Vous êtes sur la page 1sur 5

TRAITEMENT DU SIGNAL

1 - SIGNAUX
Le Traitement du Signal est l’étude des signaux et des systèmes.
Un signal est la représentation quantitative d’une grandeur physique réelle, mesurée ou imaginée.
Il existe de nombreuses sortes de signaux. On rencontre notamment des signaux d’une variable (ex : cours du CAC40
en fonction du temps) et des signaux multivariables (ex : image noire et blanc 𝑖(𝑥, 𝑦), intensité lumineuse ou niveau
de gris en fonction des coordonnées sur l’image). On peut également définir des signaux scalaires (exemples
précédents) et des signaux vectoriels (ex : vecteur vitesse d’une particule donnée en fonction du temps). Il existe
de nombreux autres critères de classement des signaux. On modélise ces signaux par des fonctions d’une ou
plusieurs variables continues à valeurs réelles ou complexes (signaux analogiques), des distributions, des suites
(signaux à temps discret) ou des variables aléatoires.
Pour étudier les principaux problèmes qui se présentent en Traitement du Signal, on s’intéresse principalement à
des signaux scalaires d’une seule variable réelle. Cette catégorie de signaux regroupe notamment les signaux
temporels 𝑠(𝑡), c’est-à-dire les signaux dont la variable est le temps 𝑡.
Signa ux élém entaires :
En Traitement du Signal, on définit quelques signaux élémentaires, souvent utilisés pour modéliser des signaux :
 L’échelon unité, encore appelé échelon de Heaviside ou tout simplement Heaviside (du nom du physicien
britannique Olivier Heaviside 1850-1925) : C’est le modèle de la vanne parfaite qui s’ouvre à l’instant t=0 sur
un débit unité. Ce signal permet notamment de modéliser l’observation du signal commencée à un instant
donné.
 Le rectangle unité, ou porte unité : c’est le modèle de la vanne parfaite qui s’ouvre pendant un intervalle de
temps unité, centré sur l’instant t=0, sur un débit unité. Ce signal permet, entre autres, modéliser l’observation
d’un signal sur une durée limitée.
 L’impulsion unité, ou impulsion de Dirac, ou signal de Dirac, ou distribution de Dirac, ou Dirac (du nom du
physicien britannique Paul Dirac 1902-1984, Prix Nobel de Physique avec Schrödinger en 1933 pour ses travaux
en Mécanique Quantique) : c’est le modèle de la distribution ponctuelle d’une grandeur extensive (ex : masse
ponctuelle, charge ponctuelle). Ce signal permet en particulier de modéliser la mesure ponctuelle d’un signal
(notamment pour modéliser l’échantillonnage).
Mais aussi, le triangle, la sinusoïde, modélisant un signal monochromatique pur, le sinus cardinal, ou le peigne de
Dirac
Remar que : des c r i pti on math émati que des si g naux
La théorie mathématique des fonctions n’est pas parfaitement appropriée pour décrire la Nature. La description
universellement utilisée à l’heure actuelle est basée sur les signaux : mathématiquement, les signaux sont des
distributions, qu’on peut identifier à une sorte de fonctions généralisées.
A l’évidence, l’impulsion de Dirac n’est pas une fonction au sens mathématique. A contrario, certaines fonctions
n’ont pas de sens physique (ex : la fonction réelle 𝑔(𝑡) nulle en tout point et égale à 1 en 𝑡 = 0 correspond en
