THEORIE ET

TRAITEMENT
DU SIGNAL

20/03/2012 RAPHAËL SASPORTAS

Théorie et traitement du signal

R A P H A Ë L S A S P O R TA S
 Théorie et traitement du signal

COURS 1. INTRODUCTION ................................................................2

1.1 Définitions ...................................................................................2
1.2 Domaines et exemples d’applications ........................................5
1.3 Signaux et Systèmes ..................................................................8
COURS 2. LES SYSTEMES LINEAIRES .........................................20
2.1 Introduction ...............................................................................20
2.2 Réponses d’un système ............................................................20
2.3 Propriétés ..................................................................................25
2.4 Systèmes décrits par des équations différentielles ..................26
EXERCICES ....................................ERREUR ! SIGNET NON DEFINI.
COURS 3. ANALYSE DES SIGNAUX...............................................29
3.1 Introduction ...............................................................................29
3.2 Séries de Fourier.......................................................................30
3.3 Transformée de Fourier ............................................................45
3.4 Propriétés de la transformée de Fourier ...................................50
3.5 Bande passante ........................................................................51
COURS 4. ANALYSE DES SYSTEMES ...........................................52
4.1 Introduction ...............................................................................52
4.2 Réponse en fréquence ..............................................................53
4.3 Bande passante d’un système ..................................................56
COURS 5. LES TRAITEMENTS DE BASE ......................................56
5.1 Traitement du signal bruité .......................................................56
5.2 Le filtrage ..................................................................................62
5.3 La modulation ............................................................................64
COURS 6 & 7. INTRODUCTION AU TRAITEMENT NUMERIQUE .66
6.1 Numérisation .............................................................................66
6.2 Analyse spectrale ......................................................................66
6.3 Filtrage ......................................................................................66
7.1 Modulation .................................................................................66
7.2 Transmission .............................................................................66

Page 1
Théorie et traitement du signal

COURS 1. INTRODUCTION
1.1 Définitions

1.1.1 Signal
Un signal est la représentation physique de l’information qu’il transporte de sa
source à son destinataire. Il constitue la manifestation physique d’une
grandeur mesurable (courant, tension, force, température, pression, etc.).
1.1.1.1 EXEMPLES DE SIGNAUX

1.1.1.1.1 Sinusoïde à une fréquence de 1Khz

1.1.1.1.2 Sinusoïde (1Khz) modulée en phase

1.1.1.1.3 Sinusoïde (1Khz) modulée en phase et transposée en

fréquence

Page 2
 Théorie et traitement du signal

1.1.1.1.4 Sinusoïde (1Khz) modulée en fréquence

1.1.1.1.5 Signal audio

1.1.1.1.6 Signal type électrocardiogramme

1.1.1.1.7 Signal bruit (signal indésirable qui dégrade un signal

utile)
- bruits externes : parasites générés par des équipements électriques
industriels
- bruits internes : perturbations impulsionnelles engendrées par des
commutations de courant

Page 3
Théorie et traitement du signal

1.1.2 Théorie et traitement du signal

La théorie du signal est l’ensemble des outils mathématiques qui permettent
de décrire les signaux émis par une source ou modifiés par un système de
traitement des signaux.
Le traitement du signal est la discipline technique qui, s’appuyant sur les
ressources de l’électronique, de l’informatique et la physique appliquée, a pour
objet l’élaboration et l’interprétation des signaux. Son champ d’application se
situe donc dans tous les domaines concernés par la perception, la
transmission ou l’exploitation des informations véhiculées par des signaux.
1.1.2.1 MATRICE THEORIE – TRAITEMENT
Traitements

Elaboration Interprétation

Opérations élémentaires Traitement

Destinataire

Source
Dérivation Source Destinataire
Intégration
Théorie

Calcul matriciel

Corrélation
Convolution
Transformée de Fourier
Transformée de Laplace

Page 4
 Théorie et traitement du signal

1.2 Domaines et exemples d’applications

1.2.1 Télécommunications : téléphonie mobile

Traitements

GSM : Global System for Mobile

communication
BTS : Base Transceiver Station

700 Mhz – 900 Mhz

Elaboration Interprétation

Opérations élémentaires
BTS
Dérivation Interconnexion
Intégration
Contrôle
Théorie

Calcul matriciel
BTS Authentification
Corrélation
Convolution Maintenance

Transformée de Fourier ……
BTS
Transformée de Laplace

1.2.2 Vision industrielle : analyse d’images

Traitements

Système de vision industrielle

- comptage de bouteilles

Elaboration Interprétation

Opérations élémentaires
Dérivation
Intégration
Théorie

Calcul matriciel

Corrélation
Convolution
Transformée de Fourier
Transformée de Laplace

Page 5
Théorie et traitement du signal

1.2.3 Domotique : commande de volets roulants

Traitements

Domotique
- commande de volets roulants

Elaboration Interprétation

Opérations élémentaires
Dérivation
Intégration
Circuit
Théorie

Calcul matriciel de
Corrélation commande
moteur
Convolution
Capteur de Concentrateur
Transformée de Fourier luminosité
Transformée de Laplace

1.2.4 Radar : mesure de vitesses

Traitements

Radar
- mesure de vitesses
- principe doppler-fizeau

Elaboration Interprétation

Opérations élémentaires
Dérivation
Intégration
Théorie

Calcul matriciel

Corrélation
Convolution
Transformée de Fourier
Transformée de Laplace

Page 6
 Théorie et traitement du signal

1.2.5 Traitement d’images : compression de données

Traitements

Compression JPEG

Elaboration Interprétation

72.6 Ko 3.4 Ko
Opérations élémentaires
Compression Décompression
Dérivation
Intégration
Théorie

Calcul matriciel
29 20 14 14 19 21 20 20 72 -30 9 2 1 0 0 0 24 -10 3 1 0 0 0 0 24 -10 3 1 0 0 0 0
Corrélation 20 19 21 30 34 35 19 20 -20 18 -6 0 -1 0 0 0 -7 -6 -2 0 0 0 0 0 -7 -6 -2 0 0 0 0 0
16 21 30 43 20 58 21 20 -6 9 4 1 0 0 0 0 -2 3 1 0 0 0 0 0 -2 3 1 0 0 0 0 0
Convolution 18 19 31 46 20 79 19 20 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
29 20 28 45 20 83 20 20 0 0 0 -1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Transformée de Fourier 31 23 25 44 20 84 23 20 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
29 20 20 20 20 20 20 20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Transformée de Laplace 29 20 20 20 20 20 20 20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

DCT Quantification Codage

1.2.6 Reconnaissance vocale : activation de commandes par la voix

Traitements

Reconnaissance vocale
100 Hz – 5 Khz

Elaboration Interprétation

Opérations élémentaires Télématique

(serveur vocal)
Dérivation Automobile
Reconnaissance (commandes vocales)
Intégration vocale Accès sécurisés
Théorie

Calcul matriciel (empreintes vocales)

Bureautique
Corrélation
(dictées, emails …)
Convolution Traitement
Prétraitement Apprentissage
Transformée de Fourier - amplification Comparaison
[fonction de
- filtrage - phonèmes
Transformée de Laplace l'application]
- échantillonnage - mots

Page 7
Théorie et traitement du signal

1.3 Signaux et S ystèmes

1.3.1 Introduction
Les applications du traitement du signal sont élaborées à partir de signaux et
de systèmes. Pour pouvoir les modéliser on se sert de la description
mathématique et la représentation des signaux et des systèmes.

