Académique Documents
Professionnel Documents
Culture Documents
Bases du Signal
Signaux Numériques
et Applications
Equipe enseignante :
Bibliographie :
• Oppenheim, Alan V., Willsky, Alan S., Signals & systems, 2nd edition. - New Jersey :
Prentice-Hall , 1997 . - XXX-957 p – ISBN 0-13-651175-9.
• B. Mulgrew et al., "Digital Signal Processing: Concepts and Applications", Ed: Mac
Millan Press, 1999, 355p.
Département PREMIER CYCLE
Identification
2ème ANNEE
Code : 2PC_OT439
Intitulé du Module : Signaux numériques et applications
ECTS : 2
Annuel Module proposé par une équipe dʹenseignants issus des départements GE, GI, IF, PC, TC
⌧Semestriel
⌧1er semestre
è Nombre d’élèves max. : 24
2 semestre
Obligatoire
⌧Optionnel - Objectifs et compétences :
A partir dʹexemples concrets tirés des télécommunications, du traitement de la parole, de
Horaires lʹimagerie médicale, des techniques physiques et dʹinstrumentations, ce module dʹOuverture
Cours : 12h Thématique fournira aux étudiants les bases du traitement du signal quʹils pourront mettre à
TD: 4h profit quelle que soit la spécialité quʹils décideront dʹaborder ensuite pour leur formation
TP: 14h dʹingénieur. Le module se déroule successivement dans 4 départements de lʹINSA (GE, GI, IF,
Projet : TC).
Travail personnel : 10h
- Programme :
Evaluations Cours et TD : Signaux, exemples, analyse fréquentielle, Transformée de Fourier, analyse
Contrôle continu : spectrale, filtrage, échantillonnage, filtrage numérique, compression.
Devoir Synthèse : Séances Machines : logiciel Matlab, signaux numériques, représentation de signaux en temps et
Soutenance : en fréquence, transformée de Fourier Discrète, analyse dʹun signal inconnu, filtrage, fenêtres de
pondération (hamming…), représentation temps‐fréquence, modulation dʹamplitude,
modulation de fréquence, analyse signal de parole, logiciel SPTOOLS, applications en Telecom,
Supports logiciel SIMULINK.
pédagogiques
Polycopiés Cours, TD et - Contrôle : évaluation des projets pratiques et contrôle de connaissances 2h
TP OUI
Fichier PPT en ligne
OUI - Travail Personnel : 10h pour l’ensemble du module
Logiciel : Matlab
- Pré‐requis : Aucun pour un étudiant du Premier Cycle de l’INSA
Enseignant
Responsable - Bibliographie :
Vray Didier ‐ Lacoume, Jean‐Louis, Max, Jacques. Méthodes et techniques de traitement du signal 2ème cycle,
Friboulet Denis école d’ingénieurs, Paris, Dunod, 2004, 355 p.
Département de ‐ F. De Coulon, Théorie et traitement des signaux, Dunod, 1984.
rattachement ‐ Oppenheim, Alan V., Willsky, Alan S., Signals & systems, 2nd edition. ‐ New Jersey : Prentice‐
PC
Hall, 1997, 957 p
Tel 04 72 43 87 84
‐ B. Mulgrew et al., ʺDigital Signal Processing: Concepts and Applicationsʺ, Ed: Mac Millan
04 72 43 89 75
Press, 1999, 355p.
Mail didier.vray@insa-lyon.fr, denis.friboulet@insa-lyon.fr
Date d’actualisation de la fiche OT : Juin 2010
Institut National des Sciences Appliquées de Lyon
1
Introduction
2
SIGNAL ?
¾ Domaines d’application :
• communication, aéronautique, astronautique, acoustique, contrôle de processus
chimique, ingénierie biomédicale, traitement de la parole, économie, météorologie...
• information représentée sous forme de signal
¾ Signal :
• fonction de une ou plusieurs variables indépendantes : f(x
f(x,y,z)
y z)
• représente / contient information sur un phénomène (physique)
¾ Types de signaux
Signaux continus: f(t), t ∈ R Signaux discrets: f[n], n ∈ Z
t
n
¾ Dimension du signal :
• 1D : f(t) f[n]
• 2D :f(u,v) f[i,j]
• 3D : f(u,v,w) f[i,j,k]
• etc...
1
3
SIGNAL ?
¾ Mesures
• Capteur, statistiques....
• Développement des capteurs : microphone, céramiques piézoélectriques, antennes,
capteurs CCD, de pression
Capteur
t
¾ Acquisition numérique :
Capteur Echantillonnage
t
• Stockage
• Traitement numérique par ordinateur
• Perte d’information ?
• Importance des techniques numériques
4
EXEMPLES DE SIGNAUX
Signal de parole
0.4
0.3
amplitude
0.2
0.1
‘e’
0
-0.1
-0.2
-0.3
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
Temps (s)
0.6
0.4
amplittude
0.2
-0.2
-0.4 b on j ou r
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Temps (s)
2
5
EXEMPLES DE SIGNAUX
Début de la
100% campagne de Russie Napoléon
Victoire sur la Russie à Friedland débarque à
Traité de Tilsit avec la Russie
90 Golfe Juan
0
1798 1799 1800 1801 1802 1803 1804 1805 1806 1807 1808 1809 1810 1811 1812 1813 1814 1815
© Le Monde 28/01/1997
6
EXEMPLES DE SIGNAUX
400
350
300
250
200
150
100
50
3
7
EXEMPLES DE SIGNAUX
Signaux ultrasonores
Composante spéculaire Composante diffuse
Émission
Réception
t t
Signal réel
8
EXEMPLES DE SIGNAUX
4
9
EXEMPLES DE SIGNAUX
Plaque artérielle
10
EXEMPLES DE SIGNAUX
5
11
EXEMPLES DE SIGNAUX
Tomographie X
12
EXEMPLES DE SIGNAUX
6
13
EXEMPLES DE SIGNAUX
Tomographie X
14
TRAITEMENT DU SIGNAL ?
¾ Buts :
• Modélisation : représentation d’un phénomène (caractérisation, prédiction...)
• Analyse : extraction d’information (mesure, compression, détection, reconnaissance...)
• Filtrage, restauration : transformation du signal (minimisation du bruit, suppression de
parasite...)
• Etc.
Système de
t Traitement t
7
15
EXEMPLES DE TRAITEMENT
Imagerie ultrasonore
N Signaux
Image ?
16
EXEMPLES DE TRAITEMENT
Signaux acquis
Détection
d'enveloppe Enveloppe
Compression
logarithmique Image Compressée
8
17
EXEMPLES DE TRAITEMENT
0.4
amplitude
e
02
0.2
-0.2
-0.4 b on j ou r
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Temps (s)
18
EXEMPLES DE TRAITEMENT
9
19
EXEMPLES DE TRAITEMENT
Détection de rupture
Cas idéal Cas réel avec bruit gaussien (σ = 0.4)
2 2
1 1
0 0
-1 -1
-2 -2
0 5 10 15 20 0 50 100 150 200 250
2 2
1 1
0 0
-1 -1
-2 -2
0 5 10 15 20 0 50 100 150 200 250
20
EXEMPLES DE TRAITEMENT
Détection de rupture
Cas réel avec bruit gaussien (σ = 0.4)
2
-1
-2
0 50 100 150 200 250
Opérateur optimisé :
Opérateur différentiel : [ 1 -1 ]
Canny[86] – Deriche[87]
2 4
3
1
2
0
1
-1
0
-2 -1
0 50 100 150 200 250 0 50 100 150 200 250
10
21
EXEMPLES DE TRAITEMENT
Détection de rupture
Cas réel avec bruit gaussien (σ = 1.0) Cas réel avec bruit gaussien (σ = 1.2)
4 4
2 2
0 0
-2 -2
-4 -4
0 50 100 150 200 250 0 50 100 150 200 250
Opérateur optimisé :
6 4
4
2
2
0
0
-2
-2
-4 -4
0 50 100 150 200 250 0 50 100 150 200 250
22
EXEMPLES DE TRAITEMENT
||2
Bords horizontaux
11
23
EXEMPLES DE TRAITEMENT
Détection de contour par ensemble de niveau basé sur les dérivées (gradient)
Ensemble de niveau:
Evolution basée sur le
Principe d’évolution
gradient d’une image IRM
24
EXEMPLES DE TRAITEMENT
Sang
Muscle
Histogramme
Histogramme
12
25
EXEMPLES DE TRAITEMENT
26
EXEMPLES DE TRAITEMENT
Æ Visualisation de l’information ?
13
27
EXEMPLES DE TRAITEMENT
28
EXEMPLES DE TRAITEMENT
14
29
EXEMPLES DE TRAITEMENT
30
BIBLIOGRAPHIE
Ouvrages généraux
• Bernard MULGREW, "Digital Signal Processing, concepts and applications",
Palgrave MacMillan, 2003
• Alan OPPENHEIM, A. SCHAFER, "Discrete-time Signal Processing",
PRENTICE HALL, 1999
• Alan OPPENHEIM,
O A. WILLSKY,
S "Signals
S and Systems",
S PRENTICE
C HALL,
1997
• J. Mc CLELLAN, "DSP First, A multimedia approach", PRENTICE HALL, 1999
• François de COULON, "Théorie et traitement des signaux", DUNOD, 1984
• Murat KUNT, "Traitement Numérique des signaux", 1981
pp
Applications ou pour
p aller plus
p loin
• J. MARS, J.-L. LACOUME, "Traitement du signal pour géologues et
géophysiciens", TECHNIP 2004, Tome 3 : Techniques avancées et Tome 2 :
Techniques de base, Tome 1 : Prospection sismique
• M. BELLANGER, "Traitement numérique du signal : Théorie et pratique", 8ème
édition, DUNOD, 2006
• S. MARPLE, "Digital spectral analysis", PRENTICE-HALL, 1987
15
31
Signaux de base
32
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE
¾ Retournement
f(t) f(-t)
f[n] f[-n]
16
33
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE
¾ Changement d’échelle
f(t) f(2t)
f[n] f[2n]
34
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE
¾ Décalage temporel
t0 -t 0
n0 -n0
17
35
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE
36
SIGNAUX DE BASE CONTINUS
A AcosΦ
¾ Variation de la fréquence f0 :
f1 f2 f3
f 1 < f 2 < f3
18
37
SIGNAUX DE BASE CONTINUS
cos 2πf0t Re
38
SIGNAUX DE BASE CONTINUS
¾ Échelon unité
1
0 si t < 0
u(t) =
1 si t > 0
t
du(t )
¾ Impulsion unité (ou Dirac) : δ(t) on veut u (t ) = ∫ δ (τ )dτ à savoir δ (t ) =
dt
−∞
u∆(t) 1 δ∆(t)
δ(t) = lim δ∆(t) 1/∆
∆→0 Aire = 1
∆ ∆
1
Æ Représentation C
t0
19
39
SIGNAUX DE BASE CONTINUS
¾ Dirac : interprétation
δ(t) δ(t)
Intervalle Intervalle
d’intégration d’intégration
t 0 τ 0 t τ
t t
1
u(t)
40
SIGNAUX DE BASE CONTINUS
+∞
¾ Dirac : Propriété
∫ δ (t )dt = 1
−∞
δ(t-t0) x(t0)δ(t-t0)
x(t) x(t)
t0 t0
20
41
SIGNAUX DE BASE CONTINUS
+∞
¾ Dirac : Propriété
∫ x (t )δ (t )dt = x (0)
−∞
+∞
¾ Dirac : Propriété
∫ x (t )δ (t − t0 )dt = x (t0 )
−∞
42
SIGNAUX DE BASE CONTINUS
+∞
∫
2
• Énergie totale : Es = s ( t ) dt
−∞
21
43
SIGNAUX DE BASE CONTINUS
T /2
1
∫
2
• Puissance totale, cas général : Ps = lim s ( t ) dt
T →∞ T
−T / 2
T0 / 2
1
∫
2
• Puissance totale, cas des signaux périodiques Ps = s(t ) dt
T0
−T0 / 2
44
SIGNAUX DE BASE DISCRETS
¾ Échelon unité 1
0 si n < 0
u[n] = .......
