ERN

1ACI Pr K.BENKIRANE

SIGNAUX CONTINUS

Volumes horaires : 24h

Résumé :

Introduire les outils de caractérisation et de traitement des signaux déterministes ou aléatoires.

Plan :

1. Généralités sur les signaux et les systèmes ; exemples d'illustration.

2. Caractérisation temporelle des signaux déterministes
Définition et classifications ; Exemples (fonction porte, etc.) et signaux
particuliers (Impulsion de Dirac, échelon, etc.)

Caractérisation par la moyenne, énérgie et la fonction d'autocorrélation ;

Fonction d'intercorrélation et d'intercovariance

3. Caractérisation fréquentielle des signaux déterministes : Analyse de Fourier,

transformation de Fourier, propriétés et méthode de calculs ; densité spectrale et
interspectre, théorème de Wiener Khintchine.
4. Filtrages des signaux/ systèmes linéaires invariants : Définition d'un filtre;
caractérisation temporelle et fréquentielle ; filtre à phase linéaire ; introduction
au filtre de Butterworth et Chebychev.
5. Autres traitements : Fenêtrage ; Echantillonnage et Modulation
6. Rappel sur les signaux aléatoires : Caratérisation : stationnarité au sens large,
ergodicité. Densité spectrale de puissance

Prérequis :

notions de mathématiques

Mot(s) clé(s) :

signal continu aléatoire, déterministe, périodique, moyenne, énérgie, puissance, fonction

d'autocorrélation, fenêtre d'apodisation, filtrage continu, filtrage à phase linéaire, transformée
de Fourier, développement en série de Fourier, densité spectrale de puissance, théorème de
Wiener Khintchine.

1
ERN
1ACI Pr K.BENKIRANE

Chapitre I : Généralités sur les signaux et les systèmes

I .DEFINITIONS

1. SIGNAL

(Signal) vient du latin signum : signe; variation d’une grandeur physique de nature
quelconque porteuse d’information. C’est l’entité qui sert à véhiculer une information.

Un signal est donc la représentation physique de l’information. Sa nature physique peut être
très variable: acoustique, électronique, optique, thermique, etc…

Exemples

 Onde acoustique : courant délivré par un microphone (parole, musique, …)

 Signaux biologiques : EEG, ECG
 Tension aux bornes d'un condensateur en charge
 Signaux géophysiques : vibrations sismiques
 Finances : cours de la bourse
 Images
 Vidéos
 Résultat d’une mesure par un capteur.
 Exemple : signaux de parole (figures 1.1) et de musique (figures 1.2), signaux
audiofréquences,
 variation d’une pression en fonction du temps.

2. BRUIT (Noise):

(Bruit) vient du latin populaire brugere : braire et rugire : rugir; perturbation

indésirable qui se superpose au signal et aux données utiles, dans un canal de transmission ou
dans un système de traitement de l’information. Donc, le bruit est tout phénomène perturbateur
pouvant gêner la perception ou l'interprétation d'un signal.

Remarque :

La notion de bruit est relative, elle dépend du contexte ; l’exemple classique est celui du
technicien en télécom et de l'astronome :

Exemple 1 :

Pour le technicien en télécom, les ondes d'un satellite représentent le signal alors que les
signaux provenant d'une source astrophysique sont considérés comme bruit.
Pour l'astronome, c’est le contraire : les ondes d'un satellite représentent le bruit alors que les
signaux provenant d'une source astrophysique sont considérés comme information utile
(signal).

2
ERN
1ACI Pr K.BENKIRANE

Exemple 2 :

– Pour un opérateur sonar, le signal utile est émis par les navires et les sous-marins, lorsque
les poissons et les crustacés émettent des signaux qui sont des perturbations pour le signal
utile, donc des bruits,

– Réciproquement, pour l’opérateur sonar d’un bâtiment de pêche, le signal utile est celui
émis par les bancs de poissons, les autres signaux sont donc des perturbations et constituent
donc du bruit.

A noter qu’un signal aléatoire ne veut pas signifier bruit ; Exemple : Transmettre la parole sur
des câbles d’alimentation 50Hz. L’information est la parole qui est un signal aléatoire, alors
que le bruit gênant est déterministe, c’est une sinusoïde 50Hz.

Notion de rapport signal sur bruit

Le rapport signal à bruit RS/B est le rapport de puissance du signal, PS, sur celle du bruit, PB, il
mesure la qualité du signal:

𝑃𝑆 𝑃𝑆
𝑅𝑆/𝐵 = , 𝑅𝑆/𝐵 (𝑑𝐵) = 10log ( )
𝑃𝐵 𝑃𝐵

3. Théorie du signal et traitement du signal

Les mots signal et information sont communs dans le langage courant.

De façon encore plus générale :

– la théorie du signal est l’ensemble des outils mathématiques qui permet de décrire les signaux
et les bruits émis par une source, ou modifiés par un système de traitement,

– la théorie de l’information est l’ensemble des outils mathématiques qui permet de décrire la
transmission de messages véhiculés d’une source vers un destinataire,

– Le traitement du signal 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,
a pour objet l’élaboration ou l’interprétation des signaux porteurs d’information.