1.3.2 Classification des signaux

1.3.2.1 SIGNAUX CONTINUS – SIGNAUX DISCRETS
Un signal 𝑥(
) est un signal continu s’il est défini à chaque instant
. Si 𝑥(
)
n’est défini que pour des instants déterminés alors 𝑥(
) est un signal discret.

𝑥(
) 𝑥
𝑥(
)

1.3.2.2 SIGNAUX REELS – SIGNAUX COMPLEXES

Un signal 𝑥(
) est réel si ses valeurs sont réelles ; il est complexe si ses
valeurs sont des nombres complexes.
𝑥 (
) 𝑥1(
) + 𝑗𝑥2 (
) 𝑗2 −1 1.

1.3.2.3 SIGNAUX DETERMINISTES – SIGNAUX ALEATOIRES

Les signaux déterministes sont des signaux dont les valeurs sont connues
quelque soit l’instant t . Il en découle qu’un signal déterministe peut être
modélisé par une fonction (une équation) de
.
Les signaux aléatoires sont des signaux qui ont des valeurs aléatoires en
fonction du temps et sont caractérisés statistiquement.

Page 8
 Théorie et traitement du signal

1.3.2.4 SIGNAUX PAIRS – SIGNAUX IMPAIRS

Un signal 𝑥(
) est pair si 𝑥 (
) 𝑥(−
); un signal 𝑥(
) est impair si 𝑥 (−
)
−𝑥(
) .

𝑥(
)

𝑥(
)

N’importe quel signal 𝑥(
) peut être défini par la somme de deux signaux, un
signal pair et un signal impair :
𝑥 (
) 𝑥𝑝 (
) + 𝑥𝑖 (
) 2.
1
𝑥𝑝 (
) (𝑥 (
) + 𝑥 (−
))
2
1
𝑥𝑖 (
) (𝑥 (
) − 𝑥 (−
))
2

Le produit de deux signaux pairs (ou impairs) est un signal pair ; le produit d’un
signal pair par un signal impair est un signal impair.
𝑥 (
) 𝑥1𝑝 (
)𝑥2𝑝 (
) > 𝑥 (
) 𝑥(−
) 3.

𝑥 (
) 𝑥𝑝 (
)𝑥𝑖 (
)

𝑥 (−
) 𝑥𝑝 (−
)𝑥𝑖 (−
) −𝑥𝑝 (
)𝑥𝑖 (
) −𝑥 (
)

1.3.2.5 SIGNAUX PERIODIQUES ET NON PERIODIQUES

Un signal est dit périodique s’il existe un réel non nul tel que :
𝑥 (
+ ) 𝑥 (
) 𝑝𝑜𝑢𝑟
𝑜𝑢

4.

Page 9
Théorie et traitement du signal

𝑥(
)

2

La période fondamentale 0 d’un signal périodique est la plus petite valeur tel
que :
𝑥 (
+ 0) 𝑥 (
) 𝑝𝑜𝑢𝑟
𝑜𝑢

5.

Un signal constant n’a pas de période fondamentale, il n’est donc pas

considéré comme périodique. Tout signal qui n’est pas périodique est appelé
apériodique.
La somme de deux signaux périodiques n’est pas obligatoirement périodique.
1.3.2.6 ENERGIE ET PUISSANCE
La puissance instantanée d’un signal 𝑥(
)est définie par :

𝑝(
) 𝑥 2 (
) (Watts) 6.

L’énergie élémentaire d’un signal est définie par :

𝑒(
) 𝑝(
)𝑑
(Joules) 7.

L’énergie totale d’un signal est définie par :

+∞
8.
𝐸𝑡𝑜𝑡𝑎𝑙𝑒 ∫ 𝑝(
)𝑑

−∞

Page 10
 Théorie et traitement du signal

La puissance moyenne d’un signal est définie par :

𝑇 9.
1 2
𝑃𝑚𝑜𝑦𝑒𝑛𝑛𝑒 lim ∫ 𝑝(
)𝑑

𝑇→∞ −𝑇
2

1.3.2.6.1 Signal à énergie finie

Un signal est un signal à énergie finie si l’énergie totale du signal est finie :
< 𝐸𝑡𝑜𝑡𝑎𝑙𝑒 < ∞. Il en découle qu’un signal à énergie finie à une puissance
moyenne 𝑃𝑚𝑜𝑦𝑒𝑛𝑛𝑒 .

1.3.2.6.2 Signal à puissance finie

Un signal est un signal à puissance finie si la puissance moyenne du signal est
finie : < 𝑃𝑚𝑜𝑦𝑒𝑛𝑛𝑒 < ∞. Cela implique que l’énergie totale du signal est tel que
𝐸𝑡𝑜𝑡𝑎𝑙𝑒 ∞.

𝑥(
) Pratique Théorique

1.3.2.6.3 Cas d’un signal périodique

Un signal périodique est un signal à puissance moyenne finie si l’énergie du
signal sur une période est finie.

𝑥(
) 𝑥(
)

2 2

Page 11
Théorie et traitement du signal

1.3.3 Les signaux élémentaires

1.3.3.1 ECHELON UNITAIRE
L’échelon unitaire est défini par les équations 10 et 11.
1
≥ 10.
𝑢(
) {

<

1
≥
0 11.
𝑢(
−
0 ) {

<
0

𝑢(
) 𝑢(
)

1 1

0

1.3.3.2 LE SIGNAL PORTE

Le signal porte est défini par les équations 12 et 13.
1 12.
𝑝𝑜𝑢𝑟
∈ [− ; ]
𝑝(
) { 2 2
𝑝𝑜𝑢𝑟
∉ [− ; ]
2 2

1 13.
𝑝𝑜𝑢𝑟
∈ [
0 − ;
0 + ]
𝑝(
−
0 ) { 2 2
𝑝𝑜𝑢𝑟
∉ [
0 − ;
0 + ]
2 2

Page 12
 Théorie et traitement du signal

𝑝(
) 𝑝(
−
0 )

1 1

−

0

2 2

1.3.3.3 L’IMPULSION DE DIRAC

L’impulsion de Dirac est définie par les équations 14 et 15.
𝛿 (
) lim 𝑝(
) 14.
𝑇→0

𝑝𝑜𝑢𝑟
∉
+∞
𝛿 (
) {
∫ 𝛿(
) 𝑑
1
−∞

𝑝𝑜𝑢𝑟
∉
0 15.
+∞
𝛿 (
−
0 ) {
∫ 𝛿(
−
0 ) 𝑑
1
−∞

𝛿(
) +∞ 𝛿(
−
0 ) +∞

1 1

−
−
0

2 2 2 2

Page 13
Théorie et traitement du signal

1.3.3.3.1 Impulsion de Dirac et fonction continue

𝑓 (
): 𝑓𝑜
𝑐
𝑖𝑜
𝑐𝑜

𝑖
𝑢𝑒 16.
+∞
∫ 𝑓 (
)𝛿 (
)𝑑
𝑓( )
−∞

𝑓 (
): 𝑓𝑜
𝑐
𝑖𝑜
𝑐𝑜

𝑖
𝑢𝑒 17.

