Académique Documents
Professionnel Documents
Culture Documents
Notions de convolution et
corrélation
1
1. Introduction
Un Signal véhicule une information. Il est la manifestation physique d’une
Exemples :
Onde acoustique : délivrée par un microphone
(parole, musique, ..)
Signaux biologiques (ECG, …)
Tension aux bornes d’un composant
électronique
Signaux géophysiques : vibrations sismiques.
2
1. Introduction
Tout signal physique comporte une composante aléatoire (perturbation externe,
bruit, erreur de mesure, etc …).
n
2 2
4
3. Système linéaire et invariant dans le temps
Un système est continu si à une entrée continue x(t) une sortie continue y(t).
Un système discret : Suite d'entrées discrètes x(n) Suite de sorties discrètes y(n).
5
3. Système linéaire et invariant dans le temps
6
3. Système linéaire et invariant dans le temps
Illustration :
Caractéristique de transfert d'un amplificateur opérationnel :
Comportement linéaire dans la zone linéaire.
Comportement non linéaire dans la zone saturée
7
3. Système linéaire et invariant dans le temps
Un système est invariant si une translation de l'entrée x(t) → x(t-) se traduira par
une même translation dans le temps de la sortie y(t) → y(t- ).
8
3. Système linéaire et invariant dans le temps
Convolution : Si les hypothèses de linéarité et d'invariance temporelle sont
vérifiées, on peut caractériser le système par sa réponse impulsionnelle h(t) (ou h(n) ).
y (t ) x(t ) * h(t ) x( )h(t )d x(t )h( )d
x(t ) * (t ) x(t )
y ( n) h( n) * x ( n) h(m) x( n m) x (m)h(n m) x ( n) * ( n) x ( n)
m m
9
3. Système linéaire et invariant dans le temps
Propriété de Dirac
(t )dt 1
x(t ) (t t )dt x(t t ) (t )dt x(t ) (t )dt x(t )
0
0
0 0
10
3. Système linéaire et invariant dans le temps
Exemple 1 :
11
3. Système linéaire et invariant dans le temps
Exemple 2 :
x(n) 2,1,3, h(n) 1,2,2,3
y ( n) x ( n) * h( n)
12
4. Stabilité et causalité
Causalité : L’effet ne peut précéder la cause.
h(t ) 0, t 0 h(n) 0, n 0
Exemple d’application :
1. y(n) = x(n) + bx(n-1) 2. y(n) = x(n) + bx(n+1) 3. y(n+1) = nx(n+1)
4. y(n) = x(n) sin(2f0n) 5. y(n) = x(n)en 6. y(n) = bx(n), b : cste réelle
7. y(n) = |x(n)|
13
4. Stabilité et causalité
Stabilité : Si l’entrée est bornée alors, la sortie reste bornée.
h(t ) dt M Ou h( n)
n
Exemple d’application :
1. y(n) = x(n) + bx(n-1) 2. y(n) = x(n) + bx(n+1) 3. y(n+1) = nx(n+1)
4. y(n) = x(n) sin(2f0n) 5. y(n) = x(n)en 6. y(n) = bx(n), b : cste réelle
7. y(n) = |x(n)| 14
5. Corrélation et auto-corrélation
Corrélation : Mesurer le degré de ressemblance entre deux signaux en fonction
d’un décalage.
* Maximum pour un retard k si x(n)=x(n-k)
Rxy (k ) x ( n) y ( n k )
n
N
1
2
1 *
Signaux à puissance moyenne finie : Rxy (k )
N
x ( n) y ( n k )
N
n
2
Exemple : x(n) est un signal aléatoire et y(n) sa version décalée de 50s.
15
5. Corrélation et auto-corrélation
*
Auto-Corrélation : Rxx (k ) x ( n) x ( n k )
n
16
5. Corrélation et auto-corrélation
Auto-Corrélation : L’auto-corrélation d’un signal périodique est périodique.
N
1
2
1 *
Rxx (k )
N
x ