Chapitre II SMP-S6-ELECTRONIQUE Télécommunications

Chapitre II : Théorie du signal -Traitement numérique du signal

I Propriétés fréquentielles
La représentation naturelle d’un signal est sa représentation dans le domaine temporel.
Il existe une autre représentation non moins importante, qui est la représentation dans le domaine
fréquentiel, qu’on appelle communément spectre du signal.
Cette représentation permet de voir le niveau de chaque composante harmonique constituant le signal.
I.1. Transformation de Fourier des fonctions périodiques : Série de Fourier
L’introduction de la transformée et de la Série de Fourier permet de donner une autre représentation des
signaux très intéressante pour la théorie de l’information et du signal .Cette décomposition exponentielle ou
trigonométrique permet d’exprimer le signal en fonction de ses harmoniques.
I.1.1. Décomposition sous une forme trigonométrique
Un signal périodique s(t) de période T, continu par morceaux et vérifiant les condition de Dirichlet, peut être
décomposé en Série de Fourier selon la Décomposition trigonométrique suivante, pour tout signal s(t) réel
où s(t) = s ( t + T0), (avec : T0=1/F0) on peut écrire :

Avec :

A0 est la valeur moyenne de s(t).

Remarque :
 Si s(t) est paire => Bn = 0 pour n ϵ N*
 Si s(t) est impaire => An = 0 pour n ϵ N (A0 = 0).
L’expression précédente peut s’écrire :

Avec :

 Spectre du signal périodique

Le spectre en fréquence d’un signal périodique est constituer de la composante continue à la fréquence nulle
d’amplitude a0, du fondamental à la fréquence F0 d’amplitude C1 et des différents harmoniques situés aux
fréquences f = nF0 d’amplitude respectives Cn.
Le spectre d’une fonction périodique, de période T0 , est discontinue et composé de raies dont l’écart
minimum est F0, sur l’axe des fréquences,.
Représentation spectrale unilatéral
A partir de l’expression précédente, on peut construire la représentation spectrale du signal dans un plan
amplitude –fréquence.
C’est la succession de pics ou raies d’amplitude Cn et positionnés aux fréquences nF0.

1 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications

a0

Figure. 1 -Représentation unilatéral spectrale du signal s(t).

I.1.2. Décomposition sous une forme exponentielle
Un signal périodique s(t) de période T0, continu par morceaux, peut être décomposé en Série de Fourier
selon la décomposition exponentielle suivante :

Avec :

Les valeurs négatives de n sont introduites dans un but de simplification, s(t) étant réel d’où nous avons :

S(nF0) représente les composantes du spectre en fréquence de s(t),grandeur en général complexe, qui a pour:

L’expression du spectre S(f) est :

Représentation spectrale bilatéral

A partir de l’expression précédente, on peut construire la représentation spectrale du signal dans un plan
amplitude –fréquence.
C’est la succession de pics ou raies d’amplitude S (nF0) et positionnés aux fréquences nF0.

Figure. 2 - Représentation bilatérale du spectre d’un signal périodique.

 Propriétés
Si s(t) est paire => Bn = 0 et Sn = S-n
Si s(t) est impaire => An = 0 et Sn = -S-n
I.2. Transformation de Fourier des fonctions non périodique :TF
La transformée de Fourier permet d’obtenir une représentation en fréquence (représentation spectrale) des
signaux déterministe, continus et non périodique. Elle exprime la répartition fréquentielle de l’amplitude,
de la phase et de l’énergie (ou de la puissance) des signaux considérés.
I.2.1 Définition
Soit x(t) un signal déterministe non périodique, sa transformée de Fourier est :

2 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications

X(f) indique quelle "quantité" de fréquence f est présente dans le signal x(t) sur l'intervalle −∞, +∞
X(f) est une fonction de f, généralement complexe :

Le module est l’amplitude du spectre :

La transformation inverse est donnée par :

 Cas particulier : Transformée de Fourier de Dirac

 Transformée de Fourier du produit de convolution

Remarque :

df

3 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
II. Traitement numérique :
II.1 Définitions et principes :
Les calculateurs et autres systèmes numériques opèrent sur des nombres et non sur des grandeurs
continues. Les capteurs extraient, par exemple, la température ou la tension qui sont des signaux
analogiques. Si l’on veut traiter ces signaux par voies numériques, il faut les représenter au préalable par une
suite de nombre de valeurs ponctuelles prélevées régulièrement. Un tel prélèvement est appelé
échantillonnage et l’opération qui consiste à faire correspondre au signal analogique une suite de nombres
généralement codés sous forme binaire est appelée conversion analogique numérique.
Si le pas de prélèvement des échantillons est constant, on parle d’échantillonnage régulier. L’intervalle
entre deux échantillons successifs est appelé pas d’échantillonnage. L’opération qui consiste à remplacer la
valeur exacte de l’amplitude de l’échantillon par la valeur la plus proche approximative multiple d’un pas est
appelé quantification.
Ainsi la conversion analogique numérique est la représentation numérique des échantillons dont le
principe est basé sur la quantification et le codage. Souvent la conversion analogique numérique est appelée
numérisation.
x(t) x(t) x(t)

t t t
Signal analogique Echantillonnage réel Signal numérique
Figure.3 Schéma de structure de l’échantillonnage et la numérisation

Numérisation Système Reconstruction

x(t) y(t)
(CAN) numérique (CNA)

Figure.4 : Schéma de principe d’un système de traitement numérique

Pour conclure, la conversion analogique numérique est la succession de trois effets sur le signal analogique
de départ :
 L’échantillonnage pour rendre le signal discret
 La quantification pour associer à chaque échantillon une valeur
 Le codage pour associer un code à chaque valeur.
II. 2 Echantillonnage des signaux :
II.2.1 Définition :
L’échantillonnage consiste à prélever à des instants précis, le plus souvent équidistants, les valeurs
instantanées d’un signal. Le signal analogique s(t), continu dans le temps, est alors représenter par un
ensemble de valeur discrète : Se(t) = S(n.Te)
Avec : n : entier.
Te : période d’échantillonnage.
Cette opération est réalisée par un échantillonneur souvent symbolisé par un interrupteur.

Figure.5 :L’échantillonnage d’un signal s(t).

4 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications

II.2.2. Echantillonnage idéal

L’échantillonnage idéal est modélisé par la multiplication du signal continu s(t) et d’un peigne de Dirac de
période Te.

ᵟ t)
Te(

t
Le spectre du signal échantillonné Te
Le spectre du signal échantillonné est donc le suivant :

On obtient donc un spectre infini qui provient de la périodisation du spectre du signal d’origine autour des
multiples de la fréquence d’échantillonnage fe, avec fe=1/Te

Figure. 6- Spectre d’un signal échantillonné.

Remarque :
On voit sur le spectre du signal échantillonné qu’il est possible de restituer le signal original par un simple
filtrage passe-bas.
Le recouvrement :
Si fM, la fréquence maximale du spectre du signal à échantillonner, est supérieure à fe/2, la restitution du
signal original sera impossible car il va apparaître un recouvrement spectral lors de l’échantillonnage. On
dit qu’on est en sous-échantillonnage

Figure. 7- Spectre d’un signal sous-échantillonné.

Ce résultat est prévisible, en effet la convolution d’un signal X(f) avec un peigne de Dirac n’est autre que sa
duplication dans l’espace fréquentiel. Ainsi la Transformée de Fourier d’un signal échantillonné au pas de T e
est une fonction périodique dans l’espace fréquentiel, sa période est fe. Ce résultat confirme la dualité temps
fréquence :
 Un signal périodique ou périodisé a un spectre de raies.
 Un signal échantillonné (raies temporelles) a un spectre périodique.
Périodisation dans l’espace temporelle Echantillonnage dans l’espace fréquentiel
Echantillonnage dans l’espace temporel Périodisation dans l’espace fréquentiel

5 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications

Exemple :
xe(t)
x(t) e(t)

Te

X(f) ш(f) Xe(f)

1/Te

fe
Signal  Peigne de Dirac Echantillonnage Espace temporel


TF (Signal) Peigne de Dirac Périodisation Espace fréquentiel

II.2.3. Le théorème de SHANNON :

Le théorème de SHANNON montre que la reconstitution correcte d’un signal nécessite que la fréquence
d’échantillonnage fe soit au moins deux fois plus grande que la plus grande des fréquences fM du spectre du
signal : fe ≥ 2 fM
Lorsqu’il y a recouvrement spectrale, nous avons vu qu'il était impossible de reconstruire correctement le
signal. Pourtant dans la plupart des situations, le spectre du signal à échantillonner s'étale sur tout le domaine
des fréquences (tout en diminuant du coté des hautes fréquences), mais il n'existe pas une fréquence fmax au-
II.2.4 Filtre anti-repliement
Souvent, un signal peut contenir une composante large bande due à la présence additionnelle du bruit
de fond généré dans le milieu de la mesure (capteur, circuit d’amplification,… par exemple). Il est
indispensable d’introduire un pré filtrage du signal analogique avant de l’échantillonner afin de supprimer
tout risque de recouvrement du spectre après échantillonnage évitant d’imposer une fréquence
d’échantillonnage trop élevé. Ceci est réalisé avec un filtre anti-repliement passe bas idéal de bande passante
f f
[ e , e ]
2 2
II.2.5 Echantillonnage réel
En pratique, l’échantillonnage s’effectue en commandant un interrupteur par un train d’impulsions étroites.
Il est donc impossible d’obtenir des échantillons de durée quasiment nulle. La modélisation de
l’échantillonnage par un peigne de Dirac est donc erronée. En fait, chaque impulsion va avoir une durée très
courte τ. L’échantillonnage peut donc être modélisé par la multiplication du signal par une suite de fonction
rectangle (ou porte) de largeur τ.