+∞
∫ 𝑓 (
)𝛿 (
−
0 )𝑑
𝑓(
0 )
−∞

𝛿(
) +∞ 𝛿(
−
0 ) +∞

𝑓(
) 𝑓(
)

1 1

−
−
0

2 2 2 2

1.3.3.3.2 Produit
Le produit d’une fonction par une impulsion de Dirac est :
𝑓 (
)𝛿 (
) 𝑓 ( )𝛿 (
) : impulsion de Dirac de poids 𝑓( ) en 0 18.
𝑓 (
)𝛿 (
−
0 ) 𝑓 (
0 )𝛿 (
−
0 ) : impulsion de Dirac de poids 𝑓(
0 ) en
0

Page 14
 Théorie et traitement du signal

1.3.3.3.3 Impulsion de Dirac et échelon unitaire

La dérivée de l’échelon unitaire est égale à l’impulsion de Dirac
𝑑𝑢(
) 19.
𝛿(
)
𝑑

𝑢(
) 𝑑𝑢(
)
𝑑

1
2
1

− −

1.3.3.4 L’EXPONENTIELLE COMPLEXE

L’exponentielle complexe est définie par :

𝑥 (
) 𝑒 (𝛼+𝑗𝛽)𝑡 𝑒 𝛼𝑡 (𝑐𝑜 𝛽
+ 𝑗 𝑖
𝛽
) 20.

Page 15
Théorie et traitement du signal

1.3.3.5 SIGNAUX SINUSOÏDAUX

Un signal sinusoïdal est défini par :
𝑥 (
) 𝐴𝑐𝑜 (𝜔0
+ 𝜃) 21.

𝐴 réel, amplitude du signal, 𝜔0 est la pulsation en rad/s et 𝜃 la phase en rad.

La période et la fréquence fondamentale sont :
2𝜋 1 22.
0 ( ) 𝑓0 (𝐻𝑧)
𝜔0 0

1.3.4 Classification des systèmes

1.3.4.1 NOTION DE SYSTEME
Un système est un modèle mathématique d’un processus physique
(composant, appareil, machine etc .) qui utilise des signaux d’entrée pour
élaborer des signaux de sortie. Si l’on désigne par x(t) et y(t) les signaux
d’entrée sortie du système alors le système est vu comme un processus de
transformation de x(t) en y(t).

𝑥(
) Système (
)

(
) (𝑥 (
))

TR est considéré comme un opérateur.

Page 16
 Théorie et traitement du signal

1.3.4.2 SYSTEMES TEMPS-CONTINU, SYSTEMES TEMPS-DISCRET

𝑥(
) Système (
) 𝑥
𝑥(
) Système
(
)

1.3.4.3 SYSTEMES AVEC ET SANS MEMOIRES

𝑥(
)

+∞
𝑥(
) 1 2 1
2

𝑥(
)
∫ 𝑥( ) 𝑑
1 + 2 0

1.3.4.4 SYSTEMES LINEAIRES ET NON LINEAIRES

Un système est linéaire lorsqu’il satisfait les deux conditions suivantes :
 Additivité :

(𝑥1 (
) + 𝑥2 (
)) (𝑥1(
)) + (𝑥2 (
)) 23.

 Proportionnalité (changement d’échelle)

(𝛼𝑥 (
)) 𝛼 (𝑥 (
)) 𝛼∈ 24.

Tout système qui ne satisfait pas l’une et/ou l’autre des deux conditions est un
système non linéaire.
1.3.4.5 STABILITE DES SYSTEMES
Un système est considéré comme stable si la valeur absolue de la sortie y(t)
est majorée lorsque la valeur absolue du signal d’entrée x(t) est majorée :

Page 17
Théorie et traitement du signal

|𝑥(
)| ≤ 𝑘1 > | (
)| ≤ 𝑘2 25.

𝑘1𝑒
𝑘2 étant 2 constantes réelles à valeurs finies.
1.3.4.6 SYSTEMES REBOUCLES

𝑥(
) Système (
)

1.3.5 Exemples de systèmes

1.3.5.1 AMPLIFICATEUR / ATTENUATEUR

+
1

2
𝑥(
) -
(
)

1

− 𝑥(
)
2

1.3.5.2 DERIVATEUR

𝑥(
) -
(
)

𝑑𝑥(
)

−
𝑑

Page 18
 Théorie et traitement du signal

1.3.5.3 INTEGRATEUR

𝑥(
) -
(
)

𝑡
1

− ∫ 𝑥
𝑑

0

Page 19
Théorie et traitement du signal

COURS 2. LES SYSTEMES LINEAIRES

2.1 Introduction
Un système linéaire est un système pour lequel la relation entre les grandeurs
d’entrée et de sortie peut se mettre sous la forme d’une opération de
convolution. Dans ce cours sera définie l’opération de convolution ainsi qu’un
rappel des systèmes décrits par des équations différentielles à coefficients
constants.
On s’intéressera aux systèmes linéaires qui se caractérisent par deux
propriétés, la proportionnalité et l’additivité.

2.2 Réponses d’un système

2.2.1 Réponse impulsionnelle

La réponse impulsionnelle d’un système linéaire, qu’on note par ℎ(
), est
définie comme étant le signal de sortie du système lorsque le signal d’entrée
est de type impulsion de Dirac.
ℎ(
) (𝛿(
)) 26.

2.2.2 Réponse à un signal quelconque

Soit 𝑥(
) le signal d’entrée d’un système linéaire, 𝑥(
) peut s’exprimer sous la
forme :
+∞
27.
𝑥 (
) ∫ 𝑥( )𝛿 (
− )𝑑
−∞

Comme le système est linéaire, la réponse (
) du système au signal d’entrée

𝑥(
) est :

Page 20
 Théorie et traitement du signal

(
) (𝑥 (
)) 28.

+∞ +∞
(∫ 𝑥 ( )𝛿 (
− )𝑑 ) ∫ 𝑥( ) (𝛿 (
− ))𝑑
−∞ −∞

Il en découle l’équation fondamentale de (
) :

+∞
29.
𝒚(𝒕) ∫ 𝒙(𝝉)𝒉(𝒕 − 𝝉)𝒅𝝉
−∞

2.2.3 La convolution
L’intégrale qui permet de calculer (
) est appelée opération de convolution ;
l’opérateur de convolution est symbolisé par * .
+∞
30.
𝒚(𝒕) 𝒙(𝒕) ∗ 𝒉(𝒕) ∫ 𝒙(𝝉)𝒉(𝒕 − 𝝉)𝒅𝝉
−∞

𝛿(
) ℎ(
)
Système
𝑥(
)
𝑥
∗ ℎ(
)

2.2.4 Propriétés de la convolution

2.2.4.1 COMMUTATIVE
𝑥 (
) ∗ ℎ(
) ℎ(
) ∗ 𝑥(
) 31.
+∞ +∞
∫ 𝑥 ( )ℎ(
− )𝑑 ∫ 𝑥 (
− )ℎ ( )𝑑
−∞ −∞

2.2.4.2 ASSOCIATIVE

Page 21
Théorie et traitement du signal

(𝑥 (
) ∗ ℎ1 (
)) ∗ ℎ2 (
) 𝑥 (
) ∗ (ℎ1 (
) ∗ ℎ2 (
)) 32.

