Chapitre 1 Des Signaux

Chapitre - 1 - des Signaux
Chapitre - 1 - des Signaux

Introduction
1/ Signal
Classes de signaux
Octave et Matlab
2/ Opérations simples
Changement de variable
Changement d'amplitude
3/ Signaux usuels
Créneau
Sinusoïde complexe
Sinus cardinal
Impulsion de Dirac
4/ Grandeurs caractéristiques
Moyenne et fluctuations
Puissance et énergie normalisées
Rapport signal à bruit (RSB)
5/ Représentation vectorielle des signaux
Espace de signaux
Norme d'un signal
Distance entre signaux
6/ Produits scalaires
Produit de Convolution
Corrélations (temporelles)
Exercices
Clément Huneau - Dpt. de Physique, UNIVERSITÉ DE NANTES - 08.03.2022

Introduction
"Une suite de nombres et non pas une suite de lettres, de mots ou de phrases."
Yves Meyer, prix Abel de Mathématiques. (cf. cours Andrei Doncescu)
Le mot signal vient de signe : marque ou symbole servant de vecteur à une information. Du latin
signum : signe, image, statue ; idée de représentation.
La théorie du signal fut historiquement développée pour le sonar, le radar et les

télécommunications. Le traitement du signal fut par la suite étendu à l'imagerie, aussi bien en
astronomie qu'en microscopie. Aujourd'hui, la théorie du signal est une composante essentielle de
la science des données et plus récemment de l'intelligence artificielle.
Le traitement du signal assemble des outils mathématiques pour traiter automatiquement et

intelligemment des informations numériques provenant de processus physiques.
Quelques exemples
Transmission de sons (20 Hz - 20 kHz) sur des longues distances dans les bandes radio
fréquence FM (87,6 MHz - 107,9 MHz) par modulation.
Acquisition d'un signal numérique par filtrage et échantillonnage.
Représentation temps-fréquences (spectrogramme) des signaux temporels.

Analyse spectrale de la périodicité dans des images microscopiques
Filtrage adapté d'ondes gravitationnels dans le signal d'un interféromètre laser.
Défloutage et débruitage d'image photographique par déconvolution et filtrage de Wiener.

1/ Signal
Un signal est une fonction d'une ou plusieurs variables engendrée par un phénomène physique.
Il est défini sur une base ou domaine et a ses valeurs dans pour un signal réel (ou
pour un signal complexe).
Exemples :
est un signal temporel complexe,

est un signal spatial (image),
est un signal spatio-temporel (animation 3D+t),
Le domaine peut toujours être étendu à en définissant le signal comme nul partout en dehors de
son domaine initial. Ainsi, sauf mention contraire, on considérera tout signal comme défini sur .
Classes de signaux
Réaliste ou idéal
Un signal physique est nécessairement réaliste :
son énergie est finie ;

son amplitude est finie ;
c'est une fonction continue ;
son spectre est fini ;
son spectre tend vers zéro quand la fréquence tend vers l'infinie.
Ces propriétés peuvent être contraignantes pour les outils mathématiques. Donc, on représente
souvent les signaux par des modèles idéaux qui simplifient la réalité. Comme pour toute science
physique, le travail de modélisation réside dans le choix des hypothèses simplificatrices.
Une impulsion ne peut pas avoir une durée exactement nulle. Une sinusoïde ne peut pas
exister pendant une durée .
Périodique
Un signal périodique de période vérifie : .
Sa fréquence fondamentale est alors .
Ainsi, toute l'information du signal est contenue sur le domaine .
Causal
Un signal causal est nul pour toute valeur de .
Une décroissance exponentielle sur est un signal causal.
Déterministe ou Aléatoire
Un signal déterministe peut être prédit certainement en tout point par un modèle mathématique.
Un signal aléatoire n'est pas déterministe. Il peut néanmoins être modélisé en probabilité et
estimé statistiquement.