pratique au signal nul). Pour faire simple concernant l’impulsion de Dirac, elle est définie mathématiquement par :
Pour toute fonction 𝑓 continue en 0, ∫ 𝛿(𝑡)𝑓(𝑡)𝑑𝑡 = 𝑓(0)
Cette formulation de somme avec un autre signal a un sens philosophique : un signal n’est défini que par l’action
qu’il peut avoir sur d’autres signaux. Ainsi, pour reprendre l’exemple de la fonction 𝑔(𝑡) ci-dessus, l’observation de
ce signal (qui est en pratique donnée par l’action de ce signal sur un autre signal) donne toujours 0, donc 𝑔
correspond au signal nul.
On note que 2𝛿(𝑡) ≠ 𝛿(𝑡). En effet : ∫ 𝛿(𝑡)𝑓(𝑡)𝑑𝑡 = 𝑓(0), tandis que ∫ 2𝛿(𝑡)𝑓(𝑡)𝑑𝑡 = 2𝑓(0). D’une certaine
façon, la distribution de Dirac permet de quantifier différents infinis.
ENERG I E ET PUI SSA NCE D’ UN SI G NA L
La puissance électrique délivrée dans une résistance 𝑅 (tension 𝑈 aux bornes, courant 𝐼 qui la traverse) est :
𝑃 = 𝑈𝐼 = 𝑈²/𝑅 = 𝑅𝐼².
A une constante d’impédance près, la puissance instantanée est donc 𝑈(𝑡)² ou 𝐼(𝑡)².
En Traitement du Signal, on définit la puissance instantanée d’un signal 𝑠(𝑡) par : |𝑠(𝑡)|2 = 𝑠(𝑡). 𝑠(𝑡)∗.
Bien que les signaux de mesure soient toujours des signaux réels, on rencontre cependant fréquemment des
signaux complexes (notamment quand on travaille sur des signaux analytiques ou qu’on utilise l’opérateur de
Transformée de Fourier).
On définit alors naturellement :
 La puissance moyenne d’un signal sur un intervalle de temps = la moyenne sur cet intervalle de la puissance
instantanée.
 La puissance moyenne d’un signal = moyenne sur toute la droite des temps de la puissance instantanée.
 L’énergie d’un signal = la somme sur toute la droite des temps de la puissance instantanée.
Remarque : la « puissance moyenne de 𝑥 » est souvent appelée simplement « puissance de 𝑥 ».
Signa ux d’énergie fi ni e et les signaux de pu issance finie
On peut classer les signaux selon leur énergie ou leur puissance. On distingue ainsi principalement deux grandes
classes de signaux :
 les signaux d’énergie finie,
 les signaux de puissance finie non nulle.
Il est souvent facile de juger d’emblée qu’un signal est d’énergie finie ou de puissance moyenne finie. Il est en effet
facile d’établir quelques règles simples à ce sujet, par exemple :
 Si un signal est d’énergie finie, sa puissance est nulle.
 Si un signal est de puissance finie non nulle, son énergie est infinie.
 Si un signal est de support fini (c’est-à-dire qu’il n’est non nul que sur un intervalle de temps fini) et qu’il ne
prend que des valeurs finies (pas de Dirac, pas de branche tendant vers l’infini …), il est d’énergie finie : ainsi,
les signaux issus de mesure sont toujours des signaux d’énergie finie.
 Si un signal est périodique et ne prend que des valeurs finies, il est de puissance moyenne finie non nulle
Calcul de la p uissance d’un sig nal
Le calcul de moyenne nécessaire à l’évaluation de la puissance sera effectué différemment selon la nature du signal,
en particulier :
 Limite de la puissance moyenne sur un intervalle quand cet intervalle tend vers la droite réelle,
 Moyenne sur une période (pour un signal périodique),
 Moyenne statistique (pour un signal aléatoire).
