Académique Documents
Professionnel Documents
Culture Documents
Dr B. ELBHIRI
bra.elbhiri@gmail.com
2019/2020 1
Plan de cours
2
Répartition du volume horaire
• Cours : 18 heures
• TD : 12 heures
• Contrôle : 2 heures
3
Rappel Mathématique
Fonction paire:
Fonction impaire:
Fonction périodique:
4
Rappel Mathématique
Fonction paire:
– Fonction paire : une fonction réelle est paire si, pour tout t ∈ R, on a : f(−t) = f(t).
Graphiquement, une fonction paire présente une symétrie horizontale par rapport à
l’axe des
5
Rappel Mathématique
Fonction impaire:
Fonction impaire : une fonction r´eelle est impaire si, pour tout t ∈ R, on a :
f(−t) = −f(t) (ou f(t) = −f(−t)).
Graphiquement, une fonction impaire présente une symétrie par rapport à l’origine.
6
Rappel Mathématique
Fonction périodique:
Fonction périodique : une fonction périodique fT (t) de période T est la
répétition à l’infini avec une période T d’une fonction f(t) définie sur l’intervalle T
et appelée motif. Les signaux périodiques sont ainsi définis par la relation :
Pour tout t ∈ R, fT (t) = fT (t + T),
7
Rappel Mathématique
8
Rappel Mathématique
9
Rappel Mathématique
10
Rappel Mathématique
Formule de Moivre:
Formule de Euler :
Formule de Werner
11
Introduction à la théorie de signal
et information
12
Introduction à la théorie de signal
et information
Réseau Sans
fil 13
Introduction à la théorie de signal
et information
Signal
Représentation physique d’une information à transmettre
Entité qui sert a véhiculer une information
Images
Vidéos…
Réseau Sans
fil 14
Introduction à la théorie de signal
et information
Signal
Signaux analogiques: Les signaux analogiques sont des signaux a temps continu. Il
seront représentes par des fonctions mathématiques d'une variable réelle (en
général, le temps) a valeur dans R ou C :
Signaux numériques: Les signaux numériques sont obtenus a partir des signaux
analogiques par échantillonnage et quantification. Ces signaux ont une
importance particulière car ce sont ceux a qui pourront être manipules sur un
ordinateur. Ils sont modélises en mathématiques par des suites a valeur dans R
ou C.
Réseau Sans
fil 15
Introduction à la théorie de signal
et information
Réseau Sans
fil 16
Introduction à la théorie de signal
et information
17
Introduction à la théorie de signal
et information
Traitement du Signal
Ensemble des techniques permettant de créer, d'analyser et de transformer les
signaux en vue de leur exploitation
Domaines d’applications
télécommunications,
18
Introduction à la théorie de signal
et information
Fonctions du Traitement du Signal
Créer : Elaboration de signaux
Synthèse: création de signaux par combinaison de signaux élémentaires
19
Introduction à la théorie de signal
et information
Codage/Compression
20
Introduction à la théorie de signal
et information
21
Introduction à la théorie de signal
et information
22
Introduction à la théorie de signal
et information
Un signal expérimental s(t) est généralement un signal électrique délivré par
un capteur ou un appareil de mesure et représente donc une tension ou un
courant en fonction du temps. Il peut être de tout autre nature mais doit être
physiquement réalisable et répondre à un ensemble de contraintes :
– à énergie bornée,
– à amplitude bornée,
– continu,
– causal, défini sur R + (s(t) = 0 pour t < 0),
– à support borné (de durée limitée ou finie),
– de spectre à support borné
23
Introduction à la théorie de signal
et information
Sur le plan théorique, un signal est représenté par une fonction ou une distribution
réelle ou complexe qui permettent son étude de façon plus aisée. Ainsi les modèles
utilises possèdent des caractéristiques
différentes des signaux expérimentaux :
à énergie théorique infinie,
à amplitude non bornée,
définie sur ℝ ou ℂ,
à support non borne (observe durant un temps infini),
possédant des discontinuités,
à spectre infini.
