M2 ResTel et SETI 2021-22

Mise a Niveau en Traitement du Signal

Exercices de Révision :

Transformées de Fourier et Hilbert, filtrage, échantillonnage

1. Calculer les transformées de Fourier des signaux continus suivants :

s1 (t) = A cos (2πfo t + ϕ)

s2 (t) = B sin (2πf0 t + ϕ)
s3 (t) = Ae−λ|t| , λ > 0
1 t2
s4 (t) = √ e− 2σ2
σ 2π
(
e−t t ≥ 0
s5 (t) =
0 t<0

A
s6 (t) = .
1 + t2
2. Soit
X (f ) = T F [x (t)]

Calculer les transformées de Fourier des signaux continus suivants :

x0 (t) = X (t)
x1 (t) = x (−t)

x2 (t) = x2 (t)
x3 (t) = (x ∗ x) (t)
x4 (t) = cos2 (2πf0 t)
x5 (t) = cos3 (2πf0 t)
dn
x6 (t) = x (t)
dtn
3. Calculer les transformées de Hilbert des signaux suivants

y1 (t) = A cos (2πf0 t)

y2 (t) = A sin (2πf0 t)

y3 (t) = δ (t)
1
y4 (t) =
1 + t2

1
 4. Calculer la fréquence d’échantillonnage minimale des signaux suivants
z1 (t) = A cos (2πf0 t + ϕ)
sin (2πf0 t)
z2 (t) =
2πf0 t
 
sin (2πf0 t) 2
z3 (t) =
2πf0 t
z4 (t) = A cos (2πf0 t) + B sin (2πf1 t)
5. a : démontrer le théorème de convolution
z (t) = (x ∗ y) (t) ⇐⇒ Z (f ) = X (f ) Y (f )

b : démontrer le théorème du retard en calculant la TF du signal

y (t) = x (t − τ )

6. représenter le peigne de Dirac X

δD (t) = δ (t − kTe ) ,
k
et calculer ses coefficients de Fourier.
Montrer que sa transformée de Fourier est aussi un peigne de Dirac
En déduire la transformée de Fourier du signal {xn } obtenu par échantillonnage d’un signal x (t) à
la fréquence Fe .
7. calculer et représenter le gain fréquentiel H (f ) du filtre dont la réponse impulsionnelle h (n) est


1 n = 0
h (n) = 21 n = ±1 .


0 sinon

8. calculer et représenter le gain frequentiel H (f ) du filtre moyenneur dont la réponse impulsionnelle

h (n) est (
1
0≤n≤N −1
h (n) = N .
0 sinon
9. représenter sans le calculer le gain frequentiel H (f ) d’un filtre qui possède deux pôles
f0
z1 = eı2π Fe , z2 = z̄1
et deux zéros
p1 = ρz1 , p2 = p̄1
f0
pour différentes valeurs de Fe et de 0 ≤ ρ < 1.
10. discuter la stabilité et la causalité des filtres suivants :
(
an n≥0
h1 (n) =
0 sinon
(
an n≤0
h2 (n) =
0 sinon

h3 (n) = an , n ∈ Z

2
11. vérifier les propriétés d’orthogonalité des fonctions exponentielles en calculant
N
X −1
kn ln
eı2π N e−ı2π N
n=0

et Z T t t
eı2πk T e−ı2πl T dt
0

et calculer les quantités suivantes

Z T 
  
t t
cos 2πk cos 2πl dt,
0 T T
Z T    
t t
cos 2πk sin 2πl dt
0 T T
et Z    
T
t t
sin 2πk sin 2πl dt.
0 T T
12. calculer les coefficients de Fourier de la fonction périodique de période 1 définie par
1
x (t) = − t, t ∈ (0, 1) .
2

13. que peut-on dire de la transformée de Fourier de x (t) sachant que x (t) est
a : réelle
b : paire
c : réelle et paire
d : Hermitien
14. montrer que si Z +∞
X (f ) = A x (t) e−ıαf t dt
−∞
alors Z +∞
x (t) = B X (f ) eıαf t df
−∞
et calculer B en fonction de α et A.
15. calculer la transformée de Fourier du signal discret
(
1 −N ≤ n ≤ N
x (n) =
0 sinon

16. soit Ah l’opérateur de moyennage

Z t+h
1
(Ah x) (t) = f (u) du.
2h t−h

(a) montrer que Ah est un opérateur linéaire et invariant par translation

(b) calculer l’image par Ah du signal
xf0 (t) = eı2πf0 t

3
 (c) soit un signal x (t) dont la représentation est
Z
x (t) = X (f ) eı2πf t df.

Calculer la représentation du signal Ah x.

(d) soit un signal dont la représentation est
X t
x (t) = X (n) eı2πn Te .
n

Calculer la représentation du signal Ah x.

Computation of f ∗ g
17. compléter le schéma suivant

Figure 2.7.
18. A dit : « Il faut utiliser 40000 échantillons par The piecewise
seconde linear convolution
pour reproduire les fréquencesproduct f ∗ g of
distinguées
step functions f, g.
par l’oreille, et au moins 3 octets par échantillon pour reproduire la dynamique. Il faut donc 120000
octets par seconde pour un signal musical. »
B dit : « Il y a seulement 88 touches sur un piano donc 2 octets suffisent pour spécifier a la fois
Variations of the sliding strip method can be used to find the convolution pro
la note jouée et sa puissance. Aucun pianiste ne joue plus de 25 notes par seconde, donc on peut
of functions
reproduire un signal musical avec 50f,octets Tp .seconde.
g on par Of course,
» you can move from g(u) to g(− u) to g(x
Qui a raison, A ou B ?
by using reflection on Tp followed by translation on (i.e., rotation around) Tp .
integral of f (u) · g(x − u) over Tp then gives (f ∗ g)(x). If you wish, you can r
19. Soit un signal x (t) dont la transformée de Fourier X (f ) satisfait
f as a p-periodic function on R, define
X (f ) = 0, f < 0. !
g(x) if 0 ≤ x < p
Soit g0 (x) :=
xR (t) = Re [x (t)] , xI (t) = Im [x 0(t)] , otherwise
montrer les relations on
de Kramers-Kronig
R, compute f ∗satisfaites
g0 on R par
(asles transformées
described de Hilbert
above), and set
HxR = xI , HxI = −xR .
(f ∗ g)(x) = (f ∗ g0 )(x) for 0 ≤ x < p.
20. Soit Mg l’opérateur défini par
Mg f (x) = g (x) f (x)
You can also define
et soit la fonction ! ( !
f (x) 1 for x0 ≥≤ 0x < p g(x) for 0 ≤ x < p
f0 (x)sign
:= (x) = g0 (x) :=
0 −1otherwise,
x < 0. 0 otherwise
Montrer que l’opérateur de Hilbert H vérifie
as functions on R, compute f0 ∗ g0 on R (as described above), and take
H = −ıT F −1 Msign T F
(f ∗ g)(x) = (f0 ∗ g0 )(x) + (f0 ∗ g0 )(x + p) for 0 ≤ x < p.
et en déduire la valeur de H2 .

This third alternative clearly displays the wraparound effect that can occur
4
f, g are not suitably localized on Tp .
Example Let 0 < α ≤ 1. Find f ∗ f when