1 si n ≥ 0
0
n
¾ Impulsion unité : δ[n] on veut u[n ] = ∑ δ [n ] à savoir δ [n ] = u[n ] − u[n − 1]
m = −∞
1
1 si n = 0
δ[n] =
0 si n ≠ 0
+∞ +∞
¾ Propriétés
∑ δ [n ] = 1 ∑ x[n ]δ [n ] = x[0]
n =−∞ n =−∞
x[n] δ[n] = x[0] δ[n] +∞
22
45
SIGNAUX DE BASE DISCRETS
0.5 0 0
0 -1 -1
0 10 20 30 0 10 20 30 0 10 20 30
fréquence = 1/4 fréquence = 1/2 fréquence = 3/4
1 1 1
0 0 0
-1 -1 -1
0 10 20 30 0 10 20 30 0 10 20 30
fréquence = 7/8 fréquence = 15/16 fréquence = 1
1 1 1
0 0 0.5
-1 -1 0
0 10 20 30 0 10 20 30 0 10 20 30
46
SIGNAUX DE BASE DISCRETS
0.5
Exemple avec 0
• f1 = 1/8
cos(2 π *t/8)
• f2 = 1/8-1 = 7/8 -0.5 cos(2 π *t*7/8)
cos(2 π *n*/8)
-1
-4 -3 -2 -1 0 1 2 3 4
23
47
SIGNAUX DE BASE DISCRETS
¾ Sinusoïdes discrètes
0 Périodicité
cos 2πf0(n+N) = cos 2πf0(n) Æ N = k/f0
Exemples
8π
cos( n) Æ f0 = 4/31 (rationnel) cos n/6 f0 = 1/12π, (non rationnel)
31
Période N= k*31/4 Æ N = 31 (avec k=4) Période N = k * 12π Æ Non périodique
cos(8π*t/31) cos(n/6)
1 1
0.5 0.5
0 0
-0.5 -0.5
-1 -1
0 5 10 15 20 25 30 35 40 0 5 10 15 20 25 30 35 40 45 50
48
SIGNAUX DE BASE DISCRETS
¾ Exponentielles discrètes
24
49
SIGNAUX DE BASE DISCRETS
Énergie Puissance
n2 n2
∑
1
∑
2 2
É
Énergie
i moyenne s[n ] Puissance moyenne s[n ]
n = n1 n2 − n1 n = n
1
+∞ N /2
∑
1
∑
2 Puissance totale Ps 2
Énergie totale Es s[n ] lim s[ n ]
(cas général) N →∞ N n=− N / 2
n =−∞
0 N /2
Condition pour
énergie finie
Es < ∞ Puissance totale Ps 1
∑ s[ n ]
2
(signaux périodiques) N0 n=− N / 2
0
Condition pour
puissance finie
Ps < ∞
50
25
51
Notion de Système
¾ Définition :
• Un système est un modèle mathématique d’un processus physique qui relie un signal
d’entrée à un signal de sortie
• Un système est un dispositif de traitement du signal
• En entrée : e(t) signal d’entrée
• En sortie : s(t) signal de sortie
¾ Exemples :
• Amplificateur, système audio, téléphone, système vidéo
• Un système complexe peut être vu comme l’interconnexion de plusieurs systèmes dont
les fonctions sont plus simples
¾ Questions
• Comment caractériser un système ?
• Quelles sont les propriétés intéressantes des systèmes ?
• Comment modéliser la relation entre entrée et sortie ?
