Académique Documents
Professionnel Documents
Culture Documents
l3 GB Eln Ts Rappels
l3 GB Eln Ts Rappels
Signal
Signal Signal
ECG
• Exemples de signaux :
– Signaux biologiques, mesurés à divers endroits
du corps humain et renseignant sur son
fonctionnement : ECG, EEG, EOG ou EMG.
Signaux Biologiques
– Signaux de télécommunications, qui
transportent l’information par modulation avec
une porteuse, le plus souvent aujourd’hui sous
forme numérique.
– Signaux acoustiques : parole, musique, … EEG
3 4
1
Système Système
7 8
2
Traitement du signal Traitement du signal
• Appliquer un traitement ou une analyse de • Science appliquée qui a pour but principal de
l’information à un signal provenant pour la permettre une manipulation aisée de
majorité des applications du monde physique signaux analogiques à l'aide de calculateurs
qui nous entoure. numériques.
• Exemple de traitement : • Le but du TS est d’extraire le maximum
– Supprimer l’écho des lignes téléphoniques d’information utile dans un signal perturbé
– Reconnaître une signature radar par le bruit
– Localiser un signal noyé dans un signal bruité
Bruit : Tout phénomène perturbateur pouvant gêner la perception
–… ou l’interprétation d’un signal
9 10
3
Traitement du signal Quelles applications ?
• Codage = mise en forme du signal pour une transmission ; • Téléphonie mobile,
• Compression = réduction de la redondance d’information • Aide au diagnostic médical (EEG, ECG, …),
dans un signal pour “gagner de la place" ; imagerie médicale, …
• Modulation = adaptation d’un signal aux caractéristiques • Cartes son, synthèse musicale, …
d’une voie de transmission ou d’un support d’enregistrement; • Codage vidéo et audio en visiophonie, formats
• Segmentation = partition (découpage) d’un signal en d’échange audio et vidéo, …
segments (parties) homogènes ; • Reconnaissance de la parole,
• Reconnaissance = identification de formes appartenant à un • Vision industrielle, contrôle non destructif, …
dictionnaire (parole, images). • Suivi de cibles, radars, …
• Analyse du sous sol (ondes sismiques, recherche
pétrolière…)
13
• GPS, 14
4
Échelon unité Impulsion de Dirac
• L’échelon unité us(t) est un signal qui vaut 0 • Par définition δ(t) est un “signal” pour lequel
pour tous les instants négatifs et 1 pour les on a : δ (t )
temps positifs dans le cas continu. Dans le δ (t ) = 0 pour t ≠ 0 1
cas discret, us[n] vaut 0 pour les n négatifs et Amplitude ≈∞
∞
1 pour les n ≥ 0. ∫ δ (t ) dt = 1 t
−∞
Largeur → 0
17
La valeur δ (0) n’est pas définie, particulièrement δ (0) ≠ ∞ 18
• Propriétés du Dirac
x ( t ) δ ( t ) = x ( 0) δ ( t )
du (t ) t
x ( t ) δ ( t − t0 ) = x ( t0 ) δ ( t − t0 ) δ (t ) = u (t ) = ∫ δ (τ ) dτ
dt −∞
19 20
5
Peigne de Dirac Signal rampe
t
r (t ) = ∫ u ( λ ) d λ 1, t ≥ 0
−∞
u (t ) =
T T dr (t ) 0, t < 0
u (t ) =
21
dt 22
x(t ), t ≥ 0
x(t )u (t ) =
0, t<0 Signal appelé aussi fenêtre ou porte
23 24
6
Signal rectangle (rect) Signal rectangle (rect)
• Signal dont la surface est égale à l’unité. A • Relation entre le rect et l’échelon unité
partir de ce signal, on peut obtenir une
impulsion rectangulaire de durée T,
d’amplitude A centrée en t = τ notée :
pτ (t ) = u (t + τ / 2) − u (t − τ / 2)
25
26
7
Signal triangulaire Fonction signe
2t τ
1− t ≤
t τ 2
Tri =
τ τ
0 t φ≥
2
∆(t)
1
1
0 t >
∆(t ) = 2
1
1 − 2 t t <
-1/2 0 1/2
t
2
29 30
8
Classification dimensionnelle Classification morphologique
• La classification se fait ici selon la dimension • Signaux analogiques : signaux qui prennent
de l’espace des valeurs prises par le signal : des valeurs quelconques à des instants
quelconques.
