donner
s2 (- ) , puis translaté de t .
En calculant alors l’ensemble des surfaces obtenues en faisant « glisser » s2 ( ) , c’est-à-dire

pour tous les décalages de t , on obtient le produit de convolution pour tout t :

s1(τ) s2(τ)
*
τ τ
s1*s2
s1(τ) s1(τ) s2(t-τ)
s2(t-τ)
τ τ τ
Figure 1.13. Résultats graphique de la convolution.
Exemple 5.1.
- Calculons l’auto-convolution :
s(t )  PT (t )  PT (t )

  P ( )  P (t   ) d
-
T T
PT (t) PT (t) s (t)
* =
t t t
-T T -T T -T T
Figure 1.14. Convolution d’une porte par une porte.
I.5.3. Théorème de Convolution (Plancherel)
L’une des plus importantes propriétés de la transformée de Fourier est la transformée de

Fourier du produit de convolution. Pour démonter cette propriété, considérons un système
linéaire et invariant dans le temps de réponse impulsionnelle h (t ) dont les signaux d’entrée
et de sortie sont respectivement e(t ) et s(t ) . On a donc :


s ( t )  e( t )  h ( t )   e( )  h(t   ) d
-
La transformée de Fourier S ( f ) du signal de sortie s(t ) est :
  

S ( f )  TF e(t )  h(t )     e( )  h(t   ) d e  2 jft dt
-  - 
En remarquant que e( ) es indépendant de t et en changeant l’ordre d’intégration, on a :
 


S ( f )  TF e(t )  h(t )   e( )    h(t   ) e  2 jft dt  d
-  - 
-2 jft
En écrivant e  e-2 jf  e-2 jf ( t  ) , il vient :

  
S ( f )  TF e(t )  h(t )   
  e( ) e
 2 jf
 
 h(t   ) e  2 jf ( t  )  d   dt
-  - 
Comme les deux intégrales peuvent être inversées, nous avons :

  
S( f )  - e ( ) e  2 jf

  h(t   ) e
 2 jf ( t  )
 dt  d
 - 
En posant   t   dans la deuxième intégrale, on obtient :

  
S( f )   e( ) e
 2 jf

  h( ) e
 2 jf ( )

 d   d
-  - 
Puisque la deuxième intégrale est indépendante de  , nous pouvons écrire S ( f ) sous la

forme d’un produit de deux intégrales :
     
S ( f )    e( ) e  2 jf
 d     h( ) e  2 jf ( )  d 
 -   - 
Soit le résultat attendu : S ( f )  E ( f )  H ( f )
Il vient donc :
TF
e(t )  h(t )  E ( f )  H ( f ) (*)
Ce théorème fondamental montre que la transformée de Fourier du produit de convolution

de deux signaux est le produit ordinaire des transformées de Fourier respectives.

On montre, en considérant le produit de convolution des transformées de Fourier S1 ( f ) et

S2 ( f ) des signaux s1 (t ) et s2 (t ) respectivement et en calculant la transformée de Fourier
inverse de ce produit de convolution : TF 1S1 ( f )  S2 ( f ), que la transformée de Fourier du
produit ordinaire de deux signaux est le produit du convolution des transformée de Fourier
de ces deux signaux.
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.
En résume, la transformation du produit de convolution en produit simple par transformée

de Fourier, et réciproquement constituent le théorème de Plancherel.
TF
s1 (t )  s2 (t )  S1 ( f )  S 2 ( f )
TF
s1 (t )  s2 (t )  S1 ( f )  S 2 ( f )
I.5.4. Convolution des signaux périodiques
Pour deux signaux périodiques réels s1 (t ) et s2 (t ) de période T0 , on définit la convolution

de la manière suivante :
T0 2
1
s1 (t )  s2 (t ) 
T0  s ( )  s (t   ) d
-T0 2
1 2
I.6. Corrélation des signaux
I.6.1. Autocorrélation et intercorrélation
Pour mesurer le degré de similitude de deux signaux on définit un coefficient de

corrélation. Il est naturel de faire correspondre la valeur 1 de ce coefficient a deux signaux
identiques, la valeur zéro a deux signaux sans aucune relation et la valeur -1 à des signaux
opposes. Quand on compare des signaux décalés dans le temps, le coefficient de corrélation
devient une fonction de temps, et l’on obtient 1a fonction d'intercorrélation si les signaux
sont différents et la fonction d'autocorrélation s'ils sont identiques.
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.
a- Signaux d'énergie finie
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)
-
Où x * (t ) est le complexe conjugué de x (t )
b- Signaux à puissance moyenne finie
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
a- Signaux d'énergie finie
Pour un signal à énergie finie l’autocorrélation est définie par :

R x ( )   x (t )  x (t   ) dt

(27)
-
R x ( ) est homogène à une énergie. R x (0) est l’énergie du signal.
a- Signaux à puissance moyenne finie
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
Dans ce cas, R x (0) est la puissance moyenne du signal.
L’inégalité de Cauchy-Schwartz permet d’écrire :
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.
D’autre part, nous avons :
 
