Traitement Du Signal

Module:
ACQUISITION, TRAITEMENT ET
TRANSMISSION DU SIGNAL
Elément 1:
Acquisition et Traitement du Signal
Partie 2:
Traitement du Signal
Élaboré et présenté par :

Prof : Mohamed MOUTCHOU
Pour le niveau 1ere Année CI des Filières:

Génie Electromécanique
& Management des Systèmes Electriques Intelligents
Signaux déterministes continus Elément 1, Partie 2
Module: Acquisition, Traitement et Transmission du signal
Volume horaire (h)
Élément(s) du module
Cours TD TP Évaluation VH global
ACQUISITION ET TRAITEMENT DU SIGNAL 20 12 9 3 44
TRANSMISSION DU SIGNAL 8 4 6 2 20
VH global du module 28 16 15 5 64
% VH 44% 25% 23% 8% 100%
Elément 1 : Acquisition et Traitement du Signal

Partie 2 : Traitement du Signal
Signaux déterministes continus
Introduction au filtrage et à l’analyse spectrale
Échantillonnage et Signaux déterministes discrets
Introduction au filtrage numérique
Travaux Pratiques
TP. 1 : Observation spectrale sous Matlab/Simulink.
TP. 2 : Applications de la T.F & Convolution & Corrélation.
Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 2

Module:
ACQUISITION, TRAITEMENT ET
TRANSMISSION DU SIGNAL
Elément 1:
Acquisition et Traitement du Signal
Partie 2:
Traitement du Signal
Élaboré et présenté par :

Prof : Mohamed MOUTCHOU
Pour le niveau 1ere Année CI des Filières:

Génie Electromécanique
& Management des Systèmes Electriques Intelligents
Introduction-Classification-Définition Introduction
Signal:
Le signal correspond à la mesure d’une grandeur physique, t.q : signal
sismique, mesure du pouls, température, déplacement, voltage, intensité,
etc...
La plupart des grandeurs physiques sont aujourd’hui converties en signaux
électriques, puis codées en signal numérique binaires.
Signal numérique
Oscilloscope et mesure de tension
Prise de son de concert de jazz Electrocardiogramme

La théorie du signal :
fournit la description mathématique (ou modélisation) des signaux.
Traitement des signaux
est la discipline technique qui, s’appuyant sur la théorie du signal et de
l’information, les ressources de l’électronique, de l’informatique et de la
physique appliquée, et qui a pour objet l’élaboration ou l’interprétation des
signaux porteurs d’information.
Applications du traitement du signal
Elaboration de signaux : Synthèse (de parole, de musique), modulation,
codage.
Interprétation des signaux : filtrage, extraction/détection d’information,
identification, analyse (spectrale ou temporelle).
Mixage : utilisation de plusieurs signaux (audio la plupart du temps) pour la
diffusion d’un ou deux signaux résultats.
Opérations particulières aux audioprothèses : Amplification, Réduction du
bruit, Annulation du retour acoustique, Compression, ...

Domaines d'application
Télécommunication. Reconnaissance de formes.
Technique de mesures. Traitement d'images.
Etude de vibrations mécaniques. Analyses biomédicales.
Surveillance de processus industriels. Géophysique.
Radar. Astronomie.
Acoustique etc.
Exemples
Codage de la Parole:
La reconnaissance de la parole nécessite le traitement d'une grande quantité de
données.
Le codage permet de réduire cette quantité, en éliminant les redondances et en
conservant l'information utile.
Les Télécommunications :
Si 1 Millions d’abonnés au téléphone étaient reliés 1 à 1 il faudrait 500.109 câbles.
Heureusement les travaux sur la modulation, l'échantillonnage et la transmission
permettent d'émettre, sur une même voie, des milliers de messages.

Principales fonctions du traitement de signal
Les principales fonctions du traitement de signal sont :
La mesure :
mesurer un signal, c'est essayer d'estimer la valeur d'une grandeur
caractéristique qui lui est associée avec un certain degré de confiance.
Le filtrage :
c'est une fonction qui consiste à éliminer d'un signal certaines composantes
indésirables.
L’analyse :
On cherche à isoler les composantes essentielles d'un signal de forme complexe,
afin d'en mieux comprendre la nature et l’origine.
La synthèse :
« opération inverse de l'analyse, » consiste à créer un signal de forme appropriée
en procédant, par exemple, à une combinaison de signaux élémentaires.
La régénération :
c'est une opération par laquelle on tente de redonner sa forme initiale à un
signal ayant subis diverses distorsions.

Principales fonctions du traitement de signal
Les principales fonctions du traitement de signal sont :
La détection :
par cette opération on tente d'extraire un signal utile du bruit de fond qui lui est
superposé.
L’identification :
c'est un procédé souvent complémentaire qui permet d'effectuer un classement
du signal observé.
Le codage :
outre sa fonction de traduction en langage numérique, est utilisé soit pour lutter
contre le bruit, soit pour tenter de réaliser des économies de largeur de bande
ou de mémoire d'ordinateur.
La modulation et le changement de fréquence :
sont essentiellement des moyens permettant d'adapter un signal aux
caractéristiques fréquentielles d'une voie de transmission.

Introduction-Classification-Définition Classification des signaux
Classification des signaux
Signal déterministe : évolution complètement prédictible par un modèle
mathématique approprié.
Signal aléatoire : évolution non prédictible, non reproductible d’une
expérience à l’autre.
Signal déterministe Signal aléatoire Signal réel = Signal déterministe +

Signal aléatoire

Classification des signaux

Classification morphologique:
Selon que le signal x(t) ou la variable t est continu ou discret ( t =kT ) on
k
distingue quatre types de signaux :

Le signal à amplitude et temps continus appelé signal analogique.
Le signal à amplitude continue et temps discret appelé signal échantillonné.
Le signal à amplitude discret et temps continu appelé signal quantifié.
Le signal à amplitude discret et temps discret appelé signal numérique.
signal analogique signal quantifié
signal échantillonné signal numérique

Classification Spectrale :
La largeur de bande F d’un signal est le domaine principal des fréquences
occupé par son spectre. Elle est définie par la relation :
F = Fmax –Fmin
• Téléphonie : bande passante : 300 Hz - 3400 Hz
• Radiodiffusion : bande passante : 40 Hz – 15kHz
• Son hi-fi (CD audio, DVD ... ) : 16 Hz - 20 kHz
L'analyse spectrale d'un signal ( ou la répartition énergétique en fonction de

la fréquence ) conduit à une classification en:
Signaux de basses fréquences.
Signaux de hautes fréquences.
Signaux à bande étroite (Fmax Fmin).
Signaux à large bande (Fmax >> Fmin).

Classification Spectrale :
Pour les signaux à bande étroite, il est possible de les classer par le domaine
de variation de la fréquence moyenne Fmoy= (Fmax+ Fmin)/2,
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 (VHF)
300 MHz < Fmoy < 3 GHz signaux ultra hautes fréquences (UHF)
Fmoy > 3GHz signaux super hautes fréquences (SHF)
Lorsque la fréquence du signal devient très grande, pratiquement
supérieure à quelques térahertz (THz = 1012 Hz), la longueur d'onde est le
paramètre de référence ( = avec c : vitesse de la lumière 3.108 m/s):
Les Ultraviolets (UV), de 200 nm à 400 nm, invisibles, sans échauffer,
La Lumière visible, de 400 à 800 nm, visibles,
Les Infrarouges (IR), de 800 à 1400 nm, invisibles, chauffent les solides et gaz.

Classification Temporelle :
Signaux de durée finie :
Les signaux dont l'amplitude s'annule en dehors d'un intervalle de temps T,
x(t) = 0 pour t T sont appelés signaux de durée limitée ou à support borné.
Signaux bornée en amplitude :

C'est le cas de tous les signaux physiquement réalisable pour lesquels l'amplitude
ne peut pas dépasser une certaine valeur limite, souvent imposée par des
dispositifs électronique de traitement.
On a dans ce cas : ( < <+
Signaux pairs et impairs :

Un signal est pair si : ( ) = )
il est impair si : ( ) = )
Tout signal réel peut être décomposé en une partie paire et une partie impaire :
( ) = ( ) + ( )

Signaux à énergie finie
Un signal x(t) est dit à énergie finie s’il est de carré sommable, c’est-à-dire
si = ( ). ce qui implique que = 0,
Signaux à puissance moyenne finie :

Un signal x(t) est dit à puissance moyenne finie si
/
= lim . /
.
Cas des signaux périodiques de période T :

/
= . /
.
Si Px 0, alors Wx = (signal à énergie totale infinie).