• Exemples :
– Signaux à temps continu et à valeurs continues
– Tension électrique v(t) = signal unidimensionnel
– Image statique niveaux de gris ⇔ luminance I(x,y) • Signaux numériques : le nombre des valeurs
= signal bidimensionnel prises est limité, ceci à des instants discrets.
– Séquence d’images ⇔ I(x,y,t) = signal – Signaux à temps discret et à valeurs discrètes
tridimensionnel
• Par la suite, dans ce cours : 1 seule variable
indépendante = temps (signaux 1D) 33 34
9
Signaux à temps continu/discret
Quantification
x (t ) x[ n]
Signal numérique
37 38
10
Classification énergétique Classification énergétique
• Moyenne, énergie et puissance
• Signaux à énergie finie : signaux dont – La moyenne d’un signal déterministe se définit par, avec
l’énergie dans le sens physique s’épuise dans T1 temps d’intégration : 1
T1 T∫1
m = lim x (t )dt
le temps ; tout signal physique limité dans le T1 → +∞
• Pour un signal à temps continu x(t), et un • T est un système physique délivrant un signal
signal à temps discret x(k), leur puissance y(t) en réponse à une stimulation x(t)
moyenne s’exprime par : • Comment décrire la transformation temporelle
N
ou fréquentielle qu'opère T sur le signal ?
1 1
∑ x( k )
2 2
T →+∞ T ∫
P = lim x(t ) dt et P = lim • Comment obtenir des informations sur T en
N →+∞ N
T k =1
11
Convolution Convolution
12
Convolution : Calcul de l’opération Convolution : évaluation graphique
λ correspond ici à τ
• Exemple 1 : convolution de 2 signaux ‘Rect’
causaux de même largeur T
∞
y (t ) = ∫ x(τ )h(t − τ )dτ
−∞
x(t), h(t)
t
0 T
49 50
t −T t 0 T τ t −T 0 t T τ
t
y (t ) = 0 y (t ) = ∫ dτ = t
51 0 52
13
Convolution : évaluation graphique Convolution : évaluation graphique
• Cas 3: 0 ≤ t − T ≤ T → T ≤ t ≤ 2T • Cas 4: T ≤ t −T → 2T ≤ t
0 t −T T t τ 0 T t −T t τ
T
y (t ) = ∫ dτ = T − (t − T ) = 2T − t
t −T
y (t ) = 0
53 54
14
Corrélation Intercorrélation
Intercorrélation Intercorrélation
59 60
15
Intercorrélation Intercorrélation
C xy (τ ) = x* (t ) y (t + τ ) ,
C xy [ n ] = x* [ k ] y[ k + n ]
61 62
Intercorrélation Intercorrélation
• Confirmation en décalant y(t) de 12 sec. et en
• Les signaux se ressemblent le plus quand y(t)
superposant les deux signaux
est décalé de 12 sec.
63 64
16
Autocorrélation Autocorrélation
• Définition
• Mesure la similitude de x(t) avec une version
– Comparaison entre un signal x(t) et ses copies
retardées (étude de ressemblance d’un signal décalée de x(t)
avec lui-même au cours du temps) • Ex : signal périodique → Cx périodique de
– Indicateur de la déformation du signal au cours du même période
temps maximum de ressemblance
dès que τ = multiple de la
période
+∞
Cx (τ ) = ∫ x ( t ) x ( t + τ ) dt
* Fonction d’autocorrélation
de x(t)
– τ est un paramètre de décalage permettant de −∞
trouver la meilleure correspondance entre les 2
signaux Cx (t) est maximale en t =0.