RAPPEL SUR LES DI STRI B UTI O NS
I dée g énér al e
De façon générale, les signaux sont modélisés par des « fonctions généralisées » encore appelées distributions.
L’idée est la suivante : contrairement aux fonctions qui sont définies en chaque valeur de leur variable, les signaux
ne sont perçus qu’à travers une observation, qui peut être vue comme une projection du signal sur la fonction
d’observation (produit scalaire généralisé).
D éfinitio n
Soit 𝐷 l’ensemble des fonctions de ℝn  ℝ (ou ℂ) infiniment dérivables (fonctions C) et à support compact, on
appelle distribution sur ℝn toute forme linéaire de 𝐷.
On note la distribution 𝑇 : 𝐷  ℝ (ou ℂ)
𝜑  < 𝑇, 𝜑 >
Égalité de deux distributions : {𝑇 = 𝑈} signifie {𝜑𝐷, < 𝑇, 𝜑 > = < 𝑈, 𝜑 >
Convergence d’une suite de distribution : {𝑇𝑛  𝑇} signifie {𝜑𝐷, < 𝑇𝑛 , 𝜑 >  < 𝑇, 𝜑 >}
D éfinitio n d’o pératio ns sur les distri butio n s :
Combinaison linéaire : < 𝑇 + 𝑈, 𝜑 > = < 𝑇, 𝜑 > +  < 𝑈, 𝜑 >
Dérivée : < 𝑇’, 𝜑 > = − < 𝑇, 𝜑’ >
1 𝑥
Dilatation : < 𝑇(𝜆𝑥), 𝜑 > = |𝜆| < 𝑇, 𝜑 ( ) >
𝜆
Produit et produit de convolution : ils ne sont pas toujours définis !
D istributio n régulière
A toute fonction f localement sommable (fonction de 𝐿1𝑙𝑜𝑐 (ℝ𝑛 )), on peut associer la distribution 𝑇𝑓 définie par :
< 𝑇𝑓 , 𝜑 > = ∫ 𝑓(𝑥) 𝜑(𝑥)𝑑𝑥
Une telle distribution est dite régulière, et une distribution qui ne vérifie pas cette propriété est dite singulière.
Par suite, on confond dans l’écriture fonction et distribution :
on immerge 𝐿1𝑙𝑜𝑐 (ℝ𝑛 ) dans l’ensemble des distributions 𝐷’,
on note pour toute distribution 𝑇 : < 𝑇, 𝜑 > = ∫ 𝑇(𝑥) 𝜑(𝑥) 𝑑𝑥
Cette notation justifie les définitions de dérivée et de dilatation d’une distribution. Elle permet de définir les produit
et produit de convolution de deux distributions, et de comprendre quand ces produits sont définis.
EXERCICES
Exercice 1.
Donner l’expression analytique des signaux suivants :
1. Mesure à partir de l’instant 𝑡1 de la tension électrique sur le secteur EDF.
2. Mesure entre l’instant 𝑡1 et l’instant 𝑡2 de la tension électrique sur le secteur.
Soit une image 𝑖(𝑥, 𝑦). Donner l’expression analytique du signal correspondant à la partie de l’image définie
par : 𝑥 ∈ [𝑥𝑚𝑖𝑛 𝑥𝑚𝑎𝑥 ] et 𝑦 ∈ [𝑦𝑚𝑖𝑛 𝑦𝑚𝑎𝑥 ]
3. Masse volumique d’un milieu composé d’un fluide homogène et de petites particules de masse 𝑚𝑖 situées
aux points 𝑥⃗𝑖 de l’espace.
Exercice 2.
Représenter chacun des signaux suivants, ainsi que leurs dérivées, et donner l’expression analytique de ces
dernières :
1. 𝑥1 (𝑡) = 2 𝑢(−𝑡)
2. 𝑥2 (𝑡) = Π(𝑡 + 2) + 3 Π(𝑡 − 1)
3. 𝑥3 (𝑡) = Π(4𝑡 − 2)
4. 𝑥4 (𝑡) = 𝑡 . Π(𝑡)
Exercice 3.
Soit la suite de signaux 𝑥𝑛 (𝑡) définis par : 𝑥𝑛 (𝑡) = 𝑛 ∏(𝑛𝑡)
1. Tracer quelques-uns de ces signaux (𝑛 = 1, 2, 4, 8 …).
2. En déduire lim 𝑥𝑛
n→∞
3. Soit 𝑦(𝑡) un signal continu en 0. En utilisant le résultat précédent, retrouver l’expression de 𝑦(𝑡). 𝛿(𝑡).
4. Donner les expressions de : Π(𝑡). 𝛿(𝑡), cos(𝑡). 𝛿(𝑡), sin(𝑡). 𝛿(𝑡), t. 𝛿(𝑡)
Exercice 4.
Soit le signal 𝑠(𝑡) = (1 − |𝑡|) . Π(𝑡/2)
Tracer 𝑠. Tracer sa dérivée et sa dérivée seconde, et donner leurs expressions analytiques.
Exercice 5.
Décomposer le signal 𝑥(𝑡)en une combinaison linéaire des quatre signaux de Walsh 𝑤0 (𝑡), 𝑤1 (𝑡), 𝑤2 (𝑡) et 𝑤3 (𝑡)