Causalité:
Un signal x(t) est dit causal ssi = 0, < 0.
Un signal x(t) est dit anti-causal ssi = 0, > 0.

Introduction-Classification-Définition Fonctions et signaux élémentaires
Fonctions et signaux élémentaires usuels:
Fonction d'Heaviside (échelon unité):
0 <0
1 >0
=0
avec a quelconque ( Par convention = 1)
Fonction signe :
1
<0
=0
1 >0
avec a quelconque ( Par convention = 0).

Fonction porte (rectangle ou créneau):
0 > 1/2
( ) = 1 < 1/2
= 1/2
avec a quelconque (par convention a = 1).
Propriété : la fonction rect(t) est normalisée, car la surface (sous la courbe) est
unitaire.
sin
Fonction sinus cardinal : =
fonction ( ) fonction
Fonction triangle:
| 1
0 >1
La fonction triangle est elle aussi normalisée
Impulsion unité (distribution de Dirac)

Mathématiquement, c’est une fonction (distribution) définie par :
0 )
La fonction de Dirac est normalisée : =1
D’autre part, on a : )
On dit que (t) est la primitive de (t)
ou bien que (t) est la dérivée de (t)

Impulsion de Dirac
Réalisation Approché de (t)
Soit la fonction rectangle paramétrer par suivante:
1
=
L’impulsion de Dirac peut être représenté par la limite suivante:

1
= lim
Ou encore par les limites des fonctions suivantes:

1
= lim
1
= lim = lim

Impulsion de Dirac
Propriétés de l’impulsion de Dirac (t)
Produit :
( ) ( ) =
0 ( 0) ( 0),
Intégrale :
Changement de variable :
1
( . ) = ( )

Impulsion de Dirac
Fonction ”peigne de Dirac” (fonction d’échantillonnage)

Signaux déterministes continus Représentation temporelle
Domaine temporel : analyse de l’évolution du signal dans le temps
Permet de mettre en évidence certaines caractéristiques :
signal périodique ou non (détermination de la période),
amplitude (valeur moyenne, maximale…),
signal analogique/numérique, énergie finie/infinie, ...
Déterminer l’expression analytique du signal ci-dessous ?

L’expression mathématique du signal est :
L’observation dans le domaine temporel est souvent insuffisante pour

déduire l’expression mathématique du signal,
Il serait intéressant de trouver une autre représentation qui apporterait plus
d’informations sur le signal que la représentation usuelle temporelle,
Cette nouvelle représentation devra faire directement apparaître certaines
caractéristiques du signal (par exemple Ao, A1, A2, o, 1, 2)
non plus dans le domaine temporel (en fonction du temps) mais dans le
domaine fréquentiel.

Signaux déterministes continus Représentation temporelle et Fréquentielle
L’expression mathématique du signal est :
Nouvelle représentation : d’amplitude et phase initiale en fonction de la

fréquence

Exemple d’un signal de voix parlée sur 2s (amplitude/temps)
Exemple d’un signal de voix parlée sur 71ms (amplitude/temps)

Signaux déterministes continus Représentation fréquentielle
Représentation spectrale
Exemple d’un signal de voix parlée, enveloppe spectrale
(amplitude/fréquence) calculée sur 71 ms

Signaux déterministes continus Transformation de Fourier
Vers une représentation Fréquentielle
Notion de fréquence
La fréquence est le nombre de fois qu'un
phénomène périodique se reproduit pendant une
durée déterminée,
C'est donc l'inverse de la période f = 1/T
La fréquence est mesurée en hertz (= 1/seconde)

Signaux déterministes continus Séries de Fourier
Propriétés :
= + . cos . + b . sin(n. )
Il est donc possible d'obtenir des signaux périodiques complexes par une simple
combinaison linéaire de signaux élémentaires,
• C'est le principe inverse de la décomposition en série de Fourier
Sous forme de signaux sinusoïdaux, les fréquences d'un signal apparaissent naturellement.
• Pour les signaux périodiques, la décomposition en Série de Fourier (DSF) constitue le lien
entre la représentation temporelle d'un signal et sa représentation fréquentielle.
• Pour les signaux non périodiques, il s'agit de la Transformée de Fourier (TF).