52
Représentation des Systèmes
Système 1
• Parallèle Input + Output
Système 2
Système 1 Système 2
Système 3
• Feed-back
26
53
EXEMPLE DE SYSTEMES
AMPLIFICATION
RETARD
MOYENNE GLISSANTE
FILTRAGE
MODULATION
DETECTION
REDRESSEUR (valeur absolue)
QUADRATEUR (élever au carré)
2
¾ Réalisation de systèmes : X
x[n] + y[n]
Y[n] = (2x[n] – x[n]2)2 + | |2
-
| |2
τ +T / 2
Corrélateur Cxy (τ ) = ∫
τ −T / 2
x(t − τ ) y (t )dt
54
PROPRIETES DES SYSTEMES
INVARIANCE EN TEMPS
Soit y[n]=S{x[n]} ALORS y[n-n0]=S{x[n-n0]}
La sortie du système ne dépend pas de l'origine des temps
La sortie du système ne dépend pas de l’instant où est appliquée l’entrée
27
55
¾EXEMPLES - linéarité et invariance en temps des systèmes suivants :
y[n] = 2x[n], y(t) = x(t-2) -2x(t-19) LIT
y[n] = x[-n], y(t) = sin(6t) x(t) L
y[n] = 2x[n]+3, y(t) = a exp(x(t)) IT
t t
0 1 2 0 1 2
3 4 t
0 1 2
56
RAPPEL DE QUELQUES PROPRIETES DE L’IMPULSION UNITE
+∞
+∞
∑ δ [n] = 1 ∫ δ (t )dt = 1
−∞
−∞
+∞ +∞
+∞ +∞
∑ x[n]δ [n − n0 ] = x[n0 ]
−∞
∫ x ( t )δ (t − t 0
) dt = x ( t0 )
−∞
n
∑ δ [k ] = u[n]
t
k =−∞ ∫ δ (τ )dτ
−∞
= u(t )
28
57
REPRESENTATION DES SIGNAUX EN SOMME D’IMPULSIONS
¾ Exemple de la représentation
x[n]
-4 -1 2 3
d’un signal discret en terme
-3 -2 0 1 4
d’impulsions retardées
x[−2]δ [n + 2]
¾ Généralisation : -4 -3 -2 -1 0 1 2 3 4 n
• Tout signal discret peut être décrit comme une somme
d’impulsions de Dirac retardées et pondérées par x[−1]δ [n + 1]
-1
l’amplitude de ce signal :
-4 -3 -2 0 1 2 3 4 n
+∞
x[ n ] = ∑ x[k ]δ [n − k ]
k =−∞
-4 -3 -2 -1 0 1 2 3 4
x[0]δ [n ]
n
x[1]δ [n − 1]
-4 -3 -2 -1 0 1 2 3 4 n
x (t ) = ∫ x (τ )δ (t − τ )dτ
-4 -3 -2 -1 0 1 3 4 n
−∞
58
NOTION DE REPONSE IMPULSIONNELLE
δ[n] h[n]
S
29
59
EQUATION DE CONVOLUTION
entrée S sortie
δ[n] h[n]
δ[n-k] h[n-k]
x[k] δ[n-k] x[k] h[n-k]
+∞ +∞
x[n] S y[n]
¾ D’où l’équation de convolution discrète qui lie signal d’entrée, signal de sortie et
réponse impulsionnelle d
d’un
un système LIT :
+∞
y[n] = ∑ x[k ] h[n − k ]
k =−∞
60
EQUATION DE CONVOLUTION
+∞ +∞
y[n] = ∑ x[k ] h[n − k ] = ∑ h[k ] x[n − k ]
k =−∞ k =−∞
¾ Notation de la convolution
30
61
CALCUL PRATIQUE DE LA CONVOLUTION
x[k]
1
x[n] 0 4 k
01 2 34 5 n<0
h[n-k]
64 x[n] S y[n] ?
32
h[n] n 0 k
n6
n-6
h[n] 16
8
4 h[n-k]
12 0<n<4
01 2 34 5 6 7 0 n k
n-6
h[n-k]
4<n<6
h[n-k]
6<n<10
0 n k
n-6
0 1 2 3 4 5 6 7 8 9 10
h[n-k]
n>10
0 n k
n-6
62
CALCUL PRATIQUE DE LA CONVOLUTION
¾ Cas usuel :
• soit x de durée N, h de durée M, avec N≥M (signaux à durée finie)
• x et h ont des amplitudes nulles pour les temps (indices) négatifs (signaux causaux)
alors l’équation de convolution se simplifie
N −1 M −1
y[n] = ∑ x[k ] h[n − k ] = ∑ h[k ] x[n − k ] pour n = 0 à N + M
k =0 k =0
¾ On note que la durée de y[n] est N+M-1 : la convolution ‘allonge’ les signaux
31
63
ILLUSTRATION DE LA CONVOLUTION DE SIGNAUX CONTINUS
x(τ)
S y(t) ?
x(t)
h(t) τ
h(τ)
y (t ) = x (t ) * h (t )
τ
+∞
h(t0-τ)
= ∫ x (τ )h(t − τ )dτ
−∞
t0>0
+∞ t0 τ
= ∫ h(τ ) x (t − τ )dτ
+∞
x(τ)h(t0-τ)
y (t0 ) = ∫ x(τ )h(t
−∞
0 − τ )dτ
−∞
t0 τ
y (t ) =
x (t ) * h(t )
t0 t
64
PROPRIETES DE LA CONVOLUTION
¾ Commutativité
32
65
PROPRIETES DE LA CONVOLUTION
∫ h(τ )e
2π jf 0 ( t −τ )
y (t ) = x (t ) ∗ h(t ) = dτ
−∞
+∞
= e 2π jf0t ∫ h(τ )e
−2π jf 0τ
dτ = e 2π jf0t H ( f 0 )
−∞
H(f0) est une constante complexe dont la valeur ne dépend que de f0 et de la réponse
impulsionnelle du système
66
EXEMPLES DE SYSTEMES LIT
¾ RETARD PUR
x[n] y[n]=x(n-n0)
retard n0
h[n]
h[n]=δ[n-n0] 1
n
0 n0
33
67
EXEMPLES DE SYSTEMES LIT
¾ MOYENNEUR TEMPOREL
1
k = M −1 h[n]
h[n ] = ∑ δ [n − k ]
k =0
0 M-1
68
PROPRIETES DES SYSTEMES
¾ LINEARITE
¾ INVARIANCE EN TEMPS
¾ CAUSALITE
Définition générale : La sortie d’un système causal ne dépend que des valeurs présentes ou
passées de l’entrée
Cas d’un système LIT : un système LIT est causal si sa réponse impulsionnelle h[n] est nulle
pour n≤0
¾ STABILITE
Définition générale: Un système est stable si à toute entrée d’amplitude bornée correspond
une sortie bornée +∞
Cas d’un système LIT : un système LIT est stable si et seulement si : ∑ h[k ] < ∞
k =−∞
¾ INVERSIBILITE
Un système LIT de réponse impulsionnelle h[n] est inversible si on peut trouver une réponse
impulsionnelle inverse h1[n] telle que
h[n]* h1[n]=δ[n]
34
69
DESCRIPTION DES SYSTEMES EQUATIONS AUX DIFFERENCES