3
ERN
1ACI Pr K.BENKIRANE

Elle trouve son application dans tous les domaines concernés par la perception, la transmission
ou l’exploitation de ces informations. C’est l’ensemble des méthodes et des algorithmes qui
permet d’élaborer ou d’interpréter les signaux porteurs d’information. Plus précisément :
 élaboration: codage, modulation, changement de fréquence,
 interprétation: décodage, démodulation, filtrage, détection, identification, etc.
Actuellement, les méthodes de traitement sont presqu’en totalité numériques, ce qui suppose:

 un échantillonnage temporel, et une représentation des signaux en temps discret,

 une quantification du signal.
Applications

 Défense : surveillance, guidage, navigation

 Energie : pétrole (sismo.), électricité (diagnostic)
 Transport : automobile, aviation, ferré
 Spatial : imagerie, satellite,
 Télécommunications (TV numérique, téléphonie mobile, etc...)
 Biophysique : imagerie médicale (ex : IRM) radiographie, EEG,
 ECG, échographie, etc...
 Instrumentation : capteurs, métrologie

Exemples de traitement
– Parole : comprimer (transmission : téléphone mobile, GSM), reconnaître (commande vocale),
améliorer la prise de son (filtrage d’antenne) ...
– Musique : comprimer (diffusion, stockage, MPEG-Audio), modéliser, simuler synthétiser
(instruments, salle), corriger des enregistrements dégradés ...
– Images : comprimer (archiver, MPEG), reconstruire (tomodensitométrie, scanner),
reconnaître (analyse de scènes, robotique), corriger ...
– Radar, sonar : détecter (applications militaires).
– Signaux sismiques : prospecter.
– Signaux biomédicaux : analyser, archiver.

II : Caractérisation temporelle des signaux déterministes

Il s’agit de passer en revue les principales caractéristiques temporelles des signaux

déterministes

Définition

Un signal déterministe ou certain est un signal dont l’évolution en fonction du temps peut être
parfaitement décrite par un modèle mathématique.
Exemple : un signal sinusoïdal d’amplitude A et de fréquence f 0 , on peut prédire la valeur du
signal à tout instant grâce au modèle mathématique x(t )  A sin( 2f 0 t ) .
A) CLASSIFICATION

Les signaux obéissent à plusieurs classifications :

4
ERN
1ACI Pr K.BENKIRANE

1) Pair, impair
Un signal est pair si : x(t )  x(t )
Un signal est impair si : x(t )   x(t )
Remarque : Tout signal réel peut être décomposé en une partie paire et une partie
impaire : x(t )  x p (t )  xi (t )

x p (t )  1
2
x(t )  x(t ) et xi (t )  1
2
x(t )  x(t )
Avec

2) Dimensionnelle
On classe les signaux de point de vue dimensionnel
- signaux à 1D (unidimensionnels) : signal audio, mesure électrique, signal reçu par
une électrode en biomédical.
– signaux 2D (bidimensionnels) : image, représentation temps-fréquence des signaux,
– signaux 2D+t : séquences vidéo,
– signaux 3D : objets3D (tomographie, etc.),
– signaux 3D+t : séquence d’objets 3D (tomographie, etc.),
Avec l’évolution des technologies (capteurs, calculateurs, etc…), le traitement de
signal traite de plus en plus fréquemment de signaux multidimentionnels, on
s’intéresse dans ce cas à des signaux nD, par exemple des :
 signaux multi-capteurs (n capteurs) : réseaux d’antennes,
 signaux multi-modaux, c’est-à-dire relatifs à plusieurs modalités
physiques : signal audio/vidéo,
 association de signaux EEG, MEG et IRM (imagerie en résonance
magnétique).

3) Phénoménologique : Signaux déterministes ou aléatoires

Cette classification est basée sur l’évolution du signal en fonction du temps, il existe
ainsi deux types fondamentaux:
- Les signaux déterministes (ou certains) 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. A titre d’exemple, pour un
oscillateur qui délivre un signal sinusoïdal d’amplitude A et de fréquence f 0 , on
peut prédire la valeur du signal à tout instant grâce au modèle mathématique
x(t )  A sin( 2f 0 t ) .
Une formule mathématique définit parfaitement le signal.

5
ERN
1ACI Pr K.BENKIRANE

- Les signaux aléatoires (ou probabilistes) dont le comportement temporel est

imprévisible. Il faut faire appel à leurs propriétés statistiques pour les décrire. Si
leurs propriétés statistiques sont invariantes dans le temps, on dit qu'ils sont
stationnaires.
Les paramètres statistiques définissant les possibilités d’évolution du signal.