Décomposition en série de Fourier ( s(t) périodique ) :
Représentation exponentielle:
= Avec : = .
Représentation trigonométrique:
Le terme général S . . . ) est

appelé harmonique de rang n
C’est un signal cosinusoïdal d’amplitude An de période To/n (fréquence n.fo) et de
phase à l ’origine
Propriétés et remarques :
= + . cos . + b . sin(n. )
: valeur moyenne du signal (composante continue)

Harmonique d’ordre 1 : fondamental
Amplitudes An tendent vers 0 lorsque n tend vers l’infini
Décomposition indépendante de l’intervalle [ , + ]
Si s(t) pair bn = 0 n>0
= + . cos .
Si s(t) impair an = 0 n>0

= + b . sin(n. )

Spectres unilatéraux d’amplitude et de phase
Spectre d’amplitude de s(t) : tracé de An en fonction des pulsations
(fréquences)
Spectre de phase de s(t) : tracé de n en fonction des pulsations
(fréquences)
On parle alors de représentation fréquentielle ou spectrale
An et n n’existant que pour des multiples entiers de o,
on parle de spectres de raies ( pour les signaux périodique)

Exemple 1 : cas d'un signal sinusoïdal

Soit un signal sinusoïdal décrit par : ( ) = 2cos( . 10. /4)
C ’est un signal ne contenant qu’un seul harmonique !

Exemple 2 : cas d’un créneau

Montrer que le développement en série de Fourier d’un signal créneau
s’écrit :

Exemple 2 : cas d’un créneau Spectres unilatéraux d’amplitude et de phase
Evolution temporelle des 4 Reconstruction du signal à
2,55
harmoniques partir des harmoniques

Exercice : effectuer la décomposition en série de Fourier
(représentation unilatérale) des signaux suivant:
1- Signal triangulaire 2- Signal en dents de scie
3- Signal sinusoïda1 redressé:

De la forme trigonométrique à la forme exponentielle complexe
Tout signal à temps continu s(t) périodique de période To peut s’écrire :
= + . cos . + b . sin(k. ) Forme trigonométrique

réelle
En utilisant les formules d’Euler :
+
cos . = sin . =
2
On montre que tout signal à temps continu s(t) périodique de période To

peut également s’écrire :
= . Forme exponentielle
complexe
Avec :
1
= . . .

Forme exponentielle complexe
= . Avec : = . . .
Les coefficients cn sont appelés coefficients de Fourier

Ces coefficients sont généralement complexes et peuvent s ’écrire sous
forme exponentielle complexe :
= . ( )
L ’harmonique de rang n s’écrit également :
= . + . =2 cos ( + ( ) )
L’harmonique de rang n est donc une cosinusoïde de pulsation ,
d’amplitude 2| | et de déphasage ( )

Spectres bilatéraux d’amplitude et de phase
Les coefficients de Fourier peuvent s’écrire :
= . ( )
= | |.
Spectre d ’amplitude de s(t) : tracé de | | en fonction des pulsations

Spectre de phase de s(t) : tracé de ( ) en fonction des pulsations
Remarques :
• Le spectre d’amplitude bilatéral est toujours pair
• Le spectre de phase bilatéral est toujours impair

Exemple 1 : cas d'un signal sinusoïdal

Soit un signal sinusoïdal décrit par : ( ) = 2cos(2 . 10. /4)

Exemple 2 : cas d’un créneau

Montrer que le développement en série de Fourier d’un signal créneau
s’écrit :

Identité de Parseval
Signaux périodiques : signaux à énergie infinie mais à puissance moyenne
finie
L’identité de Parseval montre l’égalité du calcul de la puissance moyenne
d’un signal périodique de période To à partir de sa représentation dans le
domaine temporel ou fréquentiel :

Détermination du signal temporel à partir des spectres d’amplitude
et de phase
? ?

