COURS DE TRAITEMENT DU SIGNAL 1

LA THEORIE DU SIGNAL.

PROGRAMME :

1. Généralités des signaux déterministes

1.2. Les concepts de base
1.3. La théorie du signal
1.4. Les signaux déterministes
1.5. La conversion analogique-numérique

2. Les outils mathématiques de traitement du signal

2.1. La série de FOURIER
2.2. La transformée de FOURIER
2.3. La transformée de LAPLACE
2.4. La transformée de HILBERT.

3. L’analogie entre les transformées et les fonctions de traitement du signal.

………………………………………………………………………………………………

1. GENERALITES DES SIGNAUX DETERMINISTES

1.1. Les concepts de base :

1.1.1. Le signal :
C’est une grandeur électrique issue d’un transducteur représentant une
grandeur physique donnée ; c’est aussi la représentation mathématique de celle-ci.

1.1.2. La théorie du signal :

C’est l’ensemble des outils mathématiques permettant de décrire les
signaux et des bruits émis par une source ou modifiés par un système de
traitement.

1.1.3. Le traitement du signal :

C’est l’ensemble des méthodes et algorithmes qui permettent d’élaborer ou
d’interpréter des signaux porteurs d’informations.

1.1.4. La transformée :

C’est l’outil mathématique de calcul du spectre d’un signal.

1.1.5. Le Bruit :

C’est un signal perturbant ou interférant le signal utile.

1.1.6. Le bruit dans les équipements de transmission :

Il est causé par l’agitation thermique des électrons dans les

composants en fonction et, par le manque de stabilisation des tensions
d’alimentation en courant continu de ces équipements.

1.1.7. Le transducteur :

C’est un dispositif électrique permettant de traduire une forme

d’énergie A en une autre B.

Exemples :

 Le hautparleur : Il transforme le signal électrique en son ;

 Le microphone : Il transforme le son en signal électrique ;
 La caméra : Elle transforme les images d’une scène en signal
électrique ;
 L’écran de télévision ou un moniteur : Il transforme le signal
électrique de la camera en une suite d’image formant tout un
film.

1.1.8. Le signal analogique :

C’est un signal dont l’amplitude varie de façon continue dans le

temps et son information est représentée par la variation d’une valeur physique.

1.1.9. Le signal numérique :

C’est un signal dont l’amplitude varie de façon discrète et ne peut

prendre qu’un nombre fini de valeurs.

1.1.10. Le spectre d’un signal :

C’est la répartition de l’énergie dans le signal représentée sous

forme d’amplitudes (la densité spectrale).
 1.1.11. L’énergie d’un signal :

C’est la quantité d’informations représentée dans le spectre.

+∞
ES= x(t)dt
-∞

1.1.12. La largeur de bande d’un signal :

C’est l’espace occupé par le spectre par les harmoniques, la

fondamentale et la composante continue.

1.2. La théorie du signal :

1.2.1. Objectif : Extraire le maximum d’informations utiles sur un signal perturbé par le
bruit.

1.2.2. Synoptique :

Informations Emetteur Signal Récepteur

(Message ; données)

Informations

(Message ;donnée)

 Description : Ceci est une communication téléphonique d’un abonné se

trouvant à Brazzaville et un autre à Pointe-Noire.
 Conclusion : Le signal est un vecteur de communication de l’information,
il s’identifie au flux dont l’espace vectoriel normalisé est la théorie du
signal fournissant plusieurs outils mathématiques pour son traitement.
1.2.3. La chaine classique de traitement du signal :

Système physique Capteur Canal de transmission Récepteur Traitement

Bruit Bruit Bruit

Informations
Utiles au bruit réduit.

Le phénomène physique à étudier est représenté par le capteur qui le

transforme en un courant électrique ; à ce niveau le bruit lui est ajouté.
L’ensemble chemine vers le canal de transmission qui est aussi brouillant. Le
récepteur l’est aussi et ce n’est qu’au bout du traitement qu’un maximum
d’informations utiles est récupéré.