65 Rien ne ressemble plus au signal que lui même 66
Autocorrélation Autocorrélation
Généralisation de la notion
d’énergie
Cxx(0) = Ex
17
Coefficient d’intercorrélation Convolution et corrélation
18
Série de Fourier Série de Fourier
73 74
75 76
19
Série de Fourier trigonométrique Série de Fourier exponentielle
c1
Synthèse
• Forme compacte des séries de Fourier
(Forme 2) +∞
c2
f 0 = 1/ T x(t ) = ∑ ck e jkω t 0
k =−∞
ω 0 = 2πf 0
1 T /2
ω 0 = 2π / T ck = ∫−T /2 x(t ) e − jkω0t dt
T
cn
Coefficient de Fourier
ou coefficient spectral Analyse
20
Existence des séries de Fourier Notion de spectre
• En exprimant le signal
∞
comme :
x(t ) = ∑ce
k =−∞
k
jkω 0t
, t ∈¡
la puissance sera aussi donnée par
∞
83
P= ∑ |c
k =−∞
k |2
84
21
Théorème de Parseval Exemples de décomposition en
série de Fourier
• La puissance moyenne d’un signal périodique • Exemple 1 : Signal carré périodique
est égale à la somme des puissances
moyennes de toutes ses composantes
harmoniques 1
T /2 ∞
P= ∫
T −T /2
x 2
(t ) dt = ∑ | ck |2
• Exemple : k =−∞
• Pour un signal carré périodique (exemple 2)
• A partir de la figure, T = 2 d’où ω 0 = 2π / 2 = π
• x(t) satisfait les conditions de Dirichlet et donc peut
85 être décomposé en série de Fourier 86
π ∫0
a0 = e 2 dt =− e − 1 ≈ 0.504
−π 0 π π
t
Période T = π 2 π − 2
cos ( 2kt ) dt = 0.504
π ∫0
ak = e 2
2
1 + 16k
t
2 π − 8k
sin ( 2kt ) dt = 0.504
π ∫0
bk = e 2
2
1 + 16k
ak et bk décroient lorsque k → ∞.
∞
2 (
cos ( 2kt ) + 4k sin ( 2kt ) )
2
f ( t ) = 0.504 1 + ∑
k =1 1 + 16k
87 88
22
Résumé Transformée de Fourier
• Tout signal périodique peut être décomposé en une • La transformée de Fourier est un analogue de
somme de sinusoïdes (exponentielles complexes)
la décomposition en séries de Fourier pour
• Les coefficients de Fourier permettent de voir les
les signaux non périodiques et permet de leur
fréquences présentes dans un signal
associer un spectre en fréquences
• La représentation graphique est appelé spectre
• La décomposition en série de Fourier n’est
applicable que pour les signaux périodiques
• Une représentation fréquentielle de l’information est
souvent plus facile à interpréter que la
représentation temporelle
89 90
23
Transformée de Fourier Transformée de Fourier
+∞ +∞
X (ω ) = ∫ x (t ) e
− jω t
dt X(f )= ∫ x(t )e
− j 2πf t
dt
−∞ −∞
Pulsation Fréquence
24
TF du signal ‘Rect’ TF du signal ‘Rect’
Spectre
d’amplitude
Spectre de
phase
97 98
TF usuelles
99 100
25
Propriétés de la TF
Somme infinie d’exponentielles
Série de Fourier complexes reliées
Signaux périodiques harmoniquement
+∞
Période T x (t ) = ∑ ck e jkω t 0
Spectre discret
ω 0 = 2π / T k =−∞
apériodique
Puissance Finie T /2
1
x ( t ) e − jkω0t dt
T −T∫/2
x (t )
ck = Ck
0 T 2T t 0 1 2 k
k =−∞
26