6 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications

Figure. 8- Echantillonnage réel.

L’expression du signal d’échantillonnage devient donc :

Par conséquent, sa transformée de Fourier est égale à :

Comme l’expression du signal échantillonné est :

s e (t) = s(t) . y(t)
Sa transformée de Fourier devient :

On retrouve la même allure de spectre modulé en amplitude par une fonction en sinus cardinale.

Figure.9- Représentation de s(f) et se(f).

Remarques :
- Pour se rapprocher d’un échantillonnage idéal et qu’ainsi le signal soit facilement reconstructible, il faut
que τ soit le plus petit possible.
- Dans le cas où τ est du même ordre de grandeur que fe, il faudra fe >> 2fM.
II.2.6 Echantillonnage-blocage
En pratique, on n'échantillonne pas un signal pour le reconstruire juste après.
L'échantillonnage est utilisé pour prélever le signal à des instants multiples de Te et ensuite convertir les
échantillons sous forme d'un code binaire (8, 12, 16 bits, ...). Cette conversion est effectuée par
l’intermédiaire d’un convertisseur analogique-numérique (CAN). Cette conversion n’est pas instantanée. Si
le signal à convertir varie trop rapidement, il est nécessaire de procéder au blocage du signal pour avoir une
conversion sans erreur. On utilise donc un échantillonneur-bloqueur qui mémorise la tension à convertir et
la maintient constante pendant toute la durée de conversion.
L’effet de blocage peut être modélisé par une fonction porte décalée de τ/2 :

7 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
L’échantillonnage-blocage consiste donc à la multiplication du signal par y(t). La transformée de Fourier du
signal échantillonné est donc :

Remarques :
Le spectre est identique au précédent. Le terme en e- jπf τ traduit un déphasage entre le signal initial et le
signal échantillonné. En principe, on maintient la valeur de l’échantillon sur toute la période
d’échantillonnage donc τ = Te. Ainsi, pour f = fe, on a un déphasage de -π.
II.2 Quantification et codage :
II.2 .1Quantification
II .2.1.1 – Définition
« Quantifier une valeur xe c’est remplacer cette valeur par une valeur xq appartenant à un ensemble
dénombrable de valeurs entières suivant une certaine loi. »
Exemple :
xe xq

Les formes de quantification les plus largement répandues sont l’arrondi et la troncature.
II .2.1.2 – Caractéristiques
a – Arrondi
Dans ce type de quantification, l’erreur due à la quantification est donnée par la relation suivante :
q q xq
  x q  xe  où q est le pas de quantification.
2 2

2q
q
xe
q 2q
b – Troncature
C’est la quantification la plus largement répandue, l’erreur due à la quantification est donnée par la
relation suivante :  q  xq  xe  0 . xq
La quantification est une fonction non linéaire. En effet :
( x  y) q  xq  y q

2q
q
xe
q 2q

8 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
II .2.1.3 Bruit de quantification
Lors de la quantification du signal analogique en un signal numérique on introduit une erreur e(k) sur
le signal échantillonné tel que : xq (k )  xe (k )  e(k ) . Le signal e(k) est appelé bruit de conversion
analogique numérique (A/N). C’est un signal aléatoire stationnaire et ergodique.

II .2.1.4 Pas de quantification

Soit M le nombre de niveaux de quantification et n est la longueur de mots des échantillons de xq(k). Le
signal est limité par –V et V, par conséquent :
2V 2V
 V  x q (k )  V  q  où M  2 n  q  n
M 2
II.2 .2 Codage
Le codage consiste à associer à un ensemble de valeurs discrètes un code composé d’éléments binaires.
Les codes les plus connus : code binaire naturel, code binaire décalé, code complément à 2, code DCB, code
Gray.
Exemple sur 4 bits :

II.3 Transformée de Fourier des signaux discret :

La transformée de Fourier discrète est une méthode qui permet de décrire un signal discret en fonction de la
fréquence. On verra ici dans cette section comment se servir de la transformée de Fourier discrète (DFT)
pour analyser le contenu fréquentiel d'un signal.