1.2.4. Les principales fonctions de traitement du signal :

 FILTRER : Eliminer d’un signal, les perturbations indésirables.

 DETECTER : Extraire une composante utile d’un signal ou d’un bruit de

fond.

 ANALYSER : Isoler les composants dans les caractéristiques essentielles

d’un signal pour mieux correspondre sa nature.

 MESURER : Estimer la valeur d’une grandeur caractéristique associée à un

signal.

 REGENERER : Donner à un signal qui a été distordu, sa forme initiale.

 IDENTIFIER : Classer un signal observé.

 MODULER : Modifier les caractéristiques d’un signal pour l’adapter à un

support de transmission.

 CODER : Traduire un signal en langage numérique afin de réduire les

redondances d’informations et de lutter contre les influences du bruit.
1.2.5. Les domaines d’applications de ce cours :

 La téléphonie ;
 Les télécommunications ;
 Le radar ;
 Le traitement d’image ;
 L’astronomie ;
 L’automatisme.

1.2.6. Généralités sur les signaux déterministes :

1.2.6.1. Le signal déterministe :

Un signal f(t) est dit déterministe si la grandeur f est décrite en tout point t de son
support par un modèle qui lui est associé.

 Signal déterministe à temps continu (analogique)

C’est un signal dont on connait la valeur à chaque instant, il est

généralement décrit sous forme d’une fonction s(t) où la variable t est associée au
temps (continu= infinité de points sans interruption).

Exemple : s(t)=4sin (2πft+π/2)

+4…………………………………………………………………………

t
T/4 T/2 3T/4 T

-4………………………………………………………………………....
  Signal déterministe à temps discret (numérique)

C’est un signal qui se définie par un ensemble d’innombrables valeurs

de temps (discret= une grandeur d’unités destinée d’une précédente
variation par quantité entière)

A
…………………………………………………………

1.2.6.2. Classification des signaux

 Du point de vue comportemental

Les signaux porteurs d’informations sont appelés des signaux

physiques, ils doivent être physiquement réalisables.

Signaux physiques

Signaux déterministes Signaux aléatoires

Signaux périodiques et Signaux transitoires Signaux Signaux non

apériodiques stationnaires stationnaires

Ergotique Non ergotique

  En fonction de leur caractère périodique ou non.

Signaux à temps continu

Périodique Non périodique

Sinusoïdaux Périodique Pseudo Non transitoire Transitoire

Composite aléatoire

Signaux périodiques composites :

Tout signal périodique non sinusoïdal peut être décomposé en somme de

signaux sinusoïdaux selon l’analyse de Fourier.

Signaux non périodiques :

Ce sont des signaux qui ne présent pas de périodicité mais peuvent être
des signaux transitoires ou non, dont l’existence est intérimaire.

 En fonction de leur énergie

Signal à temps continu

Energie finie Energie infinie

Puissance moyenne Puissance moyenne Puissance moyenne

Finie (non nulle) infinie
  Du point de vue structurel

- Signal continu
- Signal échantillonné
- Signal quantifié
- Signal numérisé

1.2.6.3. Les contraintes physiques

Elles sont :

 A amplitude bornée ;
 A valeur réelle ;
 Continues temporellement ;
 A énergie bornée ;
 A spectre de fréquence borné.

1.2.6.4. Les modèles théoriques

Ils peuvent être :

 A amplitude infinie ;
 A valeur complexe ;
 Avec des discontinuités ;
 A énergie finie ;
 A spectre fini.

Exercice :

Soit à calculer la puissance moyenne un

intervalle [t1 ; t2] d’un signal s(t)=sin2πt/T0.
Solution :

Dans le cas d’un signal périodique ou non, la puissance

moyenne totale s’exprime par :

T/2
2
Ps=1/T s(t) dt (signal apériodique)

-T/2
 T0

Ps=1/T0 s(t) 2 dt = S2eff (signal périodique)

Avec w0=2πf0 = 2π/T0

T0 T0

S2eff = 1/T0 sin2 (2πt/T0) dt = 1/T0 [½ (1- cos 4πt/T0) dt]

0 0

Sin4πt/T0 T0
S2eff = 1/2T0 1- = 1/2
4π/T0 0

Seff = ½ = 0,707

VMAX = 1 ……………………………………………........

t
T/2 T

T0

L’énergie totale du signal correspond à l’aire hachurée alors que la

puissance totale du signal peut être considérée comme la répartition moyenne
de l’énergie sur la période.

