2 - Traitement Du Signal - Master - TI - 2023 - Partie1

MODULE M112:
Smart Sensors, Measurement & Instrumentation
Elément 2:
Acquisition et Traitement du Signal
Élaboré et présenté par :

Prof : Mohamed MOUTCHOU
Pour le niveau 1ere Année du:

MASTER IMMERSIVE TECHNOLOGIES (MIT)
Signaux déterministes continus Descriptif du Module
MODULE M112: Smart Sensors, Measurement & Instrumentation
Volume horaire (VH)
Composante(s) du module Activités Travail
Cours TD TP Pratiques personnel
E1 : Smart Sensors 10 h 6h 8h 0h 0h
E2 : Acquisition et Traitement du Signal 10 h 6h 6h 0h 0h
VH global du module 20 h 12 h 14 h 0h 0h
% VH 40% 24% 28% 0% 0%
Elément 2 : Acquisition et Traitement du Signal

Introduction & Signaux déterministes continus
Introduction au filtrage et à l’analyse spectrale
Échantillonnage et Signaux déterministes discrets
Introduction au filtrage numérique
Notions sur les techniques de transmission de signal :
Note du module
Note Élément 1 : N1 = (CC * 0.25) + (TP * 0.25) + (EX * 0.50)
Note Élément 2 : N2 = (CC * 0.25) + (TP * 0.25) + (EX * 0.50)
Note Module : N = (N1 * 0.5) + (N2 * 0.5)
E2 : Acquisition et Traitement
Partie 2 : Traitement du Signal
du signal Prof :Mohamed Moutchou 1GEM
Master
& 1MSEI
TI 1 2
MODULE M112:
Smart Sensors, Measurement & Instrumentation
Elément 2:
Acquisition et Traitement du Signal
Élaboré et présenté par :

Prof : Mohamed MOUTCHOU
Pour le niveau 1ere Année du:

MASTER IMMERSIVE TECHNOLOGIES (MIT)
Introduction-Classification-Définition Constitution d’un système automatisé
Master
& 1MSEI
TI 1 4
Introduction-Classification-Définition Eléments du systèmes à objets connectés
IoT
Master
& 1MSEI
TI 1 5
Introduction-Classification-Définition Chaine d’acquisition & Traitement du signal
Master
& 1MSEI
TI 1 6
Introduction-Classification-Définition Chaine d’acquisition & Traitement du signal
Eléments d’une Chaine de Mesure
Master
& 1MSEI
TI 1 7
Introduction-Classification-Définition Introduction
Signal:
Le signal correspond à la mesure d’une grandeur physique, t.q : signal
sismique, mesure du pouls, température, déplacement, voltage, intensité,
etc...
La plupart des grandeurs physiques sont aujourd’hui converties en signaux
électriques, puis codées en signal numérique binaires.
Signal numérique
Oscilloscope et mesure de tension
Prise de son de concert de jazz Electrocardiogramme
Master
& 1MSEI
TI 1 8
La théorie du signal :
fournit la description mathématique (ou modélisation) des signaux.
Traitement des signaux
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, et qui a pour objet l’élaboration ou l’interprétation des
signaux porteurs d’information.
Applications du traitement du signal
Elaboration de signaux : Synthèse (de parole, de musique), modulation,
codage.
Interprétation des signaux : filtrage, extraction/détection d’information,
identification, analyse (spectrale ou temporelle).
Mixage : utilisation de plusieurs signaux (audio la plupart du temps) pour la
diffusion d’un ou deux signaux résultats.
Opérations particulières aux audioprothèses : Amplification, Réduction du
bruit, Annulation du retour acoustique, Compression, ...
Master
& 1MSEI
TI 1 9
Domaines d'application
Télécommunication. Reconnaissance de formes.
Technique de mesures. Traitement d'images.
Etude de vibrations mécaniques. Analyses biomédicales.
Surveillance de processus industriels. Géophysique.
Radar. Astronomie.
Acoustique etc.
Exemples
Codage de la Parole:
La reconnaissance de la parole nécessite le traitement d'une grande quantité de
données.
Le codage permet de réduire cette quantité, en éliminant les redondances et en
conservant l'information utile.
Les Télécommunications :
Si 1 Millions d’abonnés au téléphone étaient reliés 1 à 1 il faudrait 500.109 câbles.
Heureusement les travaux sur la modulation, l'échantillonnage et la transmission
permettent d'émettre, sur une même voie, des milliers de messages.
Master
& 1MSEI
TI 1 10
Principales fonctions du traitement de signal
Les principales fonctions du traitement de signal sont :
La mesure :
mesurer un signal, c'est essayer d'estimer la valeur d'une grandeur
caractéristique qui lui est associée avec un certain degré de confiance.
Le filtrage :
c'est une fonction qui consiste à éliminer d'un signal certaines composantes
indésirables.
L’analyse :
On cherche à isoler les composantes essentielles d'un signal de forme complexe,
afin d'en mieux comprendre la nature et l’origine.
La synthèse :
« opération inverse de l'analyse, » consiste à créer un signal de forme appropriée
en procédant, par exemple, à une combinaison de signaux élémentaires.
La régénération :
c'est une opération par laquelle on tente de redonner sa forme initiale à un
signal ayant subis diverses distorsions.
Master
& 1MSEI
TI 1 11
Principales fonctions du traitement de signal
Les principales fonctions du traitement de signal sont :
La détection :
par cette opération on tente d'extraire un signal utile du bruit de fond qui lui est
superposé.
L’identification :
c'est un procédé souvent complémentaire qui permet d'effectuer un classement
du signal observé.
Le codage :
outre sa fonction de traduction en langage numérique, est utilisé soit pour lutter
contre le bruit, soit pour tenter de réaliser des économies de largeur de bande
ou de mémoire d'ordinateur.
La modulation et le changement de fréquence :
sont essentiellement des moyens permettant d'adapter un signal aux
caractéristiques fréquentielles d'une voie de transmission.
Master
& 1MSEI
TI 1 12
Introduction-Classification-Définition Classification des signaux
Classification des signaux
Signal déterministe : évolution complètement prédictible par un modèle
mathématique approprié.
Signal aléatoire : évolution non prédictible, non reproductible d’une
expérience à l’autre.
Signal déterministe Signal aléatoire Signal réel = Signal déterministe +