24
Rappel: Signaux usuels
Fonction signe:
La fonction signe, notée sgn()est une fonction réelle de la variable réelle définie par :
Usuellement, on prend sgn(0) = 0, Avec cette convention, la fonction sgn() est une fonction
impaire :
25
Rappel: Signaux usuels
Fonction échelon unité:
La fonction échelon unité, ou simplement échelon ou fonction de Heaviside, notée ε(), est
une fonction réelle de la variable réelle définie par :
Exercice
montrer que :
26
Rappel: Signaux usuels
Fonction rampe:
La fonction rampe, notée r, est une fonction réelle de la variable réelle définie par :
Exercice
Calculer l’intégral représentant la fonction rampe r() et vérifier sa représentation graphique
27
Rappel: Signaux usuels
Fonction rectangle ou porte:
La fonction rectangle, ou fonction porte, de largeur 1, notée rect(), est une fonction réelle de
la variable réelle définie par :
La fonction rectangle, ou fonction porte, de largeur T, notée , est une fonction réelle
de la variable réelle définie par :
28
Rappel: Signaux usuels
Fonction rectangle ou porte:
Exercice
• Montrer que l’aire de la fonction rectangle de largeur unité vaut 1 et calculer celle d’une
larguer de T.
• Calculer le produit d’une fonction x(t) et la Illustrer le résultat par des graphes
29
Rappel: Signaux usuels
Fonction triangle:
La fonction triangle unité, notée tri(), est une fonction réelle de la variable réelle définie par :
Exercice
Montrer que l’aire de la fonction triangle unité vaut 1 et que la largeur de son support vaut 2.
30
Rappel: Signaux usuels
Impulsion de Dirac :
On appelle impulsion de DIRAC la fonction :
31
Rappel: Signaux usuels
Peigne de Dirac :
La peigne de Dirac est une somme de l’impulsion de Dirac espacées de T, notée :
Remarque: Pour échantillonner une fonction x(t), c’est-à-dire prélever des échantillons
infiniment brefs, avec une période T, il suffit donc d’effectuer le produit de x(t) par un
peigne de Dirac
Exercice
1) Calculer le produit de l’impulsion de Dirac et un signal x(t)
2) Calculer l’intégral de ce produit
3) Donner l’expression de signal x(t) après échantillonnage par la peigne de Dirac
32
Introduction à la théorie de signal
et information
33
Classification des signaux
Pour faciliter l’étude des signaux, différents modes de classification peuvent être
envisagés :
Classification dimensionnelle
Classification énergétique
Classification morphologique
Classification spectrale
Classification phénoménologique
34
Classification des signaux
Classification dimensionnelle:
• En fonction du nombre de variables
• Signal monodimensionnel 1D :
Fonction d’un unique paramètre pas forcément
le temps, (courbe de température)
35
Classification des signaux
Classification dimensionnelle:
• Signal tridimensionnel : dépendant de trois paramètres (vidéos, films)
Exple: niveau de luminosité L des pixels des images d’un film noir et blanc en
fonction de leurs coordonnées en abscisses x et en ordonnées y et en fonction
du temps t, L(x, y, t).
36
Classification des signaux
Classification énergétique: Energie et Puissance des signaux :
soit un signal x(t) définit sur ]-∞, +∞[ et T0 un intervalle de temps .
L’énergie totale de x(t) se définie par:
Remarque:
Cas des signaux périodiques de période T :
37
Classification des signaux
Classification énergétique:
Signal à énergie totale finie (ou convergente) :
Sa puissance moyenne totale est nulle (cas des signaux transitoires, des
signaux physiquement réalisables).
Exercice: Vérifier que ces deux signaux sont à énergie totale finie et à
puissance moyenne totale nulle
38
Classification des signaux
Classification énergétique:
Signal à puissance moyenne totale finie (ou bornée) :
Son énergie totale est infinie (cas des signaux périodiques, des signaux
physiquement irréalisables comme les modèles mathématiques).
Exercice: Vérifier que ces deux signaux sont à puissance moyenne totale finie
et à énergie totale infinie
39
Classification des signaux
Classification énergétique:
Dans cette classe, on distingue deux types de signaux :
40
Classification des signaux
Classification morphologique
41
Classification des signaux
Classification morphologique
Signal à amplitude discrète et temps continu (signal quantifie) : le signal subit un codage
numérique afin d’être traite par un système logique.
Signal à amplitude continue et temps discret (signal discret) : les valeurs du signal sont
disponibles uniquement a certains instants. Lorsque ces instants apparaissent a intervalles
réguliers, le signal est échantillonné.
42
Classification des signaux
Classification morphologique
43
Classification des signaux
Classification spectrale
Spectre d’un signal : le spectre d’un signal est la représentation de son amplitude, de
sa phase, de son énergie ou de sa puissance en fonction de sa fréquence f ou de sa
longueur d’onde λ (λ = c/f, avec c = 300 000 km/s).
Largeur de bande (ou largeur spectrale) : c’est le domaine des fréquences occupé par
le spectre d’un signal. Elle est définie comme la différence entre les fréquences
maximum et minimum de ce spectre.