1.2.7. La conversion analogique-numérique (CAN)

C’est une opération qui permet de convertir le signal analogique en un

signal numérique.
Elle comprend les phases suivantes :
  L’échantillonnage : Phase consistant à transformer un signal
analogique en numérique en capturant les valeurs à des intervalles
réguliers.

T0 T1T2T3T4 T6T7T8T9

 La quantification : Elle consiste à donner à chaque échantillon une

valeur prise dans une échelle de référence.

 Le codage : Il consiste à faire correspondre à des échantillons

prélevés à des intervalles réguliers, un « mot dit bit binaire »
représentant une logique binaire.

1 0 1111111000000000011111

Remarque :

La fréquence d’échantillonnage détermine d’échantillons prélevés

par seconde.

fech= 1/∆t ∆t étant le taux d’échantillonnage

Le taux d’échantillonnage c’est
le temps qui s’écoule entre deux échantillons.

D’après le théorème de Nyquist et Shannon :

fech = 2xfmax
2. Les outils mathématiques de traitement du signal :

2.1. La série de Fourier

2.1.1. Objectif :
La série de Fourier permet de représenter le spectre d’un signal périodique
quelconque.

2.1.2. Définition littérale :

D’après Fourier, tout mouvement peut être décomposé en plusieurs autres
mouvements comme s’ils avaient lieu seul.

2.1.3. L’importance de la série de Fourier :

Toute fonction complexe peut être transformée en une somme de fonctions
périodiques (sinus, cosinus), car il est plus aisé de connaitre les propriétés d’une
fonction complexe à partir de chacune de ses composantes.

2.1.4. Décomposition en série de Fourier :

Toute fonction périodique peut être développée en série de Fourier :

f(x) = a0 + a1cosx + b1sinx + a2cos2x + b2sin2x + ………

+ancos(nx) + bnsin(nx)
Cette fonction comporte trois éléments:

 Le terme constant a0 appelé composante continue ;

 La composante fondamentale caractérisée les termes de a1 et b1 ;
 Des harmoniques (multiples de la fréquence fondamentale)
caractérisées par les autres coefficients de Fourier an et bn.

2.1.5. Représentation mathématique :

Soit f une application définie dans R, 2π période et intégrable sur [0 ; 2π].

On appelle coefficients de Fourier de f :
2π
a0 = 1/2π f(x) dx
0
 2π
an = 1/π f(x)cos (nx) dx pour tout n €N*
0

2π
bn = 1/π f(x)sin (nx) dx pour tout n € N*
0

On retiendra pour définition mathématique:

∞
f(x) = an cos (nx) + bn sin (nx) ;x€R

2.1.6. Conclusion sur la série de Fourier :

Au-delà des problèmes de décomposition, la théorie des séries de Fourier établie

une correspondance entre la fonction périodique et les coefficients de Fourier.
De ce fait, l’analyse de Fourier peut être considérée comme une nouvelle façon de
décrire une fonction périodique.
Des opérations telles que la dérivation s’écrivent simplement en termes des
coefficients de Fourier : la construction d’une fonction périodique, solution d’une
équation fonctionnelle, eut se ramener à la construction des coefficients de Fourier
correspondants.

2.2. La transformée de Fourier :

2.2.1. Objectif : Représenter le spectre de fréquence des signaux apériodiques.

2.2.2. Caractéristiques :

 La transformée de Fourier est analogue à la théorie des séries de

Fourier pour les fonctions non-périodiques et permet de leur associer
un spectre de fréquence.
 Ce spectre est formé d’une somme infinie de fonctions
trigonométriques.
2.2.3. Définition littérale :

La transformée de Fourier est la décomposition d’une fonction non-

périodique mais qui décroit très vite à l’infinie pour que l’aire située sur le
graphe soit finie.