Signal aléatoire
Master
& 1MSEI
TI 1 13
Classification des signaux
Master
& 1MSEI
TI 1 14
Classification morphologique:
Selon que le signal x(t) ou la variable t est continu ou discret ( t =kT ) on
k
distingue quatre types de signaux :

Le signal à amplitude et temps continus appelé signal analogique.
Le signal à amplitude continue et temps discret appelé signal échantillonné.
Le signal à amplitude discret et temps continu appelé signal quantifié.
Le signal à amplitude discret et temps discret appelé signal numérique.
Master
& 1MSEI
TI 1 15
Classification Spectrale :
La largeur de bande F d’un signal est le domaine principal des fréquences
occupé par son spectre. Elle est définie par la relation :
F = Fmax –Fmin
• Téléphonie : bande passante : 300 Hz - 3400 Hz
• Radiodiffusion : bande passante : 40 Hz – 15kHz
• Son hi-fi (CD audio, DVD ... ) : 16 Hz - 20 kHz
L'analyse spectrale d'un signal ( ou la répartition énergétique en fonction de

la fréquence ) conduit à une classification en:
Signaux de basses fréquences.
Signaux de hautes fréquences.
Signaux à bande étroite (Fmax Fmin).
Signaux à large bande (Fmax >> Fmin).
Master
& 1MSEI
TI 1 16
Classification Spectrale :
Pour les signaux à bande étroite, il est possible de les classer par le domaine
de variation de la fréquence moyenne Fmoy= (Fmax+ Fmin)/2,
Fmoy < 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 > 3GHz signaux super hautes fréquences (SHF)
Lorsque la fréquence du signal devient très grande, pratiquement
supérieure à quelques térahertz (THz = 1012 Hz), la longueur d'onde est le
paramètre de référence ( = avec c : vitesse de la lumière 3.108 m/s):
Les Ultraviolets (UV), de 200 nm à 400 nm, invisibles, sans échauffer,
La Lumière visible, de 400 à 800 nm, visibles,
Les Infrarouges (IR), de 800 à 1400 nm, invisibles, chauffent les solides et gaz.
Master
& 1MSEI
TI 1 17
Classification Temporelle :
Signaux de durée finie :
Les signaux dont l'amplitude s'annule en dehors d'un intervalle de temps T,
x(t) = 0 pour t T sont appelés signaux de durée limitée ou à support borné.
Signaux bornée en amplitude :