¾ Un sous-ensemble très important de systèmes discrets LIT sont ceux dont l’entrée x[n]
et la sortie y[n] sont reliés par une équation aux différences à coefficients constants
(de même les systèmes continus qui sont décrits par des équations différentielles)
¾ La représentation par équations aux différences d’un système LIT est très importante
parce qu’elle permet d’envisager de manière efficace la réalisation de ces systèmes
¾ La Transformée en Z est une outil très efficace pour la réalisation et l’analyse des
caractéristiques de ces systèmes
70
DESCRIPTION DES SYSTEMES EQUATIONS AUX DIFFERENCES
¾ L’expression la plus générale reliant entrée x[n] et sortie y[n] d’un système LIT
est de la forme :
+∞ +∞
∑ b x[n − k ] = ∑ a y[n − k ]
k =−∞
k
k =−∞
k
M N
y[n] = ∑ bk x[n − k ] − ∑ ak y[n − k ]
k =0 k =1
35
71
DESCRIPTION DES SYSTEMES EQUATIONS AUX DIFFERENCES
¾ Filtre à réponse impulsionnelle infinie (IIR) : pas d’implantation exacte par convolution
1e-02
80 1e-03
1e-04
60 1e-05
40
20
0
0.2 0.4 0.6 0.8 1
α
72
DESCRIPTION DES SYSTEMES EQUATIONS AUX DIFFERENCES
Réponse impulsionnelle théorique, alpha = 0.15 Réponse impulsionnelle de la version récursive, alpha = 0.15
0.04 0.04
0.035 0.035
0.03 0.03
0.025 0.025
0.02 0.02
0.015 0.015
0.01 0.01
0.005 0.005
0 0
0 10 20 30 40 50 0 10 20 30 40 50
36
73
DESCRIPTION DES SYSTEMES EQUATIONS AUX DIFFERENCES
¾ Terme général
On suppose y[n ] = k (α n + 1)e −α n
On vérifie alors y[n + 1] = 2e −α y[n ] − e −2α y[n − 1]
= 2e −α k (α n + 1)e −α n − e −2α k [α (n − 1) + 1] e −α ( n −1)
= ke −α ( n +1) (2α n + 2 − α n + α − 1)
= k [α (n + 1) + 1] e −α ( n +1)
cqfd
37
QUATRE THEOREMES FONDAMENTAUX
• Théorème de Parceval
+∞
Sx ( f ) = X ( f )
2
Sa Densité Spectrale d'Energie vaut :
+∞ +∞
∫ x (t )dt = ∫ X ( f ) df
2 2
La relation suivante constitue le théorème de Parceval :
−∞ −∞
Compte tenu de la relation liant les signaux en entrée et sortie des systèmes linéaire, on déduit
S y ( f ) = H ( f ) .S x ( f )
2
la relation entre leur Densité Spectrale d'Energie :
---------------------------------------------------
• Théorème du retard
x (t − t 0 ) s'écrit également x(t ) ⊗ δ (t − t 0 ) , a pour Transformée de Fourier X ( f )e − j 2π ft0
Le décalage temporel se traduit par un déphasage de le TF, il n'affecte pas le module de la TF.
Cela est la conséquence du choix de la décomposition sur une base d'exponentielles complexes.
--------------------------------------------------
--------------------------------------------------
∫ R (τ )e dτ
− j 2π f τ
Sx ( f ) = x
−∞
Ainsi, la Densité Spectrale d'Energie est la transformée de Fourier de la fonction d'autocorrélation.
Ce théorème est valable pour les signaux à énergie finie et subsiste pour les signaux aléatoires.
Ouverture Thématique
Signal
Signal & Fourier : du temps aux fréquences
Hugues BENOIT-CATTIN
Département Télécommunications, Services & Usages
1
Né en 1768, Joseph Fourier se révèle très tôt doué pour les lettres
et les sciences. Mais c'est l'étude des mathématiques qui provoque
chez lui enthousiasme et passion. En 1789, il viendra à Paris,
devant l'académie, lire son premier mémoire sur les équations
algébriques. Joseph Fourier va ensuite enseigner à Auxerre puis à
l'école polytechnique de Paris. Il participera à l'expédition d'Egypte
et sera chargé à son retour en France, d'écrire la préface historique
de l'ouvrage, qui regroupe l'ensemble des observations faites au
cours de l'expédition. C'est en 1802 que Fourier est nommé Préfet
de l'Isère. Grâce à sa puissance de travail, il réalisera au cours de
son mandat de grands travaux : assèchement des marais de
Bourgoin, tracé de la route de Grenoble à Turin. Il prêtera aussi une
grande attention à l'enseignement mis en place dans les lycées
(1804) et à la faculté des Sciences (1811). Et c’est aussi pendant
1807 : Equations de la chaleur son mandat de préfet qu’il effectue l’essentiel de son oeuvre
>> Equa. Diff scientifique. De retour à Paris, il entrera à l'Académie en 1816, tout
>> Séries de Fourier en continuant ses travaux de recherche concernant la propagation
>> Résoudre l’équation de la chaleur, les températures du globe terrestre et des espaces
planétaires.
En 1826, il entre à l'Académie Française et, malgré sa maladie,
travaillera inlassablement jusqu'à la fin de sa vie, le 17 Mai 1830.