2.2.4.3 DISTRIBUTIVE
𝑥 (
) ∗ (ℎ1 (
) + ℎ2 (
)) 𝑥 (
) ∗ ℎ1(
) + 𝑥(
) ∗ ℎ2 (
) 33.

2.2.5 Etapes de calcul de la convolution

La convolution est une opération qui s’effectue en 4 étapes :
2.2.5.1.1 Etape 1 :
La réponse impulsionnelle ℎ( ) est transformée en ℎ(− ) et décalée de
pour
obtenir ℎ(
− ) qui est une fonction de avec
comme paramètre
2.2.5.1.2 Etape 2 :
Le signal 𝑥( ) et ℎ(
− ) sont multipliés pour toutes les valeurs de avec

fixé à une valeur
2.2.5.1.3 Etape 3 :
Le produit 𝑥( )ℎ(
− ) est intégré pour toutes les valeurs de afin de produire
une valeur de sortie (
)
2.2.5.1.4 Etape 4 :
Les étapes 1 2 et 3 sont répétées pour
allant de −∞ à + ∞ afin d’obtenir
toutes les valeurs de sortie (
)

Page 22
 Théorie et traitement du signal

+∞


∫ 𝑥 ℎ
− 𝑑
−∞
+∞
ℎ( ) 𝑥( )
0

0 ∫ 𝑥 ℎ − 𝑑
−∞

+∞


1 ∫ 𝑥 ℎ
1 − 𝑑

1 1 −∞
ℎ(− ) ℎ(
1 − )

1 +∞

2 2

2 ∫ 𝑥 ℎ
2 − 𝑑
ℎ(
2 − ) −∞

2 +∞



∫ 𝑥 ℎ
− 𝑑
ℎ(
− ) −∞

ℎ(
− )

2.2.5.1.5 Exemple :
ℎ(
) 𝑢(
)𝑒 −𝛼𝑡 𝛼 >
ℎ(
)

1,
∈[ , ]
𝑥 (
) {
,
∉[ , ] 𝑥(
)

Page 23
Théorie et traitement du signal

+∞
(
) ∫ 𝑥 ( )ℎ (
− )𝑑
−∞
+∞ 𝑇
−𝛼(𝑡−𝜏)
∫ 𝑥 ( )𝑢(
− )𝑒 𝑑 ∫ 𝑢(
− )𝑒 −𝛼(𝑡−𝜏)𝑑
−∞ 0

≤
>
𝑡 𝑇
−𝛼(𝑡−𝜏)
(
) ∫ 1×𝑒 𝑑 (
) ∫ 1 × 𝑒 −𝛼(𝑡−𝜏)𝑑
0 0
𝑇
+∫ × 𝑒 −𝛼(𝑡−𝜏) 𝑑
𝑡

𝑡 1 ∝𝜏 𝑡 −∝𝑡
𝑇
(
) 𝑒 −∝𝑡
∫ 𝑒 𝑑 𝛼𝜏
𝑒 −∝𝑡
[ 𝑒 ] (
) 𝑒 ∫ 𝑒 𝛼𝜏 𝑑
0 ∝ 0 0

−∝𝑡
1 ∝𝜏 𝑇
𝑒 [ 𝑒 ]
∝ 0

−∝𝑡
1 ∝𝜏 𝑡 −∝𝑡
1 1 1 ∝𝜏 𝑇
(
) 𝑒 [ 𝑒 ] 𝑒 ( 𝑒 ∝𝑡 − ) (
) 𝑒 −∝𝑡
[ 𝑒 ]
∝ 0 ∝ ∝ ∝ 0
1 1
𝑒 −∝𝑡 ( 𝑒 ∝𝑇 − )
∝ ∝
1 1 −∝𝑡 ∝𝑇
(
) (1 − 𝑒 −∝𝑡 ) (
) 𝑒 (𝑒 − 1)
∝ ∝

(
)

Page 24
 Théorie et traitement du signal

2.2.6 Réponse à un échelon

La réponse d’un système linéaire à un échelon est définie par la réponse (
)
obtenue à partir d’une entrée 𝑢(
) (échelon unitaire) :
+∞ 𝑡
34.
(
) 𝑢(
) ∗ ℎ (
) ∫ ℎ ( )𝑢(
− )𝑑 ∫ ℎ( )𝑑
−∞ −∞

La réponse à un échelon unitaire permet de caractériser le système, c'est-à-

dire de déterminer sa réponse impulsionnelle. En effet l’équation permet de
trouver la réponse impulsionnelle ℎ(
) :
𝑑 (
) 35.
ℎ(
)
𝑑

2.3 Propriétés

2.3.1 Causalité
Un système linéaire est causal lorsqu’il ne tient compte d’une entrée qu’au
moment où elle se produit ; autrement dit la sortie du système à un instant t
n’est fonction que de l’entrée à l’instant t et des valeurs passées du signal
d’entrée.
Un système linéaire est caractérisé par une réponse impulsionnelle telle que :
ℎ(
) 𝑝𝑜𝑢𝑟
< 36.
Et la sortie y(t) devient :
+∞
37.
(
) ∫ 𝑥 (
− )ℎ ( )𝑑
0

La sortie y(t) peut également s’écrire :

𝑡
38.
∫ 𝑥 ( )ℎ(
− )𝑑
−∞

Si de plus le signal x(t) est causal, c’est-à-dire x(t)=0 pour t <0 alors on a :
𝑡 39.
(
) ∫ 𝑥( )ℎ(
− )𝑑
0

Page 25
Théorie et traitement du signal

2.3.2 Systèmes avec ou sans mémoire

La sortie y(t) d’un système sans mémoire ne dépend que de l’entrée x(t), si de
plus le système est linéaire alors la sortie ne peut être que de la forme :
(
) 𝐾𝑥(
) 40.
K est une constante appelée gain.
Il s’ensuit que la réponse impulsionnelle d’un système linéaire sans mémoire
est :
ℎ (
) 𝐾𝛿(
) 41.
On en déduit que si un système linéaire a une mémoire alors :
ℎ(
≠ ) ≠ 42.

2.3.3 Stabilité
Le système est du type BIBO(bounded input / bounded output) si sa réponse
impulsionnelle est complètement intégrable :
+∞
43.
∫ |ℎ( )|𝑑 < ∞
−∞

2.4 Systèmes décrits par des équations différentielles

2.4.1 Introduction
Un système linéaire est un système pour lequel les relations entre les
grandeurs d’entrée et de sortie peuvent se mettre sous la forme d’un ensemble
d’équations différentielles à coefficients constants.