C'est le cas de tous les signaux physiquement réalisable pour lesquels l'amplitude
ne peut pas dépasser une certaine valeur limite, souvent imposée par des
dispositifs électronique de traitement.
On a dans ce cas : ( < <+
Signaux pairs et impairs :

Un signal est pair si : ( ) = )
il est impair si : ( ) = )
Tout signal réel peut être décomposé en une partie paire et une partie impaire :
( ) = ( ) + ( )
Master
& 1MSEI
TI 1 18
Signaux à énergie finie
Un signal x(t) est dit à énergie finie s’il est de carré sommable, c’est-à-dire
si = ( ). ce qui implique que = 0,
Signaux à puissance moyenne finie :

Un signal x(t) est dit à puissance moyenne finie si
/
= lim . /
.
Cas des signaux périodiques de période T :

/
= . /
.
Si Px 0, alors Wx = (signal à énergie totale infinie).
Master
& 1MSEI
TI 1 19
Causalité:
Un signal x(t) est dit causal ssi = 0, < 0.
Un signal x(t) est dit anti-causal ssi = 0, > 0.
Master
& 1MSEI
TI 1 20
Introduction-Classification-Définition Fonctions et signaux élémentaires
Fonctions et signaux élémentaires usuels:
Fonction d'Heaviside (échelon unité):
0<0
1>0
=0
avec a quelconque ( Par convention = 1)
Fonction signe :
<01
=0
1 >0
avec a quelconque ( Par convention = 0).
Master
& 1MSEI
TI 1 21
Fonction porte (rectangle ou créneau):
0 > 1/2
( ) = 1 < 1/2
= 1/2
avec a quelconque (par convention a = 1).
Propriété : la fonction rect(t) est normalisée, car la surface (sous la courbe) est
unitaire.
sin
Fonction sinus cardinal : =
fonction ( ) fonction
Master
& 1MSEI
TI 1 22
Fonction triangle:
| 1
0 >1
La fonction triangle est elle aussi normalisée
Impulsion unité (distribution de Dirac)

Mathématiquement, c’est une fonction (distribution) définie par :
0 )
La fonction de Dirac est normalisée : =1
D’autre part, on a : )
On dit que (t) est la primitive de (t)
ou bien que (t) est la dérivée de (t)
Master
& 1MSEI
TI 1 23
Impulsion de Dirac
Réalisation Approché de (t)
Soit la fonction rectangle paramétrer par suivante:
1 1
= =
L’impulsion de Dirac peut être représenté par la limite suivante:

1
= lim
Ou encore par les limites des fonctions suivantes:

1
= lim
1
= lim = lim
Master
& 1MSEI
TI 1 24
Impulsion de Dirac
Propriétés de l’impulsion de Dirac (t)
Produit :
( ) ( ) =
0 ( 0) ( 0),
Intégrale :
Changement de variable :
1
( . ) = ( )
Master
& 1MSEI
TI 1 25
Impulsion de Dirac
Fonction ”peigne de Dirac” (fonction d’échantillonnage)
Master
& 1MSEI
TI 1 26
Signaux déterministes continus Représentation temporelle
Domaine temporel : analyse de l’évolution du signal dans le temps
Permet de mettre en évidence certaines caractéristiques :
signal périodique ou non (détermination de la période),
amplitude (valeur moyenne, maximale…),
signal analogique/numérique, énergie finie/infinie, ...
Déterminer l’expression analytique du signal ci-dessous ?
Master
& 1MSEI
TI 1 27
L’expression mathématique du signal est :
L’observation dans le domaine temporel est souvent insuffisante pour

déduire l’expression mathématique du signal,
Il serait intéressant de trouver une autre représentation qui apporterait plus
d’informations sur le signal que la représentation usuelle temporelle,
Cette nouvelle représentation devra faire directement apparaître certaines
caractéristiques du signal (par exemple Ao, A1, A2, o, 1, 2)
non plus dans le domaine temporel (en fonction du temps) mais dans le
domaine fréquentiel.
Master
& 1MSEI
TI 1 28
Signaux déterministes continus Représentation temporelle et Fréquentielle
L’expression mathématique du signal est :
Nouvelle représentation : d’amplitude et phase initiale en fonction de la

fréquence
Master
& 1MSEI
TI 1 29
Exemple d’un signal de voix parlée sur 2s (amplitude/temps)
Exemple d’un signal de voix parlée sur 71ms (amplitude/temps)
Master
& 1MSEI
TI 1 30
Signaux déterministes continus Représentation fréquentielle
Représentation spectrale
Exemple d’un signal de voix parlée, enveloppe spectrale
(amplitude/fréquence) calculée sur 71 ms
Master
& 1MSEI
TI 1 31
Signaux déterministes continus Transformation de Fourier
Vers une représentation Fréquentielle
Notion de fréquence
La fréquence est le nombre de fois qu'un
phénomène périodique se reproduit pendant une
durée déterminée,
C'est donc l'inverse de la période f = 1/T
La fréquence est mesurée en hertz (= 1/seconde)
Master
& 1MSEI
TI 1 32
Signaux déterministes continus Séries de Fourier
Propriétés :
= + . cos . + b . sin(n. )
Il est donc possible d'obtenir des signaux périodiques complexes par une simple
combinaison linéaire de signaux élémentaires,
• C'est le principe inverse de la décomposition en série de Fourier
Sous forme de signaux sinusoïdaux, les fréquences d'un signal apparaissent naturellement.
• Pour les signaux périodiques, la décomposition en Série de Fourier (DSF) constitue le lien
entre la représentation temporelle d'un signal et sa représentation fréquentielle.
• Pour les signaux non périodiques, il s'agit de la Transformée de Fourier (TF).
Master
& 1MSEI
TI 1 33
Décomposition en série de Fourier ( s(t) périodique ) :
Représentation exponentielle:
= Avec : = .
Représentation trigonométrique:
Le terme général S . . . ) est

appelé harmonique de rang n
C’est un signal cosinusoïdal d’amplitude An de période To/n (fréquence n.fo) et de
phase à l ’origine
Master
& 1MSEI
TI 1 34
Propriétés et remarques :
= + . cos . + b . sin(n. )
: valeur moyenne du signal (composante continue)

Harmonique d’ordre 1 : fondamental
Amplitudes An tendent vers 0 lorsque n tend vers l’infini
Décomposition indépendante de l’intervalle [ , + ]
Si s(t) pair bn = 0 n>0
= + . cos .
Si s(t) impair an = 0 n>0

= + b . sin(n. )
Master
& 1MSEI
TI 1 35
Spectres unilatéraux d’amplitude et de phase
Spectre d’amplitude de s(t) : tracé de An en fonction des pulsations
(fréquences)
Spectre de phase de s(t) : tracé de n en fonction des pulsations
(fréquences)
On parle alors de représentation fréquentielle ou spectrale
An et n n’existant que pour des multiples entiers de o,
on parle de spectres de raies ( pour les signaux périodique)
Master
& 1MSEI
TI 1 36
Exemple 1 : cas d'un signal sinusoïdal

Soit un signal sinusoïdal décrit par : ( ) = 2cos( . 10. /4)
C ’est un signal ne contenant qu’un seul harmonique !
Master
& 1MSEI
TI 1 37
Exemple 2 : cas d’un créneau

Montrer que le développement en série de Fourier d’un signal créneau
s’écrit :
Master
& 1MSEI
TI 1 38
Exemple 2 : cas d’un créneau Spectres unilatéraux d’amplitude et de phase
Evolution temporelle des Reconstruction du signal à
2,55
harmoniques partir des harmoniques
Master
& 1MSEI
TI 1 39
Exercice : effectuer la décomposition en série de Fourier
(représentation unilatérale) des signaux suivant:
1- Signal triangulaire 2- Signal en dents de scie
3- Signal sinusoïda1 redressé:
Master
& 1MSEI
TI 1 40
De la forme trigonométrique à la forme exponentielle complexe
Tout signal à temps continu s(t) périodique de période To peut s’écrire :
= + . cos . + b . sin(k. ) Forme trigonométrique

réelle
En utilisant les formules d’Euler :
+
cos . = sin . =
2
On montre que tout signal à temps continu s(t) périodique de période To

peut également s’écrire :
= . Forme exponentielle
complexe
Avec :
1
= . . .
Master
& 1MSEI
TI 1 41
Forme exponentielle complexe
= . Avec : = . . .
Les coefficients cn sont appelés coefficients de Fourier