4) Morphologique

On distingue selon la variable t et l’amplitude du signal 4 types de signaux :

1. Les signaux analogiques dont l'amplitude et le temps sont continus

2. Les signaux échantillonnés dont l'amplitude est continue et le temps discret
3. Les signaux quantifiés dont l'amplitude est discrète et le temps continu
4. Les signaux numériques dont l'amplitude et le temps sont discrets

5) Énergétique

Energie et Puissance
Dans le cas des signaux déterministes à temps continu, une classification est faite autour des
notions d’énergie et de puissance.
L’énergie d’un signal x(t), fonction complexe de la variable réelle t, est la quantité E définie
par :
+∞
𝑬=∫ |𝒙(𝒕)|𝟐 𝒅𝒕
−∞

La puissance d’un signal x(t), fonction complexe de la variable réelle t, est la quantité P
définie par :
𝑻
𝟏 +𝟐
𝑷 = 𝐥𝐢𝐦 ∫ |𝒙(𝒕)|𝟐 𝒅𝒕
𝑻→+∞ 𝑻 −𝑻
𝟐

6
ERN
1ACI Pr K.BENKIRANE

Pour un signal périodique de période T, la puissance devient :

𝑻
𝟏 +𝟐
𝑷 = ∫ |𝒙(𝒕)|𝟐 𝒅𝒕
𝑻 −𝑻
𝟐

Les signaux sont classés selon l’aspect énergétique en deux catégories :

 signaux à énergie finie caractérisés par une énergie finie, et une puissance nulle.
 signaux à énergie infinie caractérisés par une énergie infinie, et une puissance finie.

Les signaux rencontrés en physique sont évidemment d’énergie finie. Il est toutefois utile, pour
étudier les régimes permanents, de sortir du cadre des signaux d’énergie finie pour envisager
celui des signaux de puissance finie.

6) Classification spectrale

Un signal peut être classé suivant la distribution de son énergie ou de sa puissance en fonction
de la fréquence (spectre du signal). Le domaine des fréquences occupé par son spectre ΔF est
aussi appelé la largeur de bande du signal: F  Fmax  Fmin

Suivant la fréquence moyenne Fmoy  ( Fmax  Fmin ) / 2 , on peut distinguer deux types de signaux
:

- les signaux à bande étroite : F / Fmin est petit ( Fmax  Fmin ).

- les signaux à large bande : F / Fmin est grand ( Fmax  Fmin ).
Pour les signaux à bande étroite, les signaux sont classés suivant la valeur de la fréquence
moyenne Fm oy :

- 𝐹 < 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 > 3 𝐺𝐻𝑧 : signaux super hautes fréquences (SHF)

7) Signal causal et non causal

Un signal est dit causal s'il est nul pour toute valeur négative du temps :

𝒙(𝒕) = 𝟎 𝒑𝒐𝒖𝒓 𝒕 < 0

7
ERN
1ACI Pr K.BENKIRANE

B) SIGNAUX USUELS

1. Fonction signe

- 1, si t  0
sgn(t)   , sgn(0) peut prendre toute 1
 1, si t  0

sgn(t)
0
valeur comprise entre -1 et 1, mais généralement on
prend sgn(0)  0 -1
0

2. Fonction échelon unité

0, si t  0
u(t)   , par convention u(0)  1 / 2
1, si t  0 1

u(t)
On peut montrer facilement que :
0
1 1 -10 -5 0 5 10
u(t)  sgn(t)  , sgn(t)  2u(t )  1
2 2
3. Fonction rampe

0, si t  0 10
r(t)  
t, si t  0
r(t)

t
Ou d’une autre manière : r(t)   u ( )d 0
0 5


𝒕
4. Fonction rectangle :𝝅𝑻 (𝒕) = 𝒓𝒆𝒄𝒕( )
𝑻
C’est une porte rectangulaire d’ouverture T
Et d’amplitude 1.
Exemple : T=1

0, si t  1/2 et t  1/2

rect(t)  
1, si t  1/2 et t  -1/2 1
rect(t)

Ou d’une autre manière :

0
-0.5 0 0.5
rect(t)  u(t  1 / 2)  u(t  1 / 2)

8
ERN
1ACI Pr K.BENKIRANE
𝒕
5. Fonction triangle : ∆𝑻 (𝒕) = 𝒕𝒓𝒊( )
𝑻
C’est une porte triangulaire de demi-ouverture T
Et d’amplitude 1 en t=0.
Exemple : T=1

1 - t , si t  t  1 1
tri(t)  

tri(t)
0, sinon
La surface d’une fonction tri(t) vaut 1 et son 0
-1 0 1
ouverture est égale à 2.

6. Impulsion de Dirac

0, si t  0
 (t)  
 , si t  0 (1/T)rect(t/T)
1/T

L’impulsion de Dirac peut être définie comme une

fenêtre rectangulaire centrée, de largeur T et 0
-T/2 0 T/2
𝟏
d’amplitude quand T→ 0
𝑻

𝟏 1
𝜹(𝒕) = 𝐥𝐢𝐦 𝝅𝑻 (𝒕)
(t)

𝑻→𝟎 𝑻


0
Elle vérifie :

  (t )dt  1 0

Remarque : l’impulsion de Dirac est représentée par une flèche d’amplitude 1. Le 1 désigne
la surface de l’impulsion mais pas son amplitude.