2.4.2 Equations différentielles linéaires à coefficients cons tants

L’équation différentielle générale, d’ordre 𝑁, à coefficients constants est de la
forme:
𝑁 𝑀 44.
𝑑 𝑘 (
) 𝑑 𝑘 𝑥(
)
𝑎𝑘 𝑏𝑘
𝑑
𝑘 𝑑
𝑘
𝑘=0 𝑘=0

Page 26
 Théorie et traitement du signal

Les coefficients 𝑎𝑘 et 𝑏𝑘 sont des constantes réelles. L’ordre 𝑁 correspond à

la dérivée d’ordre le plus élevé de (
).
Par exemple un circuit RC :

𝑥(
)

est un système qui est décrit par l’équation différentielle suivante :

1 𝑑 (
) 1 45.
(
) + 𝑥(
)
𝑑

2.4.3 Linéarité
Un système décrit par une équation différentielle à coefficients constants est
linéaire si les conditions initiales sont nulles.
2.4.3.1 EXEMPLE :
Soit l’équation différentielle 46.
𝑑 (
) 46.
+ 𝑎 (
) 𝑥(
)
𝑑

𝑥 (
) 𝐾𝑒 −𝑏𝑡 𝑢(
)
La solution y(t) est de la forme :
𝐾 𝐾 47.
(
) ( ( )− ) 𝑒 −𝑎𝑡 + 𝑒 −𝑏𝑡
𝑎−𝑏 𝑎−𝑏
Si x(t) = 0 pour tout t alors K = 0 et si le système est linéaire y(t) doit être nul
pour tout t, ce qui implique y(0)=0.

2.4.4 Réponse impulsionnelle

La réponse impulsionnelle d’un système linéaire décrit par l’équation satisfait
l’équation différentielle

Page 27
Théorie et traitement du signal

𝑁 𝑀 48.
𝑑 𝑘 ℎ(
) 𝑑 𝑘 𝛿(
)
𝑎𝑘 𝑏𝑘
𝑑
𝑘 𝑑
𝑘
𝑘=0 𝑘=0

2.4.4.1 EXEMPLE :
Soit l’équation différentielle :
𝑑 (
) 49.
+ 𝑎 (
) 𝑥(
)
𝑑

La réponse impulsionnelle doit satisfaire l’équation :
𝑑ℎ(
) 50.
+ 𝑎ℎ(
) 𝛿(
)
𝑑

La solution de l’équation différentielle est :
ℎ(
) 𝑒 −𝑎𝑡 𝑢(
) 51.
On remarque que ℎ0 (
) 𝑒 −𝑎𝑡 est la solution de l’équation différentielle :
𝑑ℎ0 (
) 52.
+ 𝑎ℎ0 (
)
𝑑

La multiplication par l’échelon unitaire permet d’obtenir l’impulsion de Dirac à
t=0 car :
𝑑ℎ(
) 𝑑𝑢(
) 𝑑ℎ0 (
) 53.
ℎ0 (
) + 𝑢(
)
𝑑
𝑑
𝑑

𝑑ℎ0 (
)
ℎ0 ( )𝛿 (
) + 𝑢(
)
𝑑

𝑑ℎ0 (
)
𝛿 (
) + 𝑢(
)( + 𝑎ℎ0 (
)) 𝛿 (
)
𝑑

Page 28
 Théorie et traitement du signal

COURS 3. ANALYSE DES SIGNAUX

3.1 Introduction
En traitement du signal l’analyse des signaux consiste principalement à
caractériser les signaux dans le domaine fréquentiel. L’analyse des signaux va
permettre d’identifier le contenu spectral d’un signal.

3.1.1 Domaine temporel – domaine fréquentiel

(𝜔)

2𝜋 × 1𝑘ℎ𝑧 𝜔 2𝜋𝑓

(𝜔)

2𝜋 × 2𝑘ℎ𝑧 𝜔 2𝜋𝑓

Page 29
Théorie et traitement du signal

(𝜔)

2𝜋 × 1𝑘ℎ𝑧 2𝜋 × 2𝑘ℎ𝑧 𝜔 2𝜋𝑓

3.2 Séries de Fourier des signaux périodiques

3.2.1 Signaux périodiques (rappel)

54.

55.

3.2.2 Séries de Fourier complexes

Soit 𝑥(
) un signal périodique, la représentation de 𝑥(
) sous forme d’une série
de Fourier complexe est :
56.

Les coefficients 𝑐𝑘 sont appelés coefficients complexes de Fourier et sont

définis par :
57.

Page 30
 Théorie et traitement du signal

58.

59.

3.2.3 Séries de Fourier trigonométriques

La représentation sous forme d’une série de Fourier trigonométrique d’un
signal périodique 𝑥(
) est :
60.

Les coefficients 𝑎𝑘 et 𝑏𝑘 sont définis par :

61.

Ces coefficients sont liés aux coefficients 𝑐𝑘 (série de Fourier complexe) par :
62.

Si 𝑥(
) est signal réel alors les coefficients 𝑎𝑘 et 𝑏𝑘 sont réels et définis par :
63.

3.2.3.1.1 Exemple 1:

Page 31
Théorie et traitement du signal

Soit 𝑥(
) un signal réel périodique de période 0 défini par : 𝑥 (
)

𝑇0
1, ≤
<
2
{ 𝑇0 .
, ≤
< 0
2

On cherche à représenter 𝑥(
) sous forme d’une série de Fourier

trigonométrique :

𝑇0 𝑇0
2 𝑇0 2 2 2 1 2
𝑎𝑘 ∫ 𝑥(
) cos 𝑘𝜔0
𝑑
∫ cos 𝑘𝜔0
𝑑
[ 𝑖
𝑘𝜔0
]
0 0 0 0 0 𝑘𝜔0 0
1 sin 𝜋𝑘
𝜋 𝑘
𝑇0
2 𝑇0 2 1 2 1 − cos 𝜋𝑘
𝑏𝑘 ∫ 𝑥(
) sin 𝑘𝜔0
− [ 𝑐𝑜 𝑘𝜔0
]
0 0 0 𝑘𝜔0 0 𝜋𝑘
𝑝𝑜𝑢𝑟 𝑘 𝑝𝑎𝑖𝑟
𝑏𝑘 {2
𝑝𝑜𝑢𝑟 𝑘 𝑖𝑚𝑝𝑎𝑖𝑟
𝜋𝑘

Page 32
 Théorie et traitement du signal

𝑇0
2 2
𝑎0 ∫ 𝑑
1
0 0

∞
1 2
𝑥 (
) + 𝑖
𝑘𝜔0
𝑘 𝑖𝑚𝑝𝑎𝑖𝑟
2 𝜋𝑘
𝑘=1
∞
1 2
𝑥 (
) + 𝑖
(2 ∗
− 1)𝜔0

2 𝜋(2 ∗
− 1)
𝑛=1
∞
1 2 1 − (−1)𝑘
𝑥 (
) + ( 𝑖
𝑘𝜔0
)
2 𝜋𝑘 2
𝑘=1

3.2.3.1.1.1 Application Matlab

Page 33
Théorie et traitement du signal

Page 34
 Théorie et traitement du signal

3.2.3.1.2 Exemple 2 – translation temporelle:

Soit 𝑥(
) un signal réel périodique de période 0 défini par : 𝑥 (
)
𝑇 𝑇
1, 0 ≤
< 0
{ 4 4 .
,