Exercice 6.
Soient deux signaux x(t) et y(t) d’énergie finie, à valeurs complexes.

1. Exprimer l’énergie 𝐸𝑧 = ∫−∞|𝑧(𝑡)|2 𝑑𝑡 du signal 𝑧(𝑡) = 𝑥(𝑡) + 𝜆𝑦(𝑡) où 𝜆 ∈ ℂ, en fonction de celles de 𝑥(𝑡)
et 𝑦(𝑡)
2. On suppose les signaux réels. Étudier le signe du polynôme 𝐸𝑧 et en déduire l’inégalité suivante (inégalité de
Schwarz) :
∞ 2 ∞ ∞
|∫−∞ 𝑥(𝑡)𝑦 ∗ (𝑡)𝑑𝑡| ≤ ∫−∞|𝑥(𝑡)|2 𝑑𝑡 ∫−∞|𝑦 ∗ (𝑡)|2 𝑑𝑡
3. On suppose maintenant les signaux complexes. On pose 𝜆 = |𝜆|𝑒 𝑖𝜃 . En choisissant convenablement 𝜃 ,
démontrer l’inégalité de Schwarz pour les signaux à valeurs complexes
4. Que peut-on dire de x(t) et y(t)dans le cas où l’on a une égalité ?
Exercice 7.
Soient 𝑥(𝑡) = cos(2𝜋𝑓1 𝑡) et 𝑦(𝑡) = 2. cos(2𝜋𝑓2 𝑡)
1. Donner la puissance et l’énergie de 𝑥(𝑡) et 𝑦(𝑡)
2. Calculer la puissance et l’énergie de 𝑧(𝑡) = 𝑥(𝑡) + 𝑦(𝑡)
Exercice 8.
Montrer qu’une fonction périodique 𝑥(𝑡) bornée de période 𝑎 vérifie :
𝑇
𝑎
1 2
lim ∫ 𝑥(𝜃)𝑑𝜃 = 1/𝑎 ∫ 𝑥(𝜃)𝑑𝜃
𝑇→∞ 𝑇 −𝑇 0
2
Exercice 9.
Trouver la période commune des signaux. Calculer leur puissance moyenne.
2 1 1 𝜋
1. 𝑥1 (𝑡) = 2 𝑠𝑖𝑛( 𝑡) + 4 𝑐𝑜𝑠( 𝑡) + 4 𝑐𝑜𝑠( 𝑡 − ).
3 2 3 5
𝜋
2. 𝑥2 (𝑡) = 𝑠𝑖𝑛(10𝜋𝑡) + 0.5 𝑐𝑜𝑠(20𝜋𝑡 + 3 ) + 3 𝑐𝑜𝑠(60𝜋𝑡).
Exercice 10.
Donner l’énergie et la puissance moyenne d’un signal binaire 𝑥(𝑡) tel que :
𝑝𝑟𝑜𝑏(𝑥(𝑡) = 𝑎) = 𝛼 et 𝑝𝑟𝑜𝑏(𝑥(𝑡) = 𝑏) = 𝛽 = 1 − 𝛼.
𝑥(𝑡)
a

Exercice 11.
Pour chacun des signaux suivants, calculer sa valeur moyenne, sa puissance et son énergie.
1. 𝑥1 (𝑡) = 𝐴. cos(2𝜋𝑓0 𝑡 + 𝜙) . 𝑢(𝑡) 3. 𝑥3 (𝑡) = 𝐴. e2𝜋𝑖𝑓0 𝑡 . Π(𝑓0 𝑡)
2. 𝑥2 (𝑡) = 𝐴. e2𝜋𝑖𝑓0 𝑡 4. 𝑥4 (𝑡) = 𝐴. e𝛼𝑡 . 𝑢(𝑡) ( complexe)
Exercice 12.
Soit un signal 𝑥 de puissance moyenne finie, de valeur moyenne 𝑥̅ . Soit le signal y correspondant aux fluctuations
de 𝑥 (𝑦 est défini par : 𝑦 = 𝑥 − 𝑥̅ ). Exprimer la puissance moyenne de 𝑦.
Exercice 13.
Parmi les signaux suivants, dire ceux qui sont d’énergie finie ou de puissance moyenne finie :

1.
1
𝑥1 (𝑡) = 𝑡 3 3. 𝑥3 (𝑡) = (𝑎. 𝑡 2 + 𝑏. 𝑡). Π(𝑡)
Π(𝑡−1)
2. 𝑥2 (𝑡) = 𝑎. 𝑡 2 + 𝑏. 𝑡 4. 𝑥4 (𝑡) = 𝑡
Exercice 14.
En considérant 𝛿(𝑡) comme la limite d’une suite de portes, donner son énergie. Que penser de sa puissance
moyenne ?
Exercice 15.
Dire si les expressions suivantes sont bien définies, et simplifier le cas échéant :
𝑥1 (𝑡) = 𝑡 2 𝛿(𝑡) 𝑥2(𝑡) = |𝑡|1/2 𝛿(𝑡) 𝑥3 (𝑡) = 𝑥 ∗ 𝛿′(𝑡) 𝑥4 (𝑡) = 𝑥 ∗ 𝛿 (𝑛) (𝑡)
𝑡−𝑛
𝑥5 (𝑡) = 𝛿(−5𝑡) 𝑥6 (𝑡) = ∑𝑛 𝛿 ( ) 𝑥7 (𝑡) = 𝑢(𝑡). 𝛿(𝑡) 𝑥8 (𝑡) = 𝛿(𝑡). 𝛿(𝑡)
𝑇
𝑥9 (𝑡) = 𝛿 (𝑡). 𝛿 (𝑡 − 1) 𝑥10 (𝑡) = 𝛿 (𝑡) ⋆ 𝛿 (𝑡) 𝑥11 (𝑡) = (𝑢 ⋆ 𝛿′) ⋆ 1 𝑥12 (𝑡) = 𝑢 ⋆ (𝛿′ ⋆ 1)

Vous aimerez peut-être aussi