Ces coefficients sont généralement complexes et peuvent s ’écrire sous
forme exponentielle complexe :
= . ( )
L ’harmonique de rang n s’écrit également :
= . + . =2 cos ( + ( ) )
L’harmonique de rang n est donc une cosinusoïde de pulsation ,
d’amplitude 2| | et de déphasage ( )
Master
& 1MSEI
TI 1 42
Spectres bilatéraux d’amplitude et de phase
Les coefficients de Fourier peuvent s’écrire :
= . ( )
= | |.
Spectre d ’amplitude de s(t) : tracé de | | en fonction des pulsations

Spectre de phase de s(t) : tracé de ( ) en fonction des pulsations
Remarques :
• Le spectre d’amplitude bilatéral est toujours pair
• Le spectre de phase bilatéral est toujours impair
Master
& 1MSEI
TI 1 43
Exemple 1 : cas d'un signal sinusoïdal

Soit un signal sinusoïdal décrit par : ( ) = 2cos( . 10. /4)
Master
& 1MSEI
TI 1 44
Exemple 2 : cas d’un créneau

Montrer que le développement en série de Fourier d’un signal créneau
s’écrit :
Master
& 1MSEI
TI 1 45
Identité de Parseval
Signaux périodiques : signaux à énergie infinie mais à puissance moyenne
finie
L’identité de Parseval montre l’égalité du calcul de la puissance moyenne
d’un signal périodique de période To à partir de sa représentation dans le
domaine temporel ou fréquentiel :
= + =2
Master
& 1MSEI
TI 1 46
Détermination du signal temporel à partir des spectres d’amplitude
et de phase
? ?
Master
& 1MSEI
TI 1 47
Détermination du signal temporel à partir des spectres unilatéraux
en amplitude et phase
Master
& 1MSEI
TI 1 48
Détermination du signal temporel à partir des spectres bilatéraux
= )
Master
& 1MSEI
TI 1 49
Détermination du signal temporel à partir des spectres bilatéraux
Exercice
Master
& 1MSEI
TI 1 50

2 - Traitement Du Signal - Master - TI - 2023 - Partie1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2 - Traitement Du Signal - Master - TI - 2023 - Partie1

Transféré par

Droits d'auteur :

Formats disponibles

MODULE M112:

Smart Sensors, Measurement & Instrumentation

Élaboré et présenté par :

Pour le niveau 1ere Année du:

Elément 2 : Acquisition et Traitement du Signal

Élaboré et présenté par :

Pour le niveau 1ere Année du:

Prise de son de concert de jazz Electrocardiogramme

Signal déterministe Signal aléatoire Signal réel = Signal déterministe +

distingue quatre types de signaux :

L'analyse spectrale d'un signal ( ou la répartition énergétique en fonction de

Signaux bornée en amplitude :

Signaux pairs et impairs :

Signaux à puissance moyenne finie :

Cas des signaux périodiques de période T :

La fonction triangle est elle aussi normalisée

Impulsion unité (distribution de Dirac)

La fonction de Dirac est normalisée : =1

L’impulsion de Dirac peut être représenté par la limite suivante:

Ou encore par les limites des fonctions suivantes:

L’observation dans le domaine temporel est souvent insuffisante pour

Nouvelle représentation : d’amplitude et phase initiale en fonction de la

Exemple d’un signal de voix parlée sur 2s (amplitude/temps)

Exemple d’un signal de voix parlée sur 71ms (amplitude/temps)

Le terme général S . . . ) est

: valeur moyenne du signal (composante continue)

Si s(t) impair an = 0 n>0

Exemple 1 : cas d'un signal sinusoïdal

Exemple 2 : cas d’un créneau

3- Signal sinusoïda1 redressé:

= + . cos . + b . sin(k. ) Forme trigonométrique

En utilisant les formules d’Euler :

On montre que tout signal à temps continu s(t) périodique de période To

Les coefficients cn sont appelés coefficients de Fourier

L ’harmonique de rang n s’écrit également :

Spectre d ’amplitude de s(t) : tracé de | | en fonction des pulsations

Exemple 1 : cas d'un signal sinusoïdal

Exemple 2 : cas d’un créneau

Vous aimerez peut-être aussi