En fonction de la largeur de bande et en fonction du domaine de fréquences dans
lequel se situe le signal, différents types de signaux se distinguent :
Les signaux à bande étroite dont la largeur de bande est relativement petite,
Les signaux à bande large dont la largeur de bande est relativement grande voire infinie,
Les signaux de basses fréquences (BF) dont la largeur de bande est centrée sur des
fréquences relativement faibles,
Les signaux de hautes fréquences (HF) dont la largeur de bande est centrée sur des
fréquences relativement importantes.
44
Classification des signaux
Classification spectrale
45
Classification des signaux
Pour les signaux à bande étroite, il est possible de les classer par
le domaine de variation de la fréquence moyenne Fmoy :
Fmoy < 250 KHz signaux basses fréquences BF
250 KHz < Fmoy < 30 MHz signaux hautes fréquences HF
30 MHz < Fmoy < 300 MHz signaux très hautes fréquences THF
300 MHz < Fmoy < 3 GHz signaux ultra hautes fréquences UHF
Fmoy > 3 GHz signaux super hautes fréquences SH
Lorsque la fréquence du signal devient très grande, pratiquement supérieure à quelques Téra Hertz (THz = 1012 Hz),
la longueur d’onde λ est le paramètre de référence (λ = c/F avec c : vitesse de la lumière 300 000 Km/s) :
700 nm < λ < 0,1 mm signal lumineux infrarouge
400 nm < λ < 700 nm signal lumineux visible
10 nm < λ < 400 nm signal lumineux ultraviolet
46
Classification des signaux
Classification phénoménologique
La première classification, basée sur l’évolution du signal en fonction du temps,
classification temporelle ou phénoménologique, fait apparaître deux types fondamentaux :
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 ;
47
Classification des signaux
Classification phénoménologique
Les signaux certains (ou déterministes): On dit qu’un signal x(t) est certain (ou
déterministe) s’il peut être décrit par un modèle mathématique.
Signal périodique : un signal s(t) est périodique de période T si il satisfait a la relation :
s(t) = s(t + T) pour tout t ∈ ℝ.
On distingue les signaux sinusoïdaux, les signaux pseudo-aléatoires (signal aléatoire
qui se répète) et les signaux périodiques composites qui sont la répétition an l’infini
d’un motif.
1
0.4
0. 8
0. 6 0.3
0. 4
0.2
0. 2
0.1
0
-0. 2 0
-0. 4 -0.1
-0. 6
-0.2
-0. 8
-0.3
-1
0 20 40 60 80 100 120 140 160 180 200
-0.4
0 100 200 300 400 500 600
0. 8
1
0. 6
0.8
0. 4
0. 2 0.6
0 0.4
-0. 2
0.2
-0. 4
0
-0. 6
-0.2
-0. 8
-0.4
périodiques apériodiques
-1
0 50 100 150 200 250 300 350 400
-0.6
-0.8
0 100 200 300 400 500 600
48
Classification des signaux
Classification phénoménologique
Les signaux certains (ou déterministes):
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
0 500 1000 1500
-0.8
-0.6
-0.4
-0.2
0.2
0.4
0.6
0.8
1
49
Classification des signaux
Classification phénoménologique
Signaux aléatoires (stochastiques) :
Signaux dont l'évolution temporelle est imprévisible et dont on ne peut pas prédire la
valeur à un temps t. La description est basée sur les propriétés statistiques des signaux
(moyenne, variance, loi de probabilité, fonction de répartition, …)
Exemple : résultat d'un jet de de lance, les numéros du loto, les cours de la bourse, etc.
50
Classification des signaux
Classification phénoménologique
Signaux aléatoires (stochastiques) :
2. 5
1. 5
0. 5
-0. 5
-1
-1. 5
-2
-2. 5
0 20 40 60 80 100 120 140
2. 5
1. 5
0. 5
-0. 5
-1
-1. 5
-2
-2. 5
0 20 40 60 80 100 120 140
-1
-2
-3
0 20 40 60 80 100 120 140
Classification phénoménologique
Signaux aléatoires (stochastiques) :
-1
-2
-3
0 200 400 600 800 1000 1200
10
-2
-4
-6
-8
0 200 400 600 800 1000 1200
52
Classification des signaux
Classification phénoménologique
Signaux aléatoires (stochastiques) :
1500
1000
500
-500
-1000
-1500
0 500 1000 1500 2000 2500 3000 3500 4000 4500
Fin classification…
53