Propriétés :

x(t ) (t )  x(0) (t )

x(t ) (t  t 0 )  x(t0 ) (t  t 0 )


 x(t ) (t  t )dt  x(t )


0 0

Décalage du signal : 𝒙(𝒕) ∗ 𝜹(𝒕 − 𝒕𝟎 ) = 𝒙(𝒕 − 𝒕𝟎 )

9
ERN
1ACI Pr K.BENKIRANE

7. Peigne de Dirac : 𝜹𝑻𝒆 (𝒕) = Ш𝑻𝒆 (𝒕)

La fonction peigne de Dirac notée  Te (t ) , est une

suite d’impulsions de Dirac, périodiques de période
Te .
+∞

𝜹𝑻𝒆 (𝒕) = Ш𝑻𝒆 (𝒕) = ∑ 𝜹(𝒕 − 𝒌𝑻𝒆 )

𝒌=−∞

 Echantillonnage d’un signal :

+∞

𝒙(𝒕). ∑ 𝜹(𝒕 − 𝒌𝑻𝒆 )

𝒌=−∞
+∞

= ∑ 𝒙(𝒌𝑻𝒆 ). 𝜹(𝒕 − 𝒌𝑻𝒆 )

𝒌=−∞

 Périodisation d’un signal :

+∞

𝒙(𝒕) ∗ ∑ 𝜹(𝒕 − 𝒌𝑻𝒆 )

𝒌=−∞
+∞

= ∑ 𝒙(𝒕 − 𝒌𝑻𝒆 )
𝒌=−∞

10
ERN
1ACI Pr K.BENKIRANE

8. Fonction sinus cardinal

La fonction sinus cardinal notée

sin c(t ) est définie par :

sin(t )
sin c(t ) 
t
sin c(t )  1 si t  0

sin c(t )  0 si t est un entier .

%porte sous matlab
t = -0.2:0.0001:0.2;
% On crée le vecteur représentatif de la
fonction
x = zeros(1,1000);
x = [ x, ones(1,2001)];
x = [ x, zeros(1,1000)];
plot(t,x);
% Définition des options d'affichages
grid;
title('Fonction porte');
xlabel('Temps (t)');
ylabel('x(t)');
axis([-0.2,0.2, -0.5, 1.5]);

C) OPERATIONS SUR LES SIGNAUX

1) Inversion ou Retournement
Inverser un signal s(t) revient à le représenter en s(-t).
Exemple :

2) Translation
s(t-τ) est une translation de s(t) de τ :

11
ERN
1ACI Pr K.BENKIRANE

si τ>0, vers les t positifs

si τ<0, vers les t négatifs

Pour une fenêtre de largeur T , d’amplitude A et de retard  :

 T T
0, si t     et t   

Arect[(t-)/T]
t - 
 2 2
Arect( ) A
T A, si t  T   et t   T  

 2 2
0
0 -T/2  +T/2

A.tri[(t-)/T]
A

t - 1 - t -  , si t    T
tri( )
T 0, sinon 0
0 -T  +T

3) Inversion et Translation

4) Convolution
On appelle produit de convolution de deux signaux x(t) et y(t), et noté : x(t)*y(t),
l’expression
+∞
𝑥(𝑡) ∗ 𝑦(𝑡) = ∫ 𝑥(𝜏). 𝑦(𝑡 − 𝜏)𝑑𝜏
−∞
Propriétés :
 L’impulsion de Dirac représente l’élément neutre de la convolution :
𝒙(𝒕) ∗ 𝜹(𝒕) = 𝒙(𝒕)
 La convolution est commutative :
𝒙(𝒕) ∗ 𝒚(𝒕) = 𝒚(𝒕) ∗ 𝒙(𝒕)
 La convolution est associative :
𝒙(𝒕) ∗ 𝒚(𝒕) ∗ 𝒛(𝒕) = (𝒙(𝒕) ∗ 𝒚(𝒕)) ∗ 𝒛(𝒕) = 𝒙(𝒕) ∗ (𝒚(𝒕) ∗ 𝒛(𝒕))
 La convolution est distributive par rapport à l’addition :
(𝒙(𝒕) + 𝒚(𝒕)) ∗ 𝒛(𝒕) = 𝒙(𝒕) ∗ 𝒛(𝒕) + 𝒚(𝒕) ∗ 𝒛(𝒕)
 Décalage du signal :

12
ERN
1ACI Pr K.BENKIRANE

𝒙(𝒕) ∗ 𝜹(𝒕 − 𝒕𝟎 ) = 𝒙(𝒕 − 𝒕𝟎 )

 Périodisation d’un signal :
+∞ +∞

𝒙(𝒕) ∗ ∑ 𝜹(𝒕 − 𝒌𝑻𝒆 ) = ∑ 𝒙(𝒕 − 𝒌𝑻𝒆 )

𝒌=−∞ 𝒌=−∞
Remarque :
Pour effectuer un produit de convolution : 𝒉(𝒕) ∗ 𝒙(𝒕), il faut suivre les opérations
suivantes :
 Retournement : h(u) → h(−τ )
 Translation : h(−τ) → h(t − τ )
 Multiplication : h(t − τ ).x(τ )
+∞
 Intégration : 𝒉(𝒕) ∗ 𝒙(𝒕) = ∫−∞ 𝐡(𝐭 − 𝛕 ). 𝐱(𝛕 )𝐝 𝛕