Séries de Fourier
Tout signal périodique (T) de puissance finie peut être décomposé en une somme de sinus et de
cosinus.
An=0
∞
A
x(t ) = 0 + ∑ An cos( nw0 t ) + Bn sin( nw0 t )
2 n =1
T /2 1(4/π)
2
T −T∫/ 2
An = x(t ). cos( nw0 t ) dt n = 0,1,2,...
1+ 3 (4/3π)
T /2
2
T −T∫/ 2
Bn = x(t ). sin( nw0 t ) dt n = 1,2,3...
1+ 3+5 (4/5π)
2
Quelques exemples de signaux périodiques
Sinusoide
Rectangle périodique
Triangle périodique
Dent de scie
x ( t ) = {A n : n = 0,1,2,...} + {B n : n = 1,2,3...}
w 0 = 2πf 0
3
Pour un cosinus ?
Pour un sinus ? Le spectre du signal
Pour ça ?
T=5τ
Aτ sin(nw 0 τ / 2)
Xn =
T nw 0 τ / 2
T/2
− j2 π f t
X (f ) = ∫ x ( t )e dt f ∈ Z(f 0 ), t ∈ R
−T / 2
4
Et la puissance d ’un signal périodique ?
1T 2
P=
T ∫0
x ( t ).dt
P=
A 02 1 ∞ 2
4 2 n =1
(
+ ∑ A n + B 2n ) Identité de Parseval
∞
P= ∑ Xn ²
n = −∞
Densité Spectrale de Puissance
Du périodique au non-périodique
5
Transformée de Fourier des signaux continus
sin( wτ / 2)
X ( w ) = Aτ.
wτ / 2
Regraduons en f
+∞
Représentation de la TF
|X(w)|
Module / Argument
Parties réelle & imaginaire
Arg(X(w))
6
Quelques propriétés de Transformée de Fourier
– Linéarité
– X(f) module |X(f)|, phase Arg[X(f)]
– x(t) réel ⇔ Re[X(f)] paire, Im[X(f)] impaire, module pair, phase impaire
– x(t) réel pair ⇔ X(f) réel pair
– x(t) réel impair ⇔ X(f) imaginaire impair
– x(t)*y(t) ⇔ X(f).Y(f) et x(t).y(t) ⇔ X(f)*Y(f)
!
– x(t)*δ(t-t0)= x(t-t0) ⇔ X(f) exp(-2jπ f t0)
– x(t) exp(2 j π t f0) ⇔ X(f-f0)
– x*(t) ⇔ X*(-f)
– x(at) ⇔ |a|-1 X(f/a)
– dnx(t)/dtn ⇔ (2 j π f )n X(f)
– δ(t) ⇔ 1
– 1(t) ⇔ ½ δ(f) + 1/(2 j π f )
– cos(2πf0t) ⇔ [δ(f-f0) +δ(f+f0)]/2
– sin(2πf0t) ⇔ [δ(f-f0) -δ(f+f0)]/2j
– Σδ(t+nT) ⇔ Fe Σδ(f+kFe) avec Fe=1/T
– Rect(t) ⇔ 2a.Sinc(πfa)
7
représentation des signaux en temps
1
amplitude 0.5
-0.5
-1
0 1 2 3 4 5 6 7 8 9 10
temps (sec)
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
fréquence (Hz)
0.5
amplitude
-0.5
-1
0 1 2 3 4 5 6 7 8 9 10
temps (sec)
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
fréquence (Hz)
8
représentation des signaux en temps
1
0.5
amplitude
0
-0.5
-1
0 1 2 3 4 5 6 7 8 9 10
temps (sec)
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25 30
fréquence (Hz)
0.5
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
temps (µsec)
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8 9 10
fréquence (MHz)
9
représentation des signaux en temps
2
amplitude
1
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
temps (µsec)
0
-10
-20
-30
0 1 2 3 4 5 6 7 8 9 10
fréquence (MHz)
[e]
0.4 PSD [e]
50
40
0.2
(dB)
30
0 20
10
-0.2
0 50 100 0
0 1 2 3 4 5
t (ms)
f (kHz)
DFT
10
Réalisations
temps
t1 t2
Identité de Parseval
+∞ +∞
2 1 +∞ 2
E= ∫x ( t ).dt = ∫ X (f ) .df =
2π −∫∞
2
X ( w ) .dw
−∞ −∞
11
Transformée de Fourier & Systèmes
x(t) y(t)=x(t)*h(t)
h(t)
TF TF TF
12
Transformée de Fourier des signaux échantillonnés
Fe
x e ( t ) = ∫ X(f ). exp( j2πft ).df
0
Z(Te ) = {...,−3Te ,−2Te ,−Te ,0, Te ,2Te ,3Te ,...}
X(f ) = Te . ∑ x e (t ) exp(− j2πft )
t∈Z (Te )
Transformée de |X(f)|
x e (t)
Fourier
0 NTe t 0 1 f
Te
1
x e (t) =
NTe
∑ X(f ) exp( j2πft ) N (F) = {0, F,2F,3F,...NF} avec F =
1
NTe
f ∈N ( F )
Transformée X e (f)
xe (t)
de Fourier
0 NTe 0 1 1 f
2NTe
NTe Te
13
Du continu au discret, on échantillonne
• Échantillonnage idéal...
+∞ +∞
xe (t ) = x (t ) δT ( t ) = x (t ) ∑ δ (t − kT ) = ∑ x[ kT ]δ (t − kT )
k = −∞ k = −∞
• ...Transformée de Fourier...
+∞
1 1 k
Xe( f ) =
T
X ( f ) *δ1 ( f ) =
T
∑ X(f −
T
)
T k = −∞
Tourne ...