2.2.4. Définition mathématique :

+∞

X(w) = x(t).e-jwt.dt

-∞

Avec :

+∞ +∞

a(Ԏ) = f(t).cos2πԎdt et b(Ԏ) = f(t).sin2πԎdt

-∞ -∞

2.2.5. Le principe de la transformée de Fourier :

Considérons ainsi un signal rectangulaire positif de rapport cyclique (a), les

représentations temporelles et fréquentielles sont les suivantes :

1/aԎ
2/aԎ

3/aԎ

a
 Ce spectre comprend des raies aux fréquences (nf) dont l’amplitude
évolue avec la fréquence comme une fonction de type (sinρ)/ρ.
Cette fonction enveloppe passe par zéro aux fréquences multiples de la
longueur des créneaux 1/aԎ ; 2/aԎ …
Pour obtenir le spectre d’une fonction unique, il suffit d’augmenter
infiniment la période. Dans ce cas, les raies se rapprochent et le spectre est
alors constitué d’une infinité de raies juxtaposées, alors que l’enveloppe
ne change pas.

L’amplitude n’est évidemment pas la même dans tous les cas, puisqu’un
train d’impulsions contient beaucoup plus d’énergie qu’une impulsion
unique.
S(t)

Signal= 0

aԎ …………………..

f
1/aԎ 2/aԎ 3/aԎ f

2.2.6. La transformée de Fourier dite discrète :

C’est l’outil mathématique de traitement du signal numérique qui est l’équivalent

discret de la transformée de Fourier continue, utilisée pour le traitement du signal
analogique.

Sa définition mathématique est :

n-1

S (k) = S (n).e-2πnk/N pour 0< k<N

n=0

La transformée inverse est:

 n=1

S(n) = 1/N S(k).e-2πnk/N

n=0

2.3. La transformée de Laplace :

2.3.1. Objectif :

La transformée de Laplace permet de déterminer la fonction de transfert d’un

quadripôle :

H(p) = S(p)/ E(p)

2.3.2. L’importance de Laplace :

Par Laplace, un système d’équations différentielles dans le domaine temporel est

transformé en un système d’équations algébriques, dans le domaine symbolique.

2.3.3. Définition mathématique :

La transformée de Laplace est une application qui à partir d’une fonction f(t)
dans l’espace-temps est associée E(p) dans l’espace de phase tel que :

+∞

L [f(t)] = F(p) = e-pt.f(t).dt

0

Transformée de Espace vectoriel Espace vectoriel

Laplace des fonctions du temps des fonctions de phase

La fonction f(t) est une fonction définie dans le domaine temporel,

la fonction F(p) est définie dans le domaine symbolique et est appelée :
transformée de Laplace de la fonction f(t).
2.3.4. Définition littérale :

La transformée de Laplace est un transducteur

qui transforme un problème d’équations différentielles en un problème
d’équations algébriques, car la résolution d’une équation différentielle
est plus aisée lorsqu’elle est ramenée aux équations algébriques. Après
résolution, la transformée inverse permet de résoudre le problème.

2.3.5. Les principes de la transformée de Laplace :

e(t) Système réel s(t)

Domaine temporel.

E(p) Fonction de transfert S(p)

Domaine de Laplace

S(p) = H(p).E(p)
 Représentation symbolique :

x Système y

Lois physiques

Equations différentielles
Et algébriques

Transformée de
Laplace
 Fonction de transfert

 Représentation mathématique :

Soit un système tel que :

x(t) Système y(t)

On pose l’équation :

a0x(t) + a1dx/dt + … + andxn/dt = b0y(t) + b1dy/dt + … + bndyn/dt

Par la transformée de Laplace on pose :

L [x(t)] = X(p) et L [y(p)] = Y(p)

On obtient :