Exemple
Calculer le produit de convolution des signaux suivants

13
ERN
1ACI Pr K.BENKIRANE

Exemple 2
𝝅𝑻 (𝒕) ∗ 𝝅𝑻 (𝒕) = 𝑻∆𝑻 (𝒕)

Remarque :
Pour les signaux à puissance finie, la convolution s’écrit :
𝑻
𝟏 𝟐
𝒛(𝒕) = 𝒙(𝒕) ∗ 𝒚(𝒕) = 𝐥𝐢𝐦 ∫ 𝐱(𝛕 ). 𝐲(𝐭 − 𝛕 )𝐝 𝛕
𝑻→+∞ 𝑻 𝑻
−
𝟐
Si, de plus les signaux sont périodiques de même période T0.

𝑻𝟎
𝟏 𝟐
𝒛(𝒕) = 𝒙(𝒕) ∗ 𝒚(𝒕) = ∫ 𝐱(𝛕 ). 𝐲(𝐭 − 𝛕 )𝐝 𝛕
𝑻𝟎 𝑻
− 𝟎
𝟐
5) Corrélation

Ce produit scalaire mesure les similitudes en forme et position des signaux.

Ces similitudes peuvent évoluer au cours du temps.
En plus, cette notion permet de restituer l’énergie d’interaction entre les signaux
Si l’intercorrélation est nulle, on dit que les signaux sont décorrélés ou orthogonaux.

 Signaux à énergie finie

a) Intercorrélation
+∞ +∞
𝜞𝒙𝒚 (𝝉) = 𝜸𝒙𝒚 (𝝉) = 𝑪𝒙𝒚 (𝝉) = ∫ 𝐱(𝐭 ). 𝐲 ∗ (𝐭 − 𝛕 )𝐝 𝐭 = ∫ 𝐱(𝐭 + 𝛕). 𝐲 ∗ (𝐭 )𝐝 𝐭
−∞ −∞

b) Autocorrélation

+∞ +∞
𝜞𝒙𝒙 (𝝉) = 𝜸𝒙𝒙 (𝝉) = 𝑪𝒙𝒙 (𝝉) = ∫ 𝐱(𝐭 ). 𝐱 ∗ (𝐭 − 𝛕 )𝐝 𝐭 = ∫ 𝐱(𝐭 + 𝛕). 𝐱 ∗ (𝐭 )𝐝 𝐭
−∞ −∞

Propriétés
 Pour les signaux réels la fonction Cxx est paire,
𝑪𝒙𝒙 (−𝒕) = 𝑪𝒙𝒙 (𝒕)
+∞
 𝑪𝒙𝒙 (𝟎) = ∫−∞ 𝐱(𝐭 ). 𝐱 ∗ (𝐭 )𝐝 𝐭 = 𝐄𝐱 Energie de x(t)

 ∀ 𝑡 , on a : 𝑪𝒙𝒙 (𝒕) ≤ 𝑪𝒙𝒙 (𝟎) (valeur maximale à t = 0)

 Relation entre convolution et corrélation :
𝑪𝒙𝒙 (𝝉) = 𝒙(𝝉) ∗ 𝒙∗ (−𝝉), et 𝑪𝒙𝒚 (𝝉) = 𝒙(𝝉) ∗ 𝒚∗ (−𝝉)

Dans le cas des signaux réels, on a :

14
ERN
1ACI Pr K.BENKIRANE

𝑪𝒙𝒙 (𝝉) = 𝒙(𝝉) ∗ 𝒙(−𝝉), et 𝑪𝒙𝒚 (𝝉) = 𝒙(𝝉) ∗ 𝒚(−𝝉)

 Signaux à énergie infinie (à puissance finie)

Ces signaux possèdent une énergie infinie et sont de ce fait physiquement irréalisables.
Ils constituent toutefois une abstraction commode permettant de modéliser des
catégories importantes de signaux ayant un comportement quasi-permanent. C'est le cas
des signaux périodiques ou quasi-périodiques usuels.
𝑻
𝟏 𝟐
𝜞𝒙𝒚 (𝝉) = 𝜸𝒙𝒚 (𝝉) = 𝑪𝒙𝒚 (𝝉) = 𝐥𝐢𝐦 ∫ 𝐱(𝐭 ). 𝐲 ∗ (𝐭 − 𝛕 )𝐝 𝐭
𝑻→+∞ 𝑻 −𝑻
𝟐

𝑻
𝟏 𝟐
𝜞𝒙𝒙 (𝝉) = 𝜸𝒙𝒙 (𝝉) = 𝑪𝒙𝒙 (𝝉) = 𝐥𝐢𝐦 ∫ 𝐱(𝐭 ). 𝐱 ∗ (𝐭 − 𝛕 )𝐝 𝐭
𝑻→+∞ 𝑻 −𝑻
𝟐
Si de plus x(t) et y(t) sont périodiques, de même période T0
𝑻𝟎
𝟏 𝟐
𝜞𝒙𝒚 (𝝉) = 𝜸𝒙𝒚 (𝝉) = 𝑪𝒙𝒚 (𝝉) = ∫ 𝐱(𝐭 ). 𝐲 ∗ (𝐭 − 𝛕 )𝐝 𝐭
𝑻𝟎 −𝑻𝟎
𝟐