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.
- Considérons un signal sinusoïdal défini par :
x (t )  A sin t
C’est clairement un signal à énergie infinie :
  
 1-cos 2t 
Ex   x(t )  x(t )  dt  - A  sin t  dt  A   2  dt
2 2 2
-

A2  sin 2t 
  t  
2  2  
Calculons sa puissance moyenne :
T 2
1
Px  lim  x(t )  x(t )  dt
T T  -T 2

T 2 T 2
1 A2  1 - cos2t 
Px (T )  lim  A2  sin2 t  dt  lim     dt
T T  -T 2 T T  -T 2  2 
T 2
A2  sin 2t 
  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.
Calculons la fonction d’autocorrélation de ce signal :
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 (2t   )  dt
1
I         
2
A sin t sin ( t ) dt
T -T 2
T -T 2
T 2
A2  sin (2t   ) 
  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.

I.6.2. Densités spectrale d’énergie et de puissance
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.
Rxy ( f )  TF Rxy ( ), interspectre

Rxx ( f )  TF Rxx ( ), spectre,ou autospectre
Dans le cas des signaux déterministes étudiés jusqu’à présent, nous avons vu que
Rxy ( f )  TF Rxy ( ) X ( f ) Y  ( f )
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
  
 Relation entre la Puissance et la Corrélation:
Soit les deux signaux : x (t ) et y (t ) .
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
La puissance de x(t )  y(t )

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
Px(t )  y(t )  Px  Py  2Rxy (0) (30)
I.6.3. Relation corrélation-convolution
Nous avons vu que les deux opérations de convolution et de corrélation s’apparentent

fortement. Nous établissons maintenant le lien formel qui existe entre ces deux opérations.
L’intercorrélation entre deux x (t ) et y (t ) signaux s’écrit

R xy ( )   x (t ) y (t   ) dt
*

La corrélation apparaît donc comme la convolution du premier signal avec le conjugué du

second signal retourné à un instant  donné.

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 (  )
* *

I.6.4. Relations de Wiener-Khintchine
Densités spectrales d’énergie ou de puissance sont reliées aux fonctions de corrélation.

Reprenons, par exemple, la définition de l’intercorrélation de deux signaux :

R xy ( )   x (t ) y (t   ) dt
*

L’identité de Parseval nous permet de remplacer l’intégration dans le domaine temporel

par une intégration du produit des transformées de Fourier dans le domaine fréquentiel :

 
 x(t ) y (t ) dt   X ( f )Y
* *
( f ) df
 
Notons X ( f ) et Y ( f ) les transformées de Fourier des signaux x (t ) et y (t ) . Nous avons :
Y ( f )  TF  y(t   )   Y ( f )e- 2 jf et Yτ* ( f )  Y * ( f )e2 jf
Nous pouvons donc écrire :

R xy ( )   X( f ) Y ( f ) e 2 jf df
*

C’est-à-dire que l’intercorrélation est la transformée inverse de la densité spectrale d’énergie

d’interaction :
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
- Soit le signal s(t )  3P2 (t  6n)

1- Tracer le signal s (t ) .
2- Calculer les coefficients de la série de Fourier trigonométrique. Ecrire donc
l’expression correspondante.
3- Donner l’expression de la série de Fourier sous la forme alternative.

______________________________________________________________
s(t)
Solution :
1- Le graph du signal s(t )  3P2 (t  6n)

3
1 1
T0  6  f 0   t
T 6 -8 -6 -4 -2 2 4 6 8
2- Les coefficients a0, an, et bn

 T2 2 2
1 1 1
a0 
T0 T s(t )  dt  6 23  dt  2 t  2
 2
2
T
2
2 2 2
1 n 3 n
an 
T0 T s(t )  cos 2nf 0 t  dt  3 23  cos 3 t  dt  n sin 3 t
 2
2
3  2n 2n  6 2n

 sin( )  sin( )  sin
n  3 3  n 3
T
2
2 2
1
2
n 3 n
bn 
T0 T s(t )  sin 2nf 0 t  dt  3 23  sin 3 t  dt   n cos 3 t
2
2
3  2n 2n 
 cos( )  cos( ) 0
n  3 3 
3- L’expression trigonométrique da la série
a0 
s(t )    an cos 2nf 0 t  bn sin 2nf 0 t 
2 n1

6  2n 2n 
s(t )  1    sin cos t
n 1 n  3 3 
4- L’expression de la série de Fourier alternative
C0  C0 a0
s(t )    Cn  cos(2nf 0 t   n )   a0  C0  2
2 n1 2 2
6 2n
C n  a n ²  bn ²  a n  sin  n  arct(bn a n )  0
n 3

2n 2nt
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 jft  2 jft  2 jft
S( f ) 
 0 1
1 3
 1 2 jft 2  1  e 2 jf   e 6 jf  e 2 jf 
S( f )  e e 2 jft     2   
2 jf 0
2 jf 1  2 jf   2 jf 
 1  e 2 jf  2  e 6 jf  2  e 2 jf   1  2  e 6 jf  3  e 2 jf 

S ( f )      
 2 jf   2 jf 
3. Le spectre de la fonction u ( t ) (Echelon) :
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 jf  2  U ( f )e 6 jf

1  2  e 6 jf  3  e 2 jf
 U ( f ) 1  3  e 2 jf  2  e 6 jf   U ( f ) 
1
2 jf 2 jf
Exercice 3
Soit le signal s(t ) défini par: s(t )    cos  t
- Calculer la fonction d’autocorrélation du signal s(t ) .