X (p) (a0 + a1p + ….. + anpn) = Y (p) (b0 + b1p + …… + bnpn)

On appelle fonction de transfert d’un système, le rapport de la

transformée de Laplace du signal de sortie à celui d’ entré.

a0 + a1p + a2p2 + ……. + anpn

H (p) =
b0 + b1p + b2p2 + …….. + bnpn

Soit en définitive :

Fonction de transfert
X(p) Y(p)
2.3.6. La représentation graphique de la fonction de transfert :

 Plan de Nyquist :

w=∞ La partie imaginaire exprimée en

fonction de la partie réelle et comme
Paramètre, la fréquence.
w=0

w = 2πf

 Le plan de Black :

-90° -45°
.
. Pour chaque fréquence, la valeur du
. gain est représentée en fonction de la
. phase.
.
. . . . . . . . . . . . . . . . . -3dB

f = constante

 Diagramme de Bode :

G (dB) Φ°
 xLog xLog

Il s’agit de deux courbes qui représentent les variations du gain en fonction de la

fréquence et la phase en fonction de la fréquence sur une échelle logarithmique en base
de 10.

 Le tracé asymptotique :

Quelques points (deux ou trois) suffisent pour représenter le module et la

phase de la fonction de transfert à partir du tracé asymptotique.

Exemple :

Représentez le module d’un filtre passe-bas :

ve C vs

-3dB ………….
.
- 6dB…………………
. .
. .
. .
. .
f0/10 f0

La courbe renseigne de façon évidente sur les

caractéristiques du montage : G = 0 db signifie que les amplitudes de ve
et vs sont égales donc le signal ne subit aucune modification.

G (dB) = 20Log vs/ve

Les fréquences hautes sont atténuées alors que les basses donnent zéro décibel.
2.3.7. Rôle et caractéristique d’un filtre :

Le rôle des filtres consiste à modifier la phase et l’amplitude des

signaux qui vont transiter dans ce système afin d’obtenir les caractéristiques
particulières désirées.
Les caractéristiques d’un filtre dépendent du module et de la phase de sa
fonction de transfert.
Le rapport vs/ve indique l’évolution du gain en fonction de la fréquence.
La différence entre vs et ve nous indique le déphasage.

2.3.8. Classification des filtres :

 Les filtres linéaires :

Ils se caractérisent par les composants passifs telques :

les résistances ; les condensateurs et bobines.
On distingue :
Le filtre passe-bas ; passe-haut ; passe-bande ; coupe-bande ; passe-tout et les
filtres sélectifs.

 Du point de vue technologique :

On distingue les filtres actifs ; passifs ; numériques et

analogiques.

 Du point de vue spécificité :

On distingue les filtres à capacité commutée ; piézo-

électrique ; SAW ; céramique et atomique.
 2.4. La transformée de Hilbert.

……………………………………………………………….
Transformée
……………………………………………………………….. de Hilbert

…………………………………………………………………. Créneau

………………………………………………………………….

Transformée de Hilbert (en foncé) d’un créneau (signal rectangle).

2.4.1. Définition littérale :

En mathématiques et en théorie du signal, la transformée de Hilbert H(t)

d’une fonction à variable réel s(t), est obtenue par convolution du signal s(t) avec
1/ (πt).
De plus, elle peut être interprétée comme la sortie d’un système linéaire
invariant avec comme entrée s(t), qui est un système de réponse impulsionnelle.
C’est donc un outil mathématique très utilisé en théorie du signal pour
décrire l’enveloppe complexe d’une grandeur réelle modulée par un signal.

2.4.2. Définition mathématique :

-∞ -∞

H(t) = (h*s)(t) = vp= s(Ԏ) h(t-Ԏ) dԎ = 1/π vp s(Ԏ)/(t-Ԏ) dԎ

+∞ +∞
-∞

Avec : h(t) =1/πt et vp = s(Ԏ) h(t-Ԏ) dԎ

+∞
 Vp étant l’abréviation de la valeur principale de Cauchy.
On peut montrer que si s € Lp(R), alors H(s) est bien définie et dans Lp(R) pour
1< P < ∞.