𝑻𝟎
𝟏 𝟐
𝜞𝒙𝒙 (𝝉) = 𝜸𝒙𝒙 (𝝉) = 𝑪𝒙𝒙 (𝝉) = ∫ 𝐱(𝐭 ). 𝐱 ∗ (𝐭 − 𝛕 )𝐝 𝐭
𝑻𝟎 −𝑻𝟎
𝟐

Remarque : Pour 𝜏 = 0,
𝑻 𝑻
𝟏 𝟐 𝟏 𝟐
𝑪𝒙𝒙 (𝟎) = 𝐥𝐢𝐦 ∫ 𝐱(𝐭 ). 𝐱 ∗ (𝐭)𝐝 𝐭 = 𝐥𝐢𝐦 ∫ |𝐱(𝐭)|𝟐 𝐝 𝐭
𝑻→+∞ 𝑻 −𝑻 𝑻→+∞ 𝑻 −𝑻
𝟐 𝟐
= 𝐏𝐱(𝐭) 𝐏𝐮𝐢𝐬𝐬𝐚𝐧𝐜𝐞 𝐝𝐞 𝐱(𝐭)

𝑻𝟎 𝑻𝟎
𝟏 𝟐 𝟏 𝟐
𝑪𝒙𝒙 (𝟎) = ∫ 𝐱(𝐭 ). 𝐱 ∗ (𝐭)𝐝 𝐭 = ∫ |𝐱(𝐭)|𝟐 𝐝 𝐭 = 𝐏𝐱(𝐭) 𝐏𝐮𝐢𝐬𝐬𝐚𝐧𝐜𝐞 𝐝𝐞 𝐱(𝐭)
𝑻𝟎 −𝑻𝟎 𝑻𝟎 −𝑻𝟎
𝟐 𝟐

𝑻
𝟏 𝟐
𝑪𝒙𝒚 (𝟎) = 𝐥𝐢𝐦 ∫ 𝐱(𝐭 ). 𝐲 ∗ (𝐭)𝐝 𝐭 = 𝐏𝐱𝐲(𝐭) 𝐢𝐧𝐭𝐞𝐫𝐏𝐮𝐢𝐬𝐬𝐚𝐧𝐜𝐞
𝑻→+∞ 𝑻 −𝑻
𝟐

𝑻𝟎
𝟏 𝟐
𝑪𝒙𝒚 (𝟎) = ∫ 𝐱(𝐭 ). 𝐲 ∗ (𝐭)𝐝 𝐭 = 𝐏𝐱𝐲(𝐭) 𝐢𝐧𝐭𝐞𝐫𝐏𝐮𝐢𝐬𝐬𝐚𝐧𝐜𝐞
𝑻𝟎 −𝑻𝟎
𝟐

Résumé de quelques propriétés

𝑪𝒙𝒚 (𝝉) = 𝑪∗𝒚𝒙 (−𝝉)

𝑪𝒙 (𝝉) = 𝑪∗𝒙 (−𝝉)

15
ERN
1ACI Pr K.BENKIRANE

𝟐
|𝑪𝒙𝒚 (𝝉)| ≤ 𝑪𝒙 (𝟎). 𝑪𝒚 (𝟎)

|𝑪𝒙 (𝝉)| ≤ 𝑪𝒙 (𝟎) = 𝑷𝒙

16
ERN
1ACI Pr K.BENKIRANE

Série Signaux continus

Exercice 1

Exprimer la fonction échelon unité sous forme d’une fonction signe d’amplitude
judicieusement choisie et d’une constante.

Echelon unité : u(t) = 1 ; t > 0 ; u(t)=0 ; t<0

Signe : sgn(t)=1 ; t>0 ; sgn(t)=-1 ; t<0

1 1
𝑢(𝑡) = + 𝑠𝑔𝑛(𝑡)
2 2
Exercice 2

Représenter temporellement les signaux suivants :

1; |𝑡| < 2
a) 𝑥(𝑡) = 4. 𝜋4 (𝑡 − 3) 𝜋4 (𝑡) = {
0; 𝑠𝑖𝑛𝑜𝑛

Translation à droite de 3

b) 𝑥(𝑡) = 3.∧4 (𝑡 + 4)

0 |𝑡| > 𝑇

𝑡
∆ 𝑇 (𝑡) = 1− 0<𝑡<𝑇
𝑇
𝑡
{1+ 𝑇
−𝑇 <𝑡 <0

17
ERN
1ACI Pr K.BENKIRANE

Translation à gauche
demi-ouverture 4: 3. ∆4 (𝑡)

c) 𝑥(𝑡) = 𝛿(𝑡 − 5)
𝛿(𝑡) 𝛿(𝑡 − 5)

1
d) 𝑥(𝑡) = 3. 𝑢(𝑡 + 2)