On mesure un signal sur un domaine . Si est une variable aléatoire, chaque
mesure donnera une valeur différente. On sait qu'il est constant sur mais on ne sait pas
quelle valeur va prendre. Un histogramme à partir d'un grand nombre de mesures nous
donnerais une estimation de la loi de probabilité de .
Numérique
Un signal, comme phénomène physique, est très souvent analogique. Aujourd'hui, il est
majoritairement traité par ordinateur sous la forme d'un signal numérique. C'est alors un signal
échantillonné (à temps discret) et dont l'amplitude est quantifiée (à échelle discrète).
Une image numérique est un signal
à échelle discrète : les niveaux de gris ou couleurs

à deux variables discrètes : les coordonnées des pixels.
Octave et Matlab
Matlab est un langage interprété très utilisé en traitement du signal. La syntaxe est légère et proche
de l'écriture mathématique. Il est utilisable avec l’interprète libre GNU Octave.
Un signal numérique sinusoïdal est écrit et tracé :
t = linspace(0,2,100); % base de temps de taille 100 points entre 0 et 2 secondes

x = sin(2*pi*3*t); % signal sinusoïdale de fréquence d'oscillation 3 Hz
figure, plot(t,x)
xlabel('Temps (s)'), ylabel('x(t)'), title('Sinusoïde')
Un noyau gaussien est écrit et tracé :
[x,y] = meshgrid(linspace(-3,3,100)); % base de coordonnées x et y, aussi appelée

grille
g = exp(-(x.^2+y.^2)); % gaussienne à 2 variables aussi appelé
noyau gaussien
figure, imagesc(x,y,g) % affichage en carte topographique colorée
figure, surf(x,y,g) % affichage en carte 3D
colorbar, xlabel('x'), ylabel('x'), title('Noyau gaussien')

2/ Opérations simples
Changement de variable
Ces opérations sont définies ici pour un signal unidimensionnel mais sont généralisables aux
images et aux signaux multidimensionnels.
Translation
Une version de qui serait retardée de est le signal défini par

Dilatation
Une version de étalée de est défini par

Retournement
Une version de retournée est défini par
Le retournement d'un signal numérique est fait par t=-flip(t); y=flip(x);
Changement d'amplitude
Amplification
Une version de amplifiée par est défini par

Modulation
Si l'amplification varie dans le temps on parle plus généralement de modulation d'amplitude,
La modulation entre un signal d'intérêt et une porteuse haute fréquence

est une technique employée dans les communications radiophoniques (AM - amplitude
modulation).
Pour deux signaux numériques de même domaine, la modulation est faite terme à terme par
xm = x .* p ;

3/ Signaux usuels
Créneau
Un créneau (ou porte) entre et est défini par la fonction indicatrice telle que :
Deux cas courant :
Échelon de Heaviside :
Fenêtre rectangulaire :
t = linspace(-1,5,100); x = 1*(t>=0 & t<=2);
Sinusoïde complexe
Une sinusoïde complexe d'amplitude , de fréquence et de phase :
La modulation d'une sinusoïde complexe de fréquence par une autre de fréquence

donne un signal de fréquence
t = linspace(0,1,100); x = exp(1j*(2*pi*5*t + pi/4));

figure, plot3(t,real(x),imag(x)) % affichage du plan complexe en fonction du
temps
xlabel('Temps'), ylabel('real(x)'), zlabel('imag(x)'), title('Sinusoïde complexe')
Sinus cardinal
C'est une version alternative du sinus cardinal, dilatée de par rapport à la version souvent utilisée
.
Propriétés
Paire :
pour tout
Décomposition en somme de sinusoïdes complexes :
t = linspace(-3,3,100); x = sinc(t);

Impulsion de Dirac
L'impulsion de Dirac n'est pas une fonction mathématique, mais une distribution (au sens de la
Théorie des distributions) qui décrit un événement infiniment bref mais d'intégrale finie non
nulle.
L'impulsion de Dirac vérifie :
C'est la limite des fonctions :
fenêtre rectangulaire de durée nulle et d'amplitude infinie :
sinus cardinal de durée nulle et d'amplitude infinie :
C'est aussi la dérivée de l'échelon de Heaviside :
Ainsi, le Dirac permet d'étendre la notion de dérivée aux fonctions discontinues. L'amplitude du saut
de discontinuité se retrouve dans le poids du Dirac.
Propriétés
Décomposition en somme de sinusoïdes complexes :

Translation :
On peut pondérer par et retarder de l'impulsion de Dirac
Produit (modulation) d'une fonction :
Le peigne de Dirac est une répétition -périodique de Dirac telle que :
La modulation d'un signal par un peigne de Dirac sélectionne des échantillons du

signal.

4/ Grandeurs caractéristiques
Moyenne et fluctuations
On appelle moyenne (ou composante continue) d'un signal défini sur de durée , la valeur
définie par :
On appelle fluctuations, le signal défini par : . La moyenne de est nulle par

définition.
Pour un signal de domaine (durée infinie), sa moyenne est la limite .
La moyenne du signal sur est et ses fluctuations

moy_x = mean(x)
Puissance et énergie normalisées

Effet Joule dans une résistance (en Ohm) sous une tension (en Volt).
La puissance thermique instantanée (en Watt) est : (en

)
avec l'énergie : (en )

Effet d'une onde de pression (en ) sur une membrane de
microphone de surface (en ). Le son se déplace dans l'air ( en ) à la vitesse
(en ).
La puissance acoustique instantanée (en Watt) est : (en

)
avec l'énergie : (en )
En généralisant ces notions à un signal quelconque (d'unité arbitraire ), on définit :
la puissance instantanée (normalisée) (en )

l'énergie (normalisée) (en )
La puissance moyenne sur un domaine de durée est :
Comme en électricité, la valeur efficace du signal est (en )
Un signal a une puissance moyenne et une valeur

efficace
P = mean(abs(x).^2)
L'énergie sur un domaine est :

Un signal de décroissance exponentielle sur a une énergie , mais
une puissance moyenne nulle sur .
E = sum(abs(x).^2)
Rapport signal à bruit (RSB)

(en anglais signal-to-noise ratio, SNR)
On nomme signal ce qui porte de l'information, pour un problème donné, et bruit (ou
perturbation) ce qui n'en porte pas.
Soit un signal de puissance est et un bruit de puissance .
Le RSB est le rapport entre les puissances du signal informatif et du bruit (signal perturbant) :
Il est souvent converti en dixième de bel (un logarithme de rapport de puissances), le décibel (dB) :
Si un signal est noyé dans un bruit de puissance , alors le

Si ce même signal est noyé dans un bruit de puissance , alors le
RSB = 10*log10(Ps/Pb)

5/ Représentation vectorielle des signaux
Soit un signal réel à temps discret avec seulement 3 points temporels . On peut
représenter ce signal comme un vecteur dans un espace vectoriel à 3 dimensions. Ce vecteur a une
norme (euclidienne) .
Pour deux signaux réels à temps discret et de longueur , on

peut imaginer les représenter dans un espace vectoriel à dimensions.
Ils ont chacun une norme, telle que

Leur différence a aussi une norme qui est une distance entre ces deux signaux.
Ils ont aussi un produit scalaire
Espace de signaux
Un signal réel à temps continu est une fonction qui vit dans un espace avec une infinité de
dimensions. C'est un espace fonctionnel. La théorie qui l'accompagne est mise de côté pour se
concentrer sur l'analogie qu'elle permet avec la représentation vectorielle des signaux.
Norme d'un signal

Comme pour un vecteur, on calcule la norme euclidienne (dite norme 2) d'un signal quelconque :
Le carré de la norme est l'énergie normalisée du signal . Donc, cette norme n'existe
que pour les signaux à énergie finie.
Distance entre signaux

À tout couple de signaux, on peut associer une distance réelle telle que :
ssi
La distance euclidienne est la norme de la différence entre les deux signaux :
Il existe aussi beaucoup d'autres types de norme et distance, mais nous nous arrêtons ici au plus
classique.

6/ Produits scalaires
Le produit scalaire (appelé produit hermitien dans le cas complexe) mesure la similitude entre
deux signaux.
Le produit scalaire de deux signaux et donne le scalaire , tel que :
On remarque que la norme euclidienne est un produit scalaire de avec lui-même
Pour des signaux numériques, on retrouve le produit scalaire de vecteurs ,

qu'on peut écrire avec un produit matriciel où est le transposé et le conjugué.
Signaux orthogonaux
Deux signaux et sont orthogonaux sur un domaine si et seulement si leur produit scalaire est
nul.
Deux sinusoïdes complexes sont orthogonales sur si leurs fréquences sont différentes.
Inégalité de Cauchy-Schwarz
Deux signaux et à énergie finie vérifient :
L'inégalité est évidente lorsque et sont orthogonaux et l'égalité est atteinte lorsque et sont
colinéaires, c'est à dire si où est une constante.
Produit de Convolution
Le produit de convolution (du latin convolvere : enrouler) de deux signaux et donne le signal
, tel que :
On peut interpréter le produit de convolution comme un ensemble de produits scalaires entre et

une version de retournée (temporellement) et translatée (de ), telle que
. Cet ensemble donne un signal qui mesure la similitude
entre et retournée pour tous les retards .
Propriétés
Commutatif :
Associatif :

Distributif :
Élément neutre ( l'impulsion de Dirac) :
Translation :
Dérivation :
La moyenne glissante d'un signal est une convolution avec
N = 10000;
t = linspace(0,1,N)';
x = cos(2*pi*6*t) + 1*randn(N,1);
h = ones(1000,1) /1000;
y = conv(x,h,'same');
figure, plot(t,[x,y])
xlabel('Temps (s)'), ylabel('Signal (u.a.)'), legend('x(t)','y(t)')
Corrélations (temporelles)
L'auto-corrélation est un ensemble de produit scalaire d'un signal sur un domaine avec
des versions retardés de (variable), telle que :
Pour un signal d'unité arbitraire , l'auto-corrélation est en . Elle mesure, sous la forme d'une
puissance normalisée, la ressemblance d'un signal avec son passé et son futur.
Propriétés
: bornée par la puissance

: symétrie hermitienne (paire si réel)
est -périodique si et seulement si est -périodique
La durée de corrélation mesure l'étalement de l'auto-corrélation, c'est-à-

dire la longueur de la redondance du signal. Pour un signal périodique, la durée de corrélation est
évidement infinie car cette redondance ne s'arrête jamais.
Application à la détection de signaux périodique
L'inter-corrélation mesure la ressemblance entre deux signaux et , pour différents décalage ,

et est définie sur un domaine de durée par :
Propriétés
: bornée
: symétrie hermitienne
On remarque que la corrélation est aussi un produit de convolution entre et

une version retournée (temporellement) et conjuguée (pour les signaux complexes) de .
Application à la détection de retard entre signaux.

Exercices
Ex. 1
Tracer le résultat d'une modulation d'amplitude , avec ,

dans les cas où :
, où
Tracer le signal , où .
Ex. 2
1. Translater et dilater la fonction pour créer un signal porte d'amplitude , de largeur

et centrée en . On n'utilisera pas la fonction indicatrice .
2. Périodiser ce signal avec une période .
3. Calculer la valeur moyenne et la puissance du signal périodique.
Ex. 3
Montrer que . Et en déduire la dérivée de .
Calculer la valeur moyenne de .
Ex. 4
1. Calculer les moyenne, énergie, puissance moyenne et valeur efficace de :
exponentielle décroissante, ,
sinusoïde pure de fréquence ,
2. Considérant le signal , calculer le RSB en dB s'il est soumis à une perturbation de puissance
Ex. 5
Tracer et donner les classes du signal , dans les cas :
Ex. 6
Montrer que et , où .
Calculer et tracer le produit de convolution de par .
Ex. 7
1. Calculer l'autocorrélation de
2. Calculer l'intercorrélation de et
3. Calculer l'autocorrélation de
Ex. 8 - Détection de retard par intercorrélation

Une portion de canalisation enterrée a une fuite dont on ignore la position exacte. Afin de la
déterminer on place un capteur acoustique à chaque extrémités de la portion de longueur . Le son
de la fuite se propage jusqu'au capteurs à une vitesse mais est perturbés par du bruit. Les
observations de chaque capteurs sont :
avec et , les distances respectives entre la fuite et les capteurs 1 et 2.
1. Faire un schéma du problème.

2. Calculer l'intercorrélation en fonction des intercorrélation entre les signaux , et .
3. On suppose que le signal et les bruits et sont tous mutuellement décorrélés, c-à-d
orthogonaux pour tout décalage. Montrer alors que
4. En se servant des propriétés de la corrélation, déterminer la position relative de la fuite.