Transformée de X(f)
x(t)
Fourier
(CCFT)
0 T t f
Périodisation Echantillonnage
Transformée X e (f) en fréquence
x T (t) de Fourier
(CDFT)
0 T 2T 0 1 2 f
T T
14
et retourne ...
Transformée de X(f)
x e (t) Fourier
(DCFT)
0 NT t 0 1 f
T
Périodisation
Echantillonnage
Transformée
de Fourier X e (f) en fréquence
x Te (t)
(DDFT)
0 NT 2NT 0 1 1 f
NT T
x(t) X(f)
Si Fe > 2 Fmax alors les spectres
périodisés ne se recouvrent
pas
t -FMAX 0 FMAX f
Filtre de
xe(t) Xe(f) restitution
>> Reconstitution du signal
analogique de départ
t -1/T -FMAX 0 FMAX Fe=1/T 2/T f
théoriquement possible
T=1/Fe
15
Et le numérique ?
Un signal numérique est fini (N points), pour faire sa TF, on le périodise implicitement
On rajoute éventuellement des 0 (Nz), pour avoir une TF sur (N+Nz) points.
Un SLTI va être caractérisé par sa réponse impulsionnelle h(t) : sortie du système quand
l’entrée est une impulsion
x(t) y(t)=x(t)*h(t)
h(t)
TF TF TF
16
Bande passante et largeur de bande
Les différentes TF
17
Propriétés
CCFT connues
18
CCFT généralisées
connues
DCFT connues
19
CDFT connues
DDFT connues
20
OT Bases du signal
Résumé
On propose l'analyse en temps et en fréquence d'un signal composé de 2 impulsions
gaussiennes de fréquence centrale et de bande passante différentes. Après avoir mesurer les
caractéristiques en temps et en fréquence des signaux, la notion de filtrage sera introduite dans
le but d'identifier les fréquences appartenant à chacune des impulsions gaussiennes.
Canevas de la séance
Choisir les paramètres suivants puis les modifier pour visualiser les effets sur le signal et
son spectre.
A1 = 0.5; B1 = 0.05; n1 = 40;
• Générer une impulsion gaussienne modulée par une porteuse sinusoïdale. L'équation est :
x ( n ) = Ae − πB ( n − n0 ) cos(2πf 0 ( n − n 0 )) , n ∈ [0, N − 1] , et calculer son spectre
2 2
N −1
X (f ) = ∑ x ( n )e − j2 πfn , f ∈ [0,1[ , avec f0 la fréquence de la porteuse.
n =0
Fixer la fréquence porteuse à f1 = 0.1 puis modifier cette valeur pour visualiser les effets
sur le signal et son spectre.
• Générer une somme de 2 impulsions gaussiennes modulées x ' ( n ) perturbées par un bruit
blanc gaussien additif b( n ) .
x' (n) = x1 (n) + x 2 (n)
Les valeurs des paramètres du signal x 1 ( n ) sont celles du paragraphe précédent. Les
valeurs pour x 2 ( n ) sont : A2 = 1; B2 = 0.1; n2 = 80; f2 = 0.2
Le signal x ( n ) est :
10 − RSB / 10 N −1 2
x ( n ) = x ' ( n ) + σ b( n ) avec σ 2 =
N
∑n=0 x' ( n)
Observer le signal x ( n ) et son spectre pour différentes valeurs du paramètre RSB
(Rapport Signal à Bruit) exprimé en décibel. On pourra faire varier ce paramètre entre -10
dB et +40 dB par exemple.
OTBases_signal_sm3_12_2006.doc 1
• Calculer le centroïde du spectre du signal x ( n ) en estimant la fréquence moyenne à partir
de la densité spectrale d'énergie du signal Pxx (f ) = X(f ) .
2
+∞
f =
∫
−∞
fPxx (f )df
+∞
∫
−∞
Pxx (f )df
• Application du filtre
Le signal filtré y( n ) s'obtient en calculant l'opération de convolution entre le signal non
filtré x ( n ) et la réponse impulsionnelle du filtre h( n ) . Ce calcul est mis en œuvre dans la
N c −1
fonction Matlab filter et s'exprime par l'équation : y( n ) = ∑ h(i) x ( n − i)
i =0
Observer le signal filtré et son spectre.
OTBases_signal_sm3_12_2006.doc 2
ANALYSE DE FOURIER A COURT TERME
Didier VRAY- CREATIS - INSA - Lyon
Le but du travail est d'analyser le signal contenu dans le fichier tone1.mat. L'objectif est de décoder
ce signal qui est constitué d'une succession de sinusoïdes de fréquence constante sur une courte durée.
Le signal inconnu résulte de l'encodage d'une séquence de digits représentant des fréquences
différentes suivant la correspondance suivante :
Digit 0 1 2 3 4 5 6 7 8 9
F(Hz) 250 750 1250 1750 2250 2750 3250 3750 4250 4750
Le signal est échantillonné à la fréquence f = 10kHz.
4 - Il s'agit maintenant de décoder la suite de digits codés en fréquence en prenant successivement des
morceaux du signal. Proposer un programme qui permet le décodage de la séquence en calculant la
Transformée de Fourier de chaque tranche et en détectant le pic de fréquence. Pour cela, le signal sera
découpé "manuellement", les numéros des échantillons de début et de fin de chaque tranche seront
fournis au programme suite à l'analyse temporelle précédente.
OT SIGNAL
« Analyse du signal de parole »
Travaux Pratiques
1 INTRODUCTION
L'objectif de ce TP est de vous permettre d’appréhender les propriétés du signal de parole
tout en découvrant des outils de base de MATLAB pour le traitement du signal comme
Sptool (cf. annexe).