Page 35
Théorie et traitement du signal
∞
1 2 0
𝑥 (
) + 𝑖
𝑘𝜔0 (
− ) 𝑘 𝑖𝑚𝑝𝑎𝑖𝑟
2 𝜋𝑘
𝑘=1
∞
1 2 0
𝑥 (
) + 𝑖
(2 ∗
− 1)𝜔0 (
− )
2 𝜋(2 ∗
− 1)
𝑛=1

3.2.3.1.2.1 Application Matlab

Page 36
Théorie et traitement du signal

Page 37
Théorie et traitement du signal

𝑻𝟎
3.2.3.1.3 Exemple 3 - pulse de durée
𝟒
Soit 𝑥(
) un signal réel périodique de période 0 défini par : 𝑥 (
)
𝑇0
1, ≤
<
4
{ 𝑇0
, ≤
< 0
4

Page 38
 Théorie et traitement du signal

𝑇0 𝑇0
2 𝑇0 2 4 2 1 4
𝑎𝑘 ∫ 𝑥(
) cos 𝑘𝜔0
𝑑
∫ cos 𝑘𝜔0
𝑑
[ 𝑖
𝑘𝜔0
]
0 0 0 0 0 𝑘𝜔0 0
𝜋
1 sin 2 𝑘
𝜋 𝑘
𝑇0 𝜋
2 𝑇0 2 1 4 1 − cos 𝑘
𝑏𝑘 ∫ 𝑥(
) sin 𝑘𝜔0
− [ 𝑐𝑜 𝑘𝜔0
] 2
0 0 0 𝑘𝜔0 0 𝜋𝑘

𝑇0
2 4 1
𝑎0 ∫ 𝑑

0 0 2

∞ 𝜋 𝜋
1 sin 𝑘 1 − cos 𝑘
𝑥 (
) + 2 𝑐𝑜 𝑘𝜔
+ 2 𝑖
𝑘𝜔

0 0
𝜋𝑘 𝜋𝑘
𝑘=1
∞
1 1 𝜋
𝑥 (
) + ( 𝑖
𝑘𝜔0
− sin (𝑘𝜔0
− 𝑘 ))
𝜋𝑘 2
𝑘=1

3.2.3.1.3.1 Application Matlab

Page 39
Théorie et traitement du signal

Page 40
 Théorie et traitement du signal

3.2.3.1.4 Exemple 4 - pulse de durée d translatée de D

Page 41
Théorie et traitement du signal

3.2.3.1.4.1 Application Matlab

𝐷+𝑑
2 𝑇0 2 𝐷+𝑑 2 1
𝑎𝑘 ∫ 𝑥(
) cos 𝑘𝜔0
𝑑
∫ cos 𝑘𝜔0
𝑑
[ 𝑖
𝑘𝜔0
]
0 0 0 𝐷 0 𝑘𝜔0 𝐷
1
(sink𝜔0 (D + d) − sink𝜔0 D)
𝜋𝑘
𝑇0 𝐷+𝑑
2 21
𝑏𝑘 ∫ 𝑥(
) sin 𝑘𝜔0
− [ 𝑐𝑜 𝑘𝜔0
]
0 0 0 𝑘𝜔0 𝐷
1
− (cosk𝜔0 (D + d) − cosk𝜔0 D)
𝜋𝑘

𝐷+𝑑
2 2𝑑
𝑎0 ∫ 𝑑

0 𝐷 0

∞
𝑑 1 1.
𝑥 (
) + ((sink𝜔0 (D + d) − sink𝜔0 D)𝑐𝑜 𝑘𝜔0
− (cosk𝜔0 (D + d) − cosk𝜔0 D) 𝑖
𝑘𝜔0
)
0 𝜋𝑘
𝑘=1

∞
𝑑 1
𝑥 (
) + (sin k𝜔0 (D + d − t) + sin k𝜔0 (t − D))
0 𝜋𝑘
𝑘=1

Page 42
 Théorie et traitement du signal

3.2.3.2 SIGNAUX PAIRS ET IMPAIRS

Si 𝑥(
) est signal périodique pair alors 𝑏𝑘 =0 :
64.

Si 𝑥(
) est signal périodique impair alors 𝑎𝑘 =0 :

65.

3.2.4 Formes harmoniques des séries de Fourier

Une autre forme de représentation d’un signal périodique 𝑥(
) est appelée
forme harmonique et définie par :
66.

Page 43
Théorie et traitement du signal

Le terme 0 est appelé composante continue du signal et le terme

𝑘 cos(𝑘𝜔0
− 𝜃𝑘 ) est appelé k ième composante harmonique du signal 𝑥 (
)

La première harmonique 1 cos(𝜔0
− 𝜃1 ) est appelée composante

fondamentale du signal 𝑥(
) car elle a la même période fondamentale que
𝑥 (
)
Les coefficients 𝑘 et 𝜃𝑘 sont appelés amplitudes et phases (ou angles)
harmoniques. Ils sont liés aux coefficients 𝑎𝑘 𝑒
𝑏𝑘 par :
67.

La série de Fourier complexe d’un signal réel périodique 𝑥 (
) est

mathématiquement équivalente aux deux autres formes. La série de Fourier
complexe est celle qui est le plus couramment utilisée.

3.2.5 Convergence des séries de Fourier

 𝑥(
) est absolument intégrable sur 0:
68.

 𝑥(
) a un nombre fini de maxima et minima sur n’importe quel intervalle

où il est défini
 𝑥(
) a un nombre fini de maxima et minima sur n’importe quel intervalle
où il est défini et que ses discontinuités sont finies

3.2.6 Spectre d’amplitude et de phase d’un signal périodique

Soit 𝑥(
) un signal périodique représenté sous forme de série de Fourier
complexe, les coefficients 𝑐𝑘 (nombres complexes) peuvent s’exprimer par :
69.

La courbe de |𝑐𝑘 | en fonction de la pulsation (fréquence angulaire 𝜔 𝑘𝜔0)

est appelé spectre d’amplitude du signal 𝑥(
) et la courbe de 𝜙𝑘 (en fonction
de la pulsation) est appelée spectre de phase du signal 𝑥(
). Si 𝑥(
) est un
signal réel périodique on a :

Page 44
 Théorie et traitement du signal

70.

|𝑐𝑘 | : fonction paire

𝜙𝑘 : fonction impaire

3.2.7 Puissance d’un signal périodique

Rappel : la puissance moyenne d’un signal périodique 𝑥 (
) est :
71.

Si 𝑥 (
) est représenté par une série de Fourier complexe alors on a :

72.

La dernière équation est appelée identité de Parseval.