Chapitre 1 Des Signaux

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

Chapitre 1 Des Signaux

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre - 1 - des Signaux

Chapitre - 1 - des Signaux

Clément Huneau - Dpt. de Physique, UNIVERSITÉ DE NANTES - 08.03.2022

La théorie du signal fut historiquement développée pour le sonar, le radar et les

Le traitement du signal assemble des outils mathématiques pour traiter automatiquement et

Acquisition d'un signal numérique par filtrage et échantillonnage.

Représentation temps-fréquences (spectrogramme) des signaux temporels.

Filtrage adapté d'ondes gravitationnels dans le signal d'un interféromètre laser.

Défloutage et débruitage d'image photographique par déconvolution et filtrage de Wiener.

Clément Huneau - Dpt. de Physique, UNIVERSITÉ DE NANTES - 08.03.2022

est un signal temporel complexe,

Un signal physique est nécessairement réaliste :

son énergie est finie ;

Un signal périodique de période vérifie : .

Sa fréquence fondamentale est alors .

Ainsi, toute l'information du signal est contenue sur le domaine .

Un signal causal est nul pour toute valeur de .

Une décroissance exponentielle sur est un signal causal.

Clément Huneau - Dpt. de Physique, UNIVERSITÉ DE NANTES - 08.03.2022

Une image numérique est un signal

à échelle discrète : les niveaux de gris ou couleurs

Un signal numérique sinusoïdal est écrit et tracé :

t = linspace(0,2,100); % base de temps de taille 100 points entre 0 et 2 secondes

Un noyau gaussien est écrit et tracé :

[x,y] = meshgrid(linspace(-3,3,100)); % base de coordonnées x et y, aussi appelée

Clément Huneau - Dpt. de Physique, UNIVERSITÉ DE NANTES - 08.03.2022

Une version de qui serait retardée de est le signal défini par

Une version de étalée de est défini par

Une version de retournée est défini par

Le retournement d'un signal numérique est fait par t=-flip(t); y=flip(x);

Une version de amplifiée par est défini par

Si l'amplification varie dans le temps on parle plus généralement de modulation d'amplitude,

La modulation entre un signal d'intérêt et une porteuse haute fréquence

Clément Huneau - Dpt. de Physique, UNIVERSITÉ DE NANTES - 08.03.2022

Deux cas courant :

t = linspace(-1,5,100); x = 1*(t>=0 & t<=2);

La modulation d'une sinusoïde complexe de fréquence par une autre de fréquence

t = linspace(0,1,100); x = exp(1j*(2*pi*5*t + pi/4));

Décomposition en somme de sinusoïdes complexes :

Clément Huneau - Dpt. de Physique, UNIVERSITÉ DE NANTES - 08.03.2022

L'impulsion de Dirac vérifie :

C'est la limite des fonctions :

fenêtre rectangulaire de durée nulle et d'amplitude infinie :

sinus cardinal de durée nulle et d'amplitude infinie :

C'est aussi la dérivée de l'échelon de Heaviside :

Décomposition en somme de sinusoïdes complexes :

On peut pondérer par et retarder de l'impulsion de Dirac

Produit (modulation) d'une fonction :

Le peigne de Dirac est une répétition -périodique de Dirac telle que :

La modulation d'un signal par un peigne de Dirac sélectionne des échantillons du

Clément Huneau - Dpt. de Physique, UNIVERSITÉ DE NANTES - 08.03.2022

On appelle fluctuations, le signal défini par : . La moyenne de est nulle par

Pour un signal de domaine (durée infinie), sa moyenne est la limite .

La moyenne du signal sur est et ses fluctuations

Puissance et énergie normalisées

La puissance thermique instantanée (en Watt) est : (en

avec l'énergie : (en )

La puissance acoustique instantanée (en Watt) est : (en

avec l'énergie : (en )

En généralisant ces notions à un signal quelconque (d'unité arbitraire ), on définit :

la puissance instantanée (normalisée) (en )

La puissance moyenne sur un domaine de durée est :

Comme en électricité, la valeur efficace du signal est (en )

t = linspace(0,1,100); x = exp(1j(2pi5t + pi/4));