II.3.1 Transformée de Fourier à temps discret TFTD :

a. Définition :
Un signal discret est défini par une suite d’échantillons espacés entre eux d’une période Te :

La T.F de xe(t) est :

La TF d'un signal échantillonné est une combinaison linéaire d'exponentielles complexes pondérées par la
valeur des échantillons.
Après normalisation de la période d'échantillonnage Te=1, on obtient:

Il faut remarquer que la variable f est continue et donc la fonction Xe(f) est une fonction continue.
b. Condition d'existence :
La TF d'un signal discret x[n] existe si le signal est absolument sommable. L'existence de la TFTD est donc
liée à la convergence absolue de la série x[n].

9 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications

c. Transformée de Fourier à temps discret inverse

Soit X(f) la TFTD du signal discret x[n], on a :

Donc Xe(f) est périodique de période 1. Toute l’information spectrale du signal est comprise dans

l’intervalle de fréquence
Comme la TF des signaux discrets est périodique de période 1, l'expression de la TF inverse est donnée par :

d. Propriétés de la TFTD :
Globalement, la TFTD possède les mêmes propriétés que la TF. X(f) est une fonction Complexe. | X(f)| est
le spectre d’amplitude et arg (X(f)) est le spectre de phase.

II.3.2 La transformé de Fourier discrète TFD (où bien DFT=Discrete Fourier Transform)) :
L’objectif de la Transformée de Fourier Discrète est d’effectuer les transformations sur un nombre
fini de données à traiter et pour un nombre fini de fréquences pour lesquelles on calcule la transformée.
a. Définition
La Transformée de Fourier d’un signal discret (TDFT) présente deux difficultés quant à son utilisation
par un système de traitement numérique :
 La fréquence f est continue.
 Le nombre d’échantillons x[n] à calculer est infini.

Solution :
 Discrétisation de la fréquence. f est discontinu.
 Limitation de la durée du signal.  Le nombre d’échantillon est fini.

10 2018-2019
Chapitre II SMP-S6-ELECTRONIQUE Télécommunications
La Transformée de Fourier Discrète X[k] d’un signal numérique x[n] est définie par :

N 1 2
 jk n k k
X[k]   x[n] e N avec k [0,1,...N  1] f (normé)  ou f  fe
n 0 N N
De même la Transformée de Fourier Discrète inverse est donnée par :
kn
1 N1  2 j
x[n ]   X[k ]e N avec n  [0,1,...N  1]
N k 0
Remarques :
 Toutes les propriétés de la TFTD d’un signal discret sont valables pour la DFT.
II.3.3 Transformée de Fourier Rapide (Fast Fourier Transform = FFT)

La Transformée de Fourier Rapide (FFT) est un algorithme efficace et rapide de calcul de DFT,
découvert par Cooley et Tukey en 1965 (IBM). Les bases théoriques des algorithmes de calcul de la FFT ont
été établies en 1939 avant même l’avènement des ordinateurs !
Le calcul de la FFT exploite les propriétés de wnk dans l’expression de la DFT.
Le calcul de X[k] exige, dans le cas où x[n] est réel, N2 additions et 2N2 multiplications (puisque wnk est
N
complexe). La FFT est un algorithme qui ne requiert que N.n (ou Nlog2N) addition et (n  1)
2
multiplications (N = 2n).
Principe : Le principe de la FFT est de décomposer la TFD d’ordre N en m TFD d’ordre Ni avec
m
N   N i . La FFT est formulée sous deux formes principales dites décimation dans le temps
i 1
(entrelacement) et décimation dans les fréquences. Dans la première méthode, l’opération se réalise sur le
signal x[n], alors que dans la seconde méthode, la même opération est réalisée sur les coefficients de X[k].
Dans les deux cas le principe est le même.
Décimation dans le temps :
On décompose le signal x[n] en deux parties : x[2n] et x[2n+1] :
N N
1 1 2 j
2 2 
X[k ]   x[2n ]w 2Nkn   x[2n  1]w (N2n 1) k avec wN  e N Comme : w 2N  w N
n 0 n 0 2
N N
1 1
2 2
X[k ]   x[2n]w knN  w kN  x[2n  1]w knN k  0,...N  1  X[k ]  X1[k ]  w nN X 2 [k ]
n 0 2 n 0 2

X1[k] et X2[k] sont périodiques de période N/2.

N
Le calcul des X [k ] est décomposé ainsi en 2 calculs de TFD d’ordre qui requiert chacun :
2
N N
( ) 2 additions et 2( ) 2 multiplications (w est complexe)
2 2
Auquel s’ajoutent, pour la multiplication par w nN , N additions et 2N multiplications (w est complexe)
La même procédure sera réalisé sur X1[k] et X2[k] et ainsi de suite.
En choisissant N = 2m, nous pouvons décomposer le calcul d’une DFT d’ordre N en (m – 1) calculs
N N
de DFT d’ordre, , ,… 2.
2 4

11 2018-2019