1 1
e) 𝑥(𝑡) = 3. 𝑢 (𝑡 − 2) − 2. 𝑢 (𝑡 + 2)
1 1
𝑥1(𝑡) = 3. 𝑢 (𝑡 − ) = 3 ; 𝑡 >
2 2
1 1
𝑥2(𝑡) = −2. 𝑢 (𝑡 + 2) = −2; 𝑡 > − 2

18
ERN
1ACI Pr K.BENKIRANE
1
𝑡 < − ; 𝑥1(𝑡) = 𝑥2(𝑡) = 0; ; 𝑥(𝑡) = 0
2
1
𝑡 > ; 𝑥1(𝑡) = 3; 𝑥2(𝑡) = −2; ; 𝑥(𝑡) = 1
2
1 1
− < 𝑡 < ; 𝑥1(𝑡) = 0; 𝑥2(𝑡) = −2; ; 𝑥(𝑡) = −2
2 2

Exercice 3

1) Montrer que rect(t) = u(t + 1/2) − u(t−1/2). u(t) étant la fonction de heaviside.
𝑡
𝑟𝑒𝑐𝑡𝑇 (𝑡) = 𝜋𝑇 (𝑡) = 𝑟𝑒𝑐𝑡 ( )
𝑇
𝑟𝑒𝑐𝑡 (𝑡); 𝑇 = 1

1 1
−𝑢 (𝑡 − ) = −1 ; 𝑡 >
2 2
1 1
𝑢 (𝑡 + 2) = 1; 𝑡 > − 2

2) Montrer que rect(t/T) = u(t + T/2) − u(t−T/2).

3) Exprimer à l’aide de seules fonctions sgn(t), la fonction x(t) = 3.rect2(t−4).

1; 𝑡 > 0
𝑠𝑔𝑛(𝑡) = {
−1; 𝑡 < 0

3 ; 3<𝑡<5
3. rect 2 (t − 4). = {
0 ; 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠
1; 𝑡 > 3
𝑠𝑔𝑛(𝑡 − 3) = {
−1; 𝑡 < 3

1; 𝑡 > 5
𝑠𝑔𝑛(𝑡 − 5) = {
−1; 𝑡 < 5
−1; 𝑡 > 5
−𝑠𝑔𝑛(𝑡 − 5) = {
+1; 𝑡 < 5
19
ERN
1ACI Pr K.BENKIRANE
0 ; 𝑡 > 5; 𝑡 < 3
𝑠𝑔𝑛(𝑡 − 3) − 𝑠𝑔𝑛(𝑡 − 5) = { = rect 2 (t − 4)
2 ;3 < 𝑡 < 5

3. rect 2 (t − 4). = 1,5. [𝑠𝑔𝑛(𝑡 − 3) − 𝑠𝑔𝑛(𝑡 − 5)]

Exercice 4

Effectuer les opérations suivantes :

a) 𝛿(𝑡 − 3) ∗ cos(100. 𝜋. 𝑡)
Décalage 𝛿(𝑡 − 𝑡𝑜) ∗ x(𝑡) = 𝑥(𝑡 − 𝑡𝑜)
𝛿(𝑡 − 3) ∗ cos(100. 𝜋. 𝑡) = cos(100. 𝜋. (𝑡 − 3)) = cos(100. 𝜋. 𝑡)
b) 𝛿(𝑡 − 3) ∗ 𝛿(𝑡 + 4) = 𝛿(𝑡 − 3 + 4) = 𝛿(𝑡 + 1)
c) 𝛿(𝑡). cos(100. 𝜋. 𝑡) = 𝛿(𝑡). cos(100. 𝜋. 0) = 𝛿(𝑡)
d) ∧2 (𝑡) ∗ 𝛿4 (𝑡) = ∑𝑘∈𝑍 ∧2 (𝑡 − 𝑘. 4)
+∞ +∞

𝒙(𝒕) ∗ ∑ 𝜹(𝒕 − 𝒌𝑻𝒆 ) = ∑ 𝒙(𝒕 − 𝒌𝑻𝒆 )

𝒌=−∞ 𝒌=−∞

20
ERN
1ACI Pr K.BENKIRANE

∧2 (𝑡 − 𝑘. 4)
+∞ +∞
e) ∫−∞ 𝛿(𝑡 + 3) . cos(100. 𝜋. 𝑡). 𝑑𝑡 = ∫−∞ 𝛿(𝑡 + 3) . cos(100. 𝜋. (−3)). 𝑑𝑡 =
+∞
∫−∞ 𝛿(𝑡 + 3) . 1. 𝑑𝑡 = 1 𝑝𝑎𝑟 𝑑é𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛
Exercice 5
Soient les signaux x(t) et y(t) représentés sur les figures 1 et 2.