Détermination du signal temporel à partir des spectres unilatéraux
en amplitude et phase

Détermination du signal temporel à partir des spectres bilatéraux
= )

Détermination du signal temporel à partir des spectres bilatéraux
Exercice

Signaux déterministes continus Transformée de Fourier
Définition de la TF
Soit x(t) un signal non périodique.
La TF de x(t), si elle existe, est : = [ ] = . .
D’existence
x(t) soit une fonction bornée ;

Conditions
l’intégrale de x(t) entre et + ait une valeur finie ;

les discontinuités de x(t) ainsi que les maxima et minima soient en nombre fini.
X(f) est réciproque si x(t) est une fonction de carré sommable (signal à
énergie finie).
X(f) indique la "quantité" de fréquence f présente dans le signal x(t) sur
l'intervalle , + [ . X(f) donne des informations fréquentielles sur x(t).
X(f) : fonction complexe (de la variable réelle f) qui admet
Un spectre d'amplitude : =| |
Un spectre de phase : = arg
Transformée de Fourier inverse
Si elle existe, est définie par: ( )= = . .

Exemples:
Déterminer la TF des fonctions suivantes:
1. =
2. =
3. = exp .
4. = ( ). ( )
5. = ( ). ( )

Propriétés importantes concernant la transformée de Fourier :
1. Linéarité : . + . = . + . ( )
2. Changement d’échelle : = ( )
3. Translation en temps : [ ( )] = . (retard, si a > 0)
4. Translation en fréquence : [ ( ). ] = ( + )
5. Dérivation : = . ( ) Exemples d’Application
1. =
6. Intégration : TF . = . ( )
2. = .
7. Conjugaison : ( ) = 3. = ( ). ( )
4. = ( ). ( )

8. Parité : = + = [ ]+ [ ]
9. Si x(t) est réel, alors ( )= [ ] est une fonction réelle et

= [ ] est une fonction imaginaire.
10. Si x(t) est réel pair, alors est réel pair,

Si x(t) est réel impair, alors est imaginaire impair,
11. ( ) = 1,
[ ( )] = .
12. 1 = 2 . ( ),
13. ( ) = , [ ( ). ] = ( + )
14. =2 . ( ),
15. cos( ) = . . ( + ),


Définition de la TF
Soit x(t) un signal non périodique.
La TF de x(t), si elle existe, est : = [ ] = . .
D’existence
x(t) soit une fonction bornée ;

Conditions
l’intégrale de x(t) entre et + ait une valeur nie ;

les discontinuités de x(t) ainsi que les maxima et minima soient en nombre fini.
X(f) est réciproque si x(t) est une fonction de carré sommable (signal à
énergie finie).
X(f) indique la "quantité" de fréquence f présente dans le signal x(t) sur
l'intervalle , + [ . X(f) donne des informations fréquentielles sur x(t).
X(f) : fonction complexe (de la variable réelle f) qui admet
Un spectre d'amplitude : =| |
Un spectre de phase : = arg
Transformée de Fourier inverse
Si elle existe, est définie par: ( )= = . .

Signaux déterministes continus Transformée de Laplace
Définition de la TL
Soit x : une fonction (causale) continue par morceaux. On appelle
transformée de Laplace de la fonction x, la fonction :
= . .
Exemple :
La fonction de Heaviside: g = =
La fonction rectangle: = 0,5 =
La fonction exponentielle : = . =

Propriétés de la TL
Linéarité: . + . = +
.
Transformée d’une translation : =
Changement d’échelle: = .
Transformée d’une dérivée: = . 0
( ) = p .X . (0 )
Transformée d’une intégrale: . =

Transformée inverse
1
= .
2
En pratique : On détermine la transformée inverse de F(p) directement de la
table.
Il faut d’abord exprimer ou décomposer F(p) en une somme de termes dont
les transformées inverses sont dans la table.
Utiliser la table conjointement avec une ou plusieurs propriétés.
S’il y a des retards, les traiter en premier, séparément.
Pour des fractions rationnelles, on décompose dans l’ensemble des réels en
éléments simples. Pour les éléments simples de première espèce se traitent
facilement. Pour ceux de seconde espèce, on doit mettre leur dénominateur
sous forme canonique, pour retrouver des originaux en sinus ou en cosinus.
Exemples 1 3 +7
= =
( . + 1) 2 3
4
( )= ( )=
( +4) +1
Signaux déterministes continus Table de la T.L
Table de transformées de Laplace usuelles.

Application: Résolution des équations différentielles :

Théorème de la valeur initiale et de la valeur finale :
=0
lim = .
lim = .
Exemple : Etude du circuit RC

Signaux déterministes continus Produit de convolution
Produit de convolution :
On appelle produit de convolution entre deux fonctions x(t) et h(t),
l’opération * (notée également ) définie par :
=( )( ) = . .
=( )( ) = . .
Le produit de convolution est commutatif

Produit de convolution avec la distribution de Dirac:
( ) = ( ) ( ) = ( ).