______________________________________________________________
Solution :
C’est clairement un signal à énergie infinie :

  
 1  cos 2t 
Es   s(t )  s(t )  dt     cos t  dt       dt
2 2 2
  
- -
2

2  sin 2t 
  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  cos2t 
Ps (T )  lim   2  cos 2 t  dt  lim     dt
T T  -T 2 T T  -T 2  2 
T 2
 2  sin 2t 
  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  cost  sin   dt
1
I   cos t  cos (t   )  dt 
2 2
T -T 2
T -T 2
T 2
2

T  cos  cos(2t   )  dt
-T 2
T 2
2  sin (2t   ) 
  cos  t  
2T  2  T 2
2  sin  (T   ) sin  (T   ) 
  cos  T   
2T  2 2 
Donc :
2
Rs ( )  cos( )
2T

Ch1 TS 3 Année Télécommunication

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Ch1 TS 3 Année Télécommunication

Transféré par

Droits d'auteur :

Formats disponibles

Rappels des principaux résultats de la Théorie du signal __________________________Chapitre I

Rappels des principaux résultats de la Théorie du signal

I.1. Introduction ..................................................................................................................... 3

I.2. Signaux ............................................................................................................................ 3

I.3.Développement en séries de Fourier .............................................................................. 10

I.4. Transformée de Fourier ................................................................................................. 13

I.5. Produit de convolution .................................................................................................. 20

I.6. Corrélation des signaux ................................................................................................. 23

I.7. Exercices ....................................................................................................................... 29

3e année Télécommunication 2 Matière : Traitement du signal

Un signal est la représentation physique de l’information qu’il transporte de sa source à son

I.2.1. Classification des signaux

I.2.2. Classification phénoménologique

I.2.2.a. Les signaux déterministes

s(t )  A cos(t   ) (1)

Figure 1.1. Exemples d’un signal sinusoïdal.

3e année Télécommunication 3 Matière : Traitement du signal

où A est l’amplitude, ω= 2πf est la pulsation et α est la phase du signal.

Ces signaux « certains » peuvent en principe être reproduits rigoureusement identiques à

Les principaux signaux déterministes sont :

- les signaux périodiques ;

I.2.2.b. Les signaux aléatoires

Les signaux non périodiques suivants sont des cas particuliers :

 x(t) = e-at pour t >0 sinon x(t) = 0 ;

 y(t) = t pour t >0 sinon t<0 ;

x(t) y(t) z(t)

Figure 1.2. Exemples de signaux déterministes.

3e année Télécommunication 4 Matière : Traitement du signal

I.2.3. Classification énergétique

Les signaux à puissance moyenne finie sont tels que :

I.2.4. Classification morphologique

 Les signaux analogiques dont l'amplitude et le temps sont continus ;

I.2.5. Classification spectrale

Un signal peut être classé suivant la distribution de son énergie ou de sa puissance en

En considérant la fréquence moyenne Fmoy =ΔF/2, on peut distinguer deux types de

 Les signaux de Basses fréquences (Fmin ≈0 ou proche de zéro), et les signaux de

3e année Télécommunication 5 Matière : Traitement du signal

I.2.6. Signaux particuliers

Figure 1.4. Fonction signe.

3e année Télécommunication 6 Matière : Traitement du signal

Figure 1.5. Fonction échelon.

La valeur à l'origine est ici arbitrairement comprise entre 0 et 1. On la fixe par

Figure 1.6. Fonction rampe.

Cette fonction est définie par :

4. Fonction rectangulaire ou porte : La fonction rectangulaire normalisée (intégrale

3e année Télécommunication 7 Matière : Traitement du signal

Figure 1.7. Fonction rectangulaire.

Elle est notée Π(t ) par certains auteurs.

5. Fonction triangulaire : La fonctio1l triangulaire llonnalisée (intégrale unité et

Figure 1.8. Fonction triangulaire.

Cette fonction correspond aussi à la convolution

tri(t )  rect(t )  rect(t ) (10)

Elle est notée Λ(t ) par certains auteurs.

6. Impulsion (ou distribution) de Dirac : L'impulsion de Dirac correspond à une

Figure 1.9. Impulsion de Dirac.

3e année Télécommunication 8 Matière : Traitement du signal

6.1. Peigne de Dirac ‘Définition: suite périodique d'impulsions de Dirac’

Figure 1.10. Peigne de Dirac.

7. Fonction sinus cardinal: La fonction obtenue en effectuant le rapport d'une fonction

Avec lim sinc( x )  1

Figure 1.11. Fonction sinus cardinal.

3e année Télécommunication 9 Matière : Traitement du signal

I.3.Développement en séries de Fourier