Figure 1 figure 2
1. Calculer, pour chacun des signaux, son énergie totale et sa puissance totale
2. En prenant T= 4, tracer les signaux suivants : x(t-2) ; y(t+4) ; y(2t) ; z(t)= x(t-
1)+2.y(t+1)
3. A quel type de signaux appartient z(t) énergétiquement ?
𝑻
+∞ +
𝑬𝒙(𝒕) = ∫−∞ |𝒙(𝒕)|𝟐 . 𝒅𝒕 = ∫ 𝑻𝟐|𝑨|𝟐 . 𝒅𝒕 = 𝑨𝟐 . 𝑻 Energie finie
−
𝟐

𝑻𝒐 𝑻
𝟏 +𝟐 𝟏 +𝟐 𝟐
𝑷𝒙(𝒕) = 𝐥𝐢𝐦 ∫ |𝒙(𝒕)|𝟐 . 𝒅𝒕 = 𝐥𝐢𝐦 ∫ |𝑨| . 𝒅𝒕
𝑻𝒐→+∞ 𝑻𝒐 −𝑻𝒐 𝑻𝒐→+∞ 𝑻𝒐 −𝑻
𝟐 𝟐

21
ERN
1ACI Pr K.BENKIRANE
𝟏
𝑷𝒙(𝒕) = 𝐥𝐢𝐦 . 𝑨𝟐 . 𝑻 → 𝟎 Puissance nulle
𝑻𝒐→+∞ 𝑻𝒐

0 |𝑡| > 2

𝑡
𝐴. ∆ 𝑇 (𝑡) = 𝐴 1− 0<𝑡<2
2
𝑡
{1+ 2
−2<𝑡 <0

0 |2𝑡| > 2; |𝑡| > 1

𝐴. ∆ 𝑇 (2. 𝑡) = 𝐴. {
1−𝑡 0 < 2𝑡 < 2 ; 0 < 𝑡 < 1
1+𝑡 −1<𝑡 <0

22
ERN
1ACI Pr K.BENKIRANE

Compression du signal
Contraire est une dilatation du signal

z(t) est un signal à énergie finie

Exercice 6
Soit x(t) un signal carré logique TTL (état bas : 0V ; état haut : 5V) de rapport cyclique 1/2 et
de période T=0,1s.
1) Calculer son énergie sur une période. En déduire son énergie totale.
2) Calculer sa puissance moyenne.

23
ERN
1ACI Pr K.BENKIRANE
+∞
𝑬𝒙(𝒕) = ∫ |𝒙(𝒕)|𝟐 . 𝒅𝒕 → +∞
−∞
𝑻 𝑻
𝟏 +𝟐 𝟏 +𝟐
𝑷𝒙(𝒕) = ∫ |𝒙(𝒕)|𝟐 . 𝒅𝒕 = ∫ 𝟓𝟐 . 𝒅𝒕 = 𝟏𝟐, 𝟓 𝑾
𝑻 −𝑻 𝑻 𝟎
𝟐

Ce signal appartient à la catégorie des signaux à énergie infinie

Convolution et corrélation

Exercice 7

Montrer que la convolution d’un signal e(t) avec la fonction rectangle définie par :

1 𝑡 − 𝑡0
ℎ(𝑡) = 𝑟𝑒𝑐𝑡( )
𝑇 𝑇
(centrée sur t0, d’amplitude 1/T et de largeur T), avec t0=-T/2, correspond à un filtrage de type
moyenneur

Réponse

+∞ 1 +∞ 𝜏−𝑡−𝑇⁄2 1 +∞
𝑠(𝑡) = ∫−∞ ℎ(𝑡 − 𝜏). 𝑒(𝜏). 𝑑𝜏 = 𝑇 ∫−∞ 𝑟𝑒𝑐𝑡( ). 𝑒(𝜏). 𝑑𝜏 = 𝑇 ∫−∞ 𝑒(𝜏) . 𝑑𝜏
𝑇

Le résultat est la définition de la moyenne mobile

Exercice 8

1) Déterminer la réponse indicielle (réponse à un signal échelon de Heaviside) d’un circuit RC dont la
réponse impulsionnelle est définie par :

1 𝑡
𝑒𝑥𝑝 (− ) ; 𝑝𝑜𝑢𝑟 𝑡 ≥ 0
ℎ(𝑡) = { 𝑅𝐶 𝑅𝐶
0 ; 𝑝𝑜𝑢𝑟 𝑡 < 0

24
ERN
1ACI Pr K.BENKIRANE

Exercice 9

1) Déterminer la réponse d’un circuit RC à une rampe de pente 1, à partir de sa réponse

impulsionnelle :
Réponse :

25
ERN
1ACI Pr K.BENKIRANE

Exercice 10

On considère le signal sinusoïdal suivant :

𝑥(𝑡) = sin(𝜔0 𝑡)

Calculer sa fonction d’autocorrélation, et la représenter.

Exercice 11

Soit le signal défini par :

𝐴
𝑥(𝑡) = . 𝑡. [𝑢(𝑡) − 𝑢(𝑡 − 𝑇)]
𝑇
1) Représenter ce signal.
2) Calculer sa fonction d’autocorrélation, et la représenter.
3) En déduire son énergie.

26
ERN
1ACI Pr K.BENKIRANE

27
ERN
1ACI Pr K.BENKIRANE

Exercice 12

3) On utilise directement la propriété selon laquelle la fonction d’autocorrélation en 0 est égale à

l’énergie du signal, soit ici T.

28
ERN
1ACI Pr K.BENKIRANE

29