-1-
Premier Cycle – OT Signal
☺ 8) Filtrage du son son_i. Filtrer ce son à 0.5 kHz. Ecoutez (si vous pouvez :-) et
commentez.
2.3.2 Occlusives
☺ 9) Comparez les sons son_be et son_pe.
☺ 10) Transformez par une opération adéquate le b en p !
2.3.3 Fricatives
☺ 11) Comparez les sons son_sse et son_zze. Tronquez les signaux temporels pour
récupérer la partie qui correspond aux sons fricatifs. Comparez les spectres des sons
fricatifs purs.
2.3.4 Phrase
☺ 12) Visualisez et écoutez le signal phrase_exemple. Repérez les principaux
phonèmes.
☺ 13) Filtrez cette phrase à respectivement 8, 4, 2, 1, 0.5 kHZ. Ecoutez et commentez.
Quels sons disparaissent en premier ? Pourquoi ?
☺ 14) Superposez la phrase initiale avec la phrase filtrée à 1 kHz. Indiquez les phonèmes
disparus.
-2-
Premier Cycle – OT Signal
ANNEXE : SPTOOL
1) Synthèse de filtres
- Dans la fenêtre SPTool, Cliquez sur 'new design'. Une fenêtre Filter Designer s'ouvre.
- Saisissez le type de filtre, puis le gabarit (Fp,Rp,Fs,Rs,Sampling Frequency) et cliquez
sur 'apply'.
- Puis cliquez sur 'File / Close'. Votre filtre synthétisé apparaît avec le nom filt1, donnez lui
un nom par 'Edit / Name'
- Sauvegardez votre session avec 'File / Save session'. (Faites le de temps en temps)
4) Filtrage
- Dans la fenêtre SPTool, sélectionnez un signal et un filtre, puis cliquez sur 'Apply'.
- Avec le Signal Browser, observez le signal avant et après filtrage.
-3-
OT SIGNAL
« Introduction à SIMULINK »
Travaux Pratiques
1. INTRODUCTION
L'objectif de ce TP est de découvrir et d'utiliser un outil professionnel de simulation de
systèmes numériques intégré à l’environnement Matlab : SIMULINK.
On peut ouvrir un nouveau schéma simulink, et on aboutit à une deuxième fenêtre vide
nommée 'untitled' qui est la fenêtre dans laquelle sera conçu et visualisé le système à
étudier.
On peut cliquer sur le générateur de sinusoïde et en maintenant appuyé aller le poser sur
la fenêtre 'untitled'. Là, un double clic sur le bloc posé permet d'accéder à la configuration
du générateur de sinusoïdes.
Exemple :
Considérons par exemple, un modèle de processus analogique précédé d'un bloqueur
d'ordre zéro. Le procédé est attaqué par un amplificateur de puissance de gain K dont la
tension de sortie est limitée entre les valeurs -V et +V. Dans une nouvelle fenêtre, on
assemble les différents blocs nécessaires que l'on extrait des librairies SIMULINK.
Pour réaliser ce système, il va falloir incorporer dans la fenêtre 'untitled' quatre blocs, les
configurer et enfin les relier entre eux.
- discrete / zero-holder hold
- linear / gain
- non-linear / saturation
- linear : zero-pole
Une fois ces différents blocs reliés entre eux, on sélectionne l'ensemble à la souris et on
les groupe à l'aide de la commande Edit/CreateSubsystem; On obtient alors le bloc
suivant :
Un double clic sur le bloc que l'on vient de créer permet de retrouver les icônes assemblés
auxquels SIMULINK a automatiquement ajouté un bloc d'entrée In1 et un bloc de sortie
Out1. En double cliquant sur l'un d'entre eux, on a accès aux paramètres du sous-
système.
Un double click sur le bloc thermo plot fait apparaître une fenêtre de visualisation. Lancer
la simulation par Simulation/Start ou en cliquant sur le bouton . Pendant l'exécution
des signaux apparaissent dans la fenêtre 'thermo plots'.
Ce modèle inclue plusieurs sous-systèmes afin d'en faciliter la lisibilité : les deux
convertisseurs de température (F2C et C2F), le thermostat, la maison. Certains sont
masqués, pour en voir le contenu, il faut sélectionner le sous-système, appeler un menu
avec le bouton droit de la souris et choisir Look under mask.
Les sous-systèmes comme le thermostat, s'ouvre par un double clic, comme le thermostat
dont le détail est donné ci-dessous.
Analysez le schéma et repérez la partie émission, réception, le canal et les éléments qui
vont être visualisés.
Lancez la simulation, et observez.
Ces premières manipulations illustrent la puissance d'un tel outil. Sans compter l'aspect
interface qui se découvre naturellement puisque par quelques clics intuitifs vous pouvez
changer le nom des boites, coloriez les éléments du modèle ...
3. Le DSP Blockset
Comme MATLAB possède des Toolbox (Signal, Image, Communication, ...), SIMULINK
possède des Blockset, c'est-à-dire des librairies de blocs prédéfinis et prêts à l'emploi.
Nous nous intéresserons ici au DSP (Digital Signal Processing) Blockset qui regroupe des
blocs équivalents aux fonctions du Toolbox Signal Processing.
Pour accéder au contenu de chaque ensemble, il suffit de cliquer dessus. Les sous-
ensembles General DSP, Math Functions et Filters sont eux même divisés en sous-
ensembles. On pourra étudier le contenu de General DSP.
3.2 Construisez votre premier modèle
A partir de la fenêtre browser, ouvrez un nouveau modèle. Une Fenêtre 'untitled' apparaît.
C'est là que vous allez concevoir votre modèle et le simuler. Pensez à sauver
régulièrement votre modèle par File/Save.