Produit de convolution :
Illustration =( )( ) =

Exemple :
Ecrire le produit de convolution ( )( ) en fonction de et des
fonctions suivantes:
x =
Avec : u un simple paramètre
y =
=( )( ) = 2 .
Ou encore : =( )( ) = ( )( )
= 2 . ( ).

Exercice :
Montrer les propriétés suivantes :
1. ( ) ( ) = ( ),
2. ( ) ( 0) = ( 0),
3. ( 1) ( 2) = ( 1 2),
Propriétés :
commutatif : ( ( ) = ( ( ),
associatif : ( ( ( ( )) = ( ( ( )) ( ),
distributif par rapport à l’addition :
( ( ( ) + ( )) = ( ( ) + ( ( ).

Exercice :
Calculer et tracer les produits de convolution des fonctions x(t) et y(t) suivantes :
1. = cos ; ( ) = ( ).
2. = . ; = . exp . ( ).
3. = ; = .
4. = ; = , 1 > 2.
5. = sin ; ( ) = .
6. = ; = .

Exercice :
Calculer et tracer les produits de convolution des fonctions x(t) et y(t) suivantes :
1. = cos ( ) = ( ).
2. = . = . exp . ( ).
3. = = ( ).
4. = = ( ), 1 > 2.
5. ( ) = sin( ) ( ) = ( ).
6. = = .

Signaux déterministes continus Transformée de Fourier et Convolution
Théorème de PLANCHEREL
Ce théorème met en exergue la dualité entre temps et fréquence. Il
s’énonce ainsi :
La transformée de Fourier d’un produit de convolution de leurs fonctions
temporelles est le produit des transformées de Fourier :
TF du produit de convolution :
( ) = . ( )
TF du produit :
. ( ) = ( )

Signaux déterministes continus La Corrélation
Définition 1 (Intercorrélation)
Soient ( ) et ( ) deux signaux à énergie finie, on appelle fonction
d’intercorrélation entre ( ) et ( ) la fonction notée ( ) définie par :
= . ( ) . ( : conjugué de y )
Il est égal au produit scalaire : =< , >.
En raison de la symétrie du produit scalaire hermitien :< , >=< , >,

on a:
=
Définition 2 (Autocorrélation)
Soit ( ) un signal à énergie finie, on appelle fonction d’autocorrélation de
( ) la fonction notée ( ) définie par :
= . ( ) .

Propriétés :
Autocorrélation
1. En utilisant la relation = on constate que :

la partie réelle de est paire
alors que sa partie imaginaire est impaire
2. | = 0 représente l’énergie du signal
En effet :
0 = . . = . >0
Inégalité de Schwartz
En appliquant l’inégalité de Schwartz sur l’intercorrélation < , >, on
obtient :
< , > < , >. < , >
Soit alors :
0 . 0

Propriétés :
Inégalité de Schwartz
En appliquant l’inégalité de Schwartz sur l’intercorrélation < , >, on
obtient : < , > < , >. < , >
Soit alors :
0 . 0
Dans le cas particulier où ( ) = ( ), on a :
La fonction d’autocorrélation est donc bornée par l’énergie du signal x(t)

et son module est maximum en = 0.

Propriétés :
Corrélation et Convolution
La corrélation mesure la ressemblance entre les fonctions x(t) et y(t)
selon le décalage .
= . .
La convolution formalise l’interaction (filtrage) entre les fonctions x(t) et

y(t).
( )( ) = .
Relation entre corrélation et convolution :
= ( )

Exemple :
Corrélation et Convolution
Déterminer l’intercorrélation puis la convolution des deux signaux suivants :
= exp . = exp . ,
où a est un réel positif.
1
= . exp . ) + exp( )). )
1
= . (exp exp( )). )

Signaux déterministes continus
Exemple d’application
Détection par autocorrélation d’un signal périodique
noyé dans du bruit Détermination du délai entre deux
signaux par intercorrélation

Signaux déterministes continus Filtrage des signaux continus
Filtrage
On définit le filtrage fréquentiel comme l’opération consistant à prélever,
interrompre ou seulement atténuer tout ou partie des composantes
fréquentielles d’un signal:
Le filtre est défini par sa réponse impulsionnelle, notée h(t), et par sa

fonction de transfert, notée H( f ).
Réponse d’un filtre:

Dans le domaine fréquentiel : = . ( )
Dans le domaine temporel :
= .