3.3 Transformée de Fourier

3.3.1 Des séries de Fourier à la transformée de Fourier

Soit 𝑥(
) un signal non périodique d’une durée finie :
73.

Page 45
Théorie et traitement du signal

𝑥(
)

− 1 1

Soit 𝑥𝑇0 (
) le signal construit par répétition de 𝑥(
) avec une période 0 :

𝑥 𝑇0 (
)

− 1 1


−2 0 − 0 0 2 0

On a :
74.

La série de Fourier complexe de 𝑥𝑇0 (
) est :

75.

𝑇0
Comme 𝑥 𝑇0 (
) 𝑥(
) pour |
| < les coefficients 𝑐𝑘 de la série de Fourier
2
complexe de 𝑥𝑇0 (
) peuvent s’écrire :

Page 46
 Théorie et traitement du signal

76.

Soit 𝑋(𝜔) une fonction définie par :

77.

Les coefficients 𝑐𝑘 peuvent s’écrire en fonction de 𝑋(𝜔) :

78.

Ce qui permet de réécrire 𝑥𝑇0 (
) comme suit :

79.

2𝜋
Lorsque 0 → ∞ 𝜔0 → ; comme 𝜔0 devient infinitésimal on pose
𝑇0
𝜔0 𝑑𝜔 et 𝑘𝜔0 𝜔 on a alors:
80.
1 +∞
𝑥𝑇0 (
)|𝑇0 →∞ → ∫ 𝑋(𝜔)𝑒 𝑗𝜔𝑡 𝑑𝜔
2𝜋 −∞

Et comme lim𝑇0 →∞ 𝑥 𝑇0 (
) 𝑥(
), on a alors :

Page 47
Théorie et traitement du signal

81.

Interprétation géométrique :

(𝜔)

× 𝑒 𝑗𝜔𝑡

3.3.2 Transformée de Fourier inverse

𝑋(𝜔) est appelée transformée de Fourier de 𝑥(
). Réciproquement 𝑥(
) est
appelée transformée inverse de Fourier de 𝑋(𝜔).
82.

3.3.3 Spectre de Fourier

La transformée de Fourier 𝑋(𝜔) de 𝑥(
) est généralement une variable
complexe que l’on peut écrire sous la forme :
83.

Page 48
 Théorie et traitement du signal

|𝑋(𝜔)| représente l’amplitude du spectre de 𝑥(
) et 𝜙(𝜔) est la phase du

spectre de 𝑥(
). Si 𝑥(
) est réel |𝑋(𝜔)| est une fonction paire et 𝜙(𝜔) est une
fonction impaire
84.

85.

3.3.4 Convergence
 𝑥(
) est absolument intégrable
86.

 𝑥(
) a un nombre fini de maxima et minima sur n’importe quel intervalle

où il est défini
 𝑥(
) a un nombre fini de maxima et minima sur n’importe quel intervalle
où il est défini et que ses discontinuités sont finies

3.3.5 Transformée de Fourier, transformée de Laplace

La transformée de Fourier est un cas particulier de la Transformée de

Laplace :

Page 49
Théorie et traitement du signal

3.4 Propriétés de la transformée de Fourier

3.4.1 Linéarité
87.

3.4.2 Translation temporelle

88.

3.4.3 Translation fréquentielle

89.

3.4.4 Contraction/dilatation temporelle

90.

3.4.5 Inversion temporelle

91.

3.4.6 Dualité
92.

3.4.7 Dérivation temporelle

93.

3.4.8 Dérivation fréquentielle

94.

Page 50
 Théorie et traitement du signal

3.4.9 Intégration temporelle

95.

3.4.10 Convolution
96.

3.4.11 Multiplication
97.

3.4.12 Relations de Parseval

98.

3.5 Bande passante

La bande passante d’un signal est définie comme étant l’intervalle des
fréquences positives dans lequel est localisé la majeure partie de l’énergie du
signal.

3.5.1 Bande passante à -3dB

(𝜔) A

𝐴
2

3.5.2 Signal à bande limitée

Page 51
Théorie et traitement du signal

Un signal 𝑥(
) est dit à bande passante limitée si :

|𝑋(𝜔)| |𝜔| > 𝜔𝑀 99.

Il en découle qu’un signal à bande limitée a une bande passante égale à 𝜔𝑀 .

COURS 4. ANALYSE DES SYSTEMES

4.1 Introduction
Nous avons vu dans le COURS 2 que la réponse d’un système linéaire résulte
de la convolution du signal d’entrée par la réponse impulsionnelle du système :
100.

En appliquant la propriété de convolution liée à la transformée de Fourier, on

obtient :
101.

𝑌 (𝜔), 𝑋(𝜔)𝑒
𝐻(𝜔) sont les transformées de Fourier respectives de

(
), 𝑥 (
)𝑒
ℎ(
)

Page 52
 Théorie et traitement du signal

4.2 Réponse en fréquence

A partir de l’équation 101 on a :
102.

La fonction 𝐻(𝜔) est appelée réponse en fréquences du système.

4.2.1 Application de la TF au problème de la distorsion

On considère une ligne de transmission modélisée sous forme d’un système
linéaire :

𝑥(
)

Une des caractéristiques recherchée dans les lignes de transmission est de

transmettre le signal sans distorsion :

Page 53
Théorie et traitement du signal

103.

𝑑 : 𝑟𝑒
𝑎𝑟𝑑; 𝐾 (> ) 𝑔𝑎𝑖
𝑐𝑜

𝑎

∶

En appliquant la transformée de Fourier à l’équation 103 on a :

104.

Il en découle que pour qu’une ligne de transmission n’introduise pas de

distorsion il faut que :
105.

- 𝐻 (𝜔) ∶ 𝑐𝑜

𝑎

- 𝜃𝐻 (𝜔): 𝑙𝑖
é𝑎𝑖𝑟𝑒

Page 54
 Théorie et traitement du signal

4.2.1.1 DISTORSION D’AMPLITUDE ET DISTORSION DE PHASE

Lorsque le module de la réponse en fréquences n’est pas constant les
différentes fréquences du signal sont transmises avec des gains différents, il
en découle une distorsion d’amplitudes. Lorsque la phase n’est pas linéaire le
signal est déformé et on a une distorsion de phase.

4.2.2 Les systèmes décrits par des équations différentielles

106.

107.

Page 55
Théorie et traitement du signal

108.

109.

4.3 Bande passante d’un système

COURS 5. LES TRAITEMENTS DE BASE

5.1 Traitement du signal bruité

5.1.1 Introduction
Comme il a été défini dans le cours 1, le bruit correspond à tout signal
indésirable qui détériore un signal utile.
Pour simuler ou analyser des signaux réels on considère le bruit comme étant
un signal aléatoire c’est-à-dire ayant un comportement temporel imprévisible
qu’on décrit à partir d’observations statistiques.
En traitement du signal on considère que le bruit est un phénomène aléatoire
stationnaire et ergodique.