2.4.3. La réponse impulsionnelle :

Il s’ensuit que la transformée de Hilbert d’un signal fréquentiel donné de

Fourier est :

H (w) = F(h)(w) = -i.sgn(w)

Où:

F(h) désigne la transformée de Fourier de h;

I ou j le nombre imaginaire ;
W la fréquence angulaire ;
Sgn est la fonction signe :

1, si w > 0

Sgn(w) = 0, si w = 0

-1, si w < 0

2.4.4. Rôle de la transformée de Hilbert :

La transformée de Hilbert a pour effet de tourner de + 90° la composante

de fréquence négative d’un signal s(t), et de – 90° la composante de fréquence
positive.

Exemples de transformées de Hilbert :

Signal s(t) Transformée de Hilbert

H(s)(t)
Sin(t) - Cos(t)
Cos(t) Sin(t)
1/ (t2 + 1) t / (t2 + 1)
Sinus cardinal : (1 – Cos(t)) / t
Sin(t) / t
 Fonction porte : 1 / π.Ln ((t + ½) / (t – ½))
Π(t)
Impulsion de 1/πt
Dirac : Ʒ(t)

2.4.5. La représentation analytique :

La représentation analytique d’un signal est définie ainsi à l’aide de la

transformée de Hilbert :

Sα(t) = Sm(t). Cos (wt + i.Sm (t). Sin (wt + φ)

= Sm(t).[Cos(wt + φ) + i. Sin(wt + φ)

= Sm(t). ei (wt + φ) par la formule d’Euler.

Cette opération complexe hétérodyne enlève les composantes de la

fréquence négative de Sm (t). Dans ce cas, la partie imaginaire du résultat est la
transformée de Hilbert de la partie réelle. C’est donc une manière indirecte de
former la transformée de Hilbert.
Alors que la représentation analytique d’un signal n’est nécessairement pas
analytique, il existe un lien avec les fonctions analytiques, qui est en fait la
façon dont la transformée de Hilbert est apparue historiquement.

L’idée est la suivante :

Commençons avec une fonction f : R vers R.
On peut étendre à une fonction harmonique sur R2+, le demi-plan de Poincaré
(demi-plan supérieur du plan complexe), à l’aide d’une convolution avec le
noyau de Poisson. Toute fonction harmonique est la partie réelle d’une fonction
analytique. Maintenant on considère la partie imaginaire d’une fonction
analytique, en particulier sa valeur à la frontière. Il apparait que les valeurs à la
frontière sont H(t). Il s’ensuit donc que la fonction analytique peut etre décrite
à l’aide de l’intégrale de Poisson de f + iH(f).

2.4.6. Les considérations pratiques :

La fonction h avec h(t) = 1 / (π.t), est un filtre non causal et donc

ne peut pas être faite telle quelle, si s est un signal dépendant du temps.
Si s est une fonction à variable non temporelle, par exemple des
variables spatiales, la non-causalité ne doit pas être un problème.
Le filtre est de plus à support non borné, ce qui peut être un problème
dans certaines applications.
Un autre problème peut apparaitre du fait du comportement à fréquence
nulle, ce qui peut être évité en s’assurant que s ne contient pas de
composant continue.
 Une implémentation pratique implique dans de nombreux cas d’un filtre
à support fini, qui peut de plus être rendu causal grâce à un détail
raisonnable, est utilisé pour approximer une simulation informatique.
Cette approximation peut aussi impliquer que seule une plage de
fréquence spécifique est sujet au changement de phase dû à la
transformation de Hilbert.

3. Analogie entre les transformées et les fonctions de traitement du signal :

Fonctions FOURER LAPLACE HILBERT

FILTRER NON OUI OUI
ANALYSER NON OUI OUI
MESURER NON OUI OUI
IDENTIFIER OUI OUI OUI
MODULER OUI OUI OUI
CODER OUI NON OUI
REGENERER NON NON OUI
DETECTER NON OUI OUI

FIN DU COUS