Filtrage : réponse s(t)
Domaine temporel :
e(t) et h(t) quelconques : = . =
h(t) causal ( filtre réalisable): =
e(t) causal : =
e(t) et h(t) causaux : =

Détermination de la réponse d’un filtre

Filtre idéal
Un filtre est un dispositif qui laisse passer
certaines composantes sinusoïdales et en
arrêtent d'autres.
Exemple : filtre passe bas

Un filtre passe bas laisse passer les basses
fréquences et arrête les fréquences élevées.
Filtre passe-bas idéal

fc s'appelle la fréquence de coupure.
La bande passante est l'intervalle de fréquence [0,fc].
La bande coupée est constituée de toutes les fréquences supérieures à fc.
Spectres des signaux d'entrée et de sorties d'un filtre passe-bas

Filtres réalisables
Un filtre est réalisable si sa réponse impulsionnelle h(t) est nulle pour t < 0 :
car l’effet ne peut précéder la cause.
Tout système physique aura donc une réponse impulsionnelle h(t) réelle
quelconque (ni paire, ni impaire), par conséquent, la fonction de transfert
H( f ) sera obligatoirement complexe :
( ) = | ( )| · ·
Le spectre S( f ) de la réponse s(t), montre tout filtre physique réalisable

déphase:
S = . | ( )| · ·
Filtre passe bas idéal :

Fonction de transfert : = =
2
Réponse impulsionnelle non causale :
sin .2 .
=

Filtrage analogique
Filtre passe-bas idéal Filtre passe-bas réel

Par définition la fc est la fréquence pour la quelle le gain est égal à
Le plus souvent, on préfère représenter la

réponse du filtre par le gain en dB
avec une échelle logarithmique pour l'axe
des fréquences
réponse en décibels d'un filtre passe bas

Filtrage analogique
Filtres idéaux

Filtrage analogique
Filtres réalisables d’ordre n:

Exemple de filtres
Fig.1
Fig.2 Fig.3

Traitement Du Signal

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Traitement Du Signal

Transféré par

Droits d'auteur :

Formats disponibles

Module:

Élaboré et présenté par :

Pour le niveau 1ere Année CI des Filières:

Elément 1 : Acquisition et Traitement du Signal

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 2

Élaboré et présenté par :

Pour le niveau 1ere Année CI des Filières:

Prise de son de concert de jazz Electrocardiogramme

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 4

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 5

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 6

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 7

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 8

Signal déterministe Signal aléatoire Signal réel = Signal déterministe +

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 9

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 10

distingue quatre types de signaux :

signal analogique signal quantifié

signal échantillonné signal numérique

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 11

L'analyse spectrale d'un signal ( ou la répartition énergétique en fonction de

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 12

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 13

Signaux bornée en amplitude :

Signaux pairs et impairs :

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 14

Signaux à puissance moyenne finie :

Cas des signaux périodiques de période T :

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 15

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 16

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 17

La fonction triangle est elle aussi normalisée

Impulsion unité (distribution de Dirac)

La fonction de Dirac est normalisée : =1

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 19

L’impulsion de Dirac peut être représenté par la limite suivante:

Ou encore par les limites des fonctions suivantes:

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 20

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 21

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 22

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 23

L’observation dans le domaine temporel est souvent insuffisante pour

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 24

Nouvelle représentation : d’amplitude et phase initiale en fonction de la

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 25

Exemple d’un signal de voix parlée sur 2s (amplitude/temps)

Exemple d’un signal de voix parlée sur 71ms (amplitude/temps)

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 26

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 27

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 28

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 29

Le terme général S . . . ) est

: valeur moyenne du signal (composante continue)

Si s(t) impair an = 0 n>0

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 31

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 32

Exemple 1 : cas d'un signal sinusoïdal

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 33

Exemple 2 : cas d’un créneau

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 34

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 35

3- Signal sinusoïda1 redressé:

Partie 2 : Traitement du signal Prof :Mohamed Moutchou 1GEM & 1MSEI 36