Page 56
 Théorie et traitement du signal

𝑏2 (
)
𝑏0 (
)

𝑏1 (
)

𝑦

1 1
Stationnaire => 𝑏0
+ 𝑏1
+ 𝑏2
𝑏0
𝑦 + 𝑏1
𝑦 + 𝑏2
𝑦

1 1
Ergodique => 𝑏0
+ 𝑏1
+ 𝑏2
(𝑏0
+ 𝑏0
𝑦 )
2
1
(𝑏
+ 𝑏1
𝑦 )
2 1
1
(𝑏
+ 𝑏2
𝑦 )
2 2

5.1.2 Modélisation du bruit

Deux modèles de bruit sont couramment utilisés en traitement du signal :
- Le bruit blanc dit gaussien dont la densité de probabilité a une répartition
de type gaussien caractérisée par une valeur moyenne et un écart type
- Le bruit blanc dit uniforme (densité de probabilité constante)
1 −(𝑏−𝜇)2
( )
𝑝(𝑏) 𝑒 2𝜎2
𝜎√2𝜋
𝜇: 𝑣𝑎𝑙𝑒𝑢𝑟 𝑚𝑜 𝑒

𝑒 𝑑𝑒 𝑏
𝜎: 𝑣𝑎𝑟𝑖𝑎
𝑐𝑒
+∞
2 (𝑏 − 𝜇 )2 𝑝(𝑏) 𝑑𝑏
𝜎 : é𝑐𝑎𝑟
𝑞𝑢𝑎𝑑𝑟𝑎
𝑖𝑞𝑢𝑒 ∫
−∞

Page 57
Théorie et traitement du signal

Le terme ‘blanc’, par analogie avec la lumière blanche qui contient toutes les
fréquences lumineuses, est utilisé pour indiquer que le bruit contient, en
théorie, un nombre infini de fréquences ayant une puissance constante.
Génération d’un signal bruit blanc dans l’environnement Matlab :
b=1-2*rand(1,100) b=1-2*randn(1,100)
t=0 :0.1 :9.9 t=0 :0.1 :9.9
plot(t,b) plot(t,b)

5.1.3 Rapport signal sur bruit

Le rapport signal / bruit permet de caractériser la dégradation d’un signal utile
(signal informatif) par un bruit non informatif.
𝑃 110.
𝑁
𝜎𝑏2

Page 58
 Théorie et traitement du signal

5.1.4 Détection de signaux noyés dans le bruit

Problématique : comment peut-on identifier un signal entaché de bruit ?

RECEPTEUR1

EMETTEUR Signal 1 Signal 2

RECEPTEUR2

Page 59
Théorie et traitement du signal

Solution : utiliser la corrélation

5.1.4.1 LA CORRELATION
La corrélation est une opération mathématique qui permet de mesurer le degré
de similitude ou de dépendance de deux phénomènes distincts.
La fonction d’inter corrélation de deux signaux x(t) et y(t) est définie par
𝑇 111.
1 2
𝑦( ) lim ∫ 𝑥 (
) (
− )𝑑

𝑇
𝑇→ ∞ −2

est un paramètre de décalage permettant de trouver la meilleure

correspondance entre les deux signaux.

Page 60
 Théorie et traitement du signal

5.1.4.2 APPLICATION
RECEPTEUR 1
Corr(s1,r)

RECEPTEUR 2
Corr(s2,r)

5.1.4.3 EXERCICE D’APPLICATI ON

1 𝑝𝑜𝑢𝑟 ≤
<2
Soit x(t) le signal défini par 𝑥(
) { . Soit y(t) le signal tel que
𝑎𝑖𝑙𝑙𝑒𝑢𝑟
y(t)=x(t), calculer l’inter-corrélation entre les signaux x(t) et y(t).
∞
𝑦( ) ∫ 𝑥(
) (
− )𝑑

−∞

Page 61
Théorie et traitement du signal

5.2 Le filtrage

5.2.1 Définition
Un système linéaire agit comme un filtre sur le signal d’entrée. Le mot filtre est
utilisé pour dénoter un système qui exhibe un comportement de sélection de
fréquences.

5.2.2 Filtre idéal

Par définition un filtre idéal possède les caractéristiques de transmission sans
distorsion relativement à une ou plusieurs bandes fréquences et une réponse
nulle sur toutes les autres.
5.2.2.1 PASSE BAS
Un filtre idéal passe bas (LPF : lowpass filter) est défini par :
−𝑗𝜔𝑡𝑑 0 ≤|𝜔|≤𝜔𝑐2
𝐻(𝜔)𝐿𝑃𝐹 {𝑒
𝑎𝑖𝑙𝑙𝑒𝑢𝑟

5.2.2.2 PASSE HAUT

Un filtre idéal passe haut (HPF : highpass filter) est défini par :
−𝑗𝜔𝑡𝑑 𝜔𝑐1 ≤|𝜔|≤∞
𝐻(𝜔)𝐻𝑃𝐹 {𝑒
𝑎𝑖𝑙𝑙𝑒𝑢𝑟

5.2.2.3 PASSE BANDE

Un filtre idéal passe bande (BPF : bandpass filter) est défini par :
−𝑗𝜔𝑡𝑑 𝜔𝑐1 ≤|𝜔|≤𝜔𝑐2
𝐻(𝜔)𝐵𝑃𝐹 {𝑒
𝑎𝑖𝑙𝑙𝑒𝑢𝑟

Page 62
 Théorie et traitement du signal

5.2.2.4 STOP BANDE

Un filtre idéal stop bande (BSF : bandstop filter) est défini par :
𝜔𝑐1 ≤|𝜔|≤𝜔𝑐2
𝐻(𝜔)𝐵𝑃𝐹 {
𝑒 −𝑗𝜔𝑡𝑑 𝑎𝑖𝑙𝑙𝑒𝑢𝑟

5.2.3 Filtre à quadrature de phase

Un filtre à quadrature de phase est un système dont la réponse en fréquence
est donnée par :

La réponse impulsionnelle d’un filtre à quadrature de phase est :

5.2.3.1 TRANSFORMEE DE HILBERT

La transformée de Hilbert consiste à appliquer à un signal d’entrée x(t) un filtre
à quadrature de phase :

5.2.4 Bande passante

Page 63
Théorie et traitement du signal

5.3 La modulation

5.3.1 Définition
La modulation est un procédé qui consiste à moduler une porteuse par le
signal à transmettre qui est le signal modulant.
- Modulation d’amplitude : l’amplitude de la porteuse est multipliée par le
signal à transmettre
- Modulation de fréquences : la fréquence de la porteuse est
proportionnelle au signal à transmettre
- Modulation de phase : la fréquence de la porteuse est proportionnelle à
la dérivée du signal à transmettre

Page 64
 Théorie et traitement du signal

5.3.1.1 MODULATION D’AMPLITUDE

5.3.1.2 MODULATION DE FREQUENCE

Page 65
Théorie et traitement du signal

5.3.1.3 MODULATION DE PHASE

COURS 6 & 7. INTRODUCTION AU TRAITEMENT NUMERIQUE

6.1 Numérisation

6.2 Analyse spectrale

6.3 Filtrage

7.1 Modulation

7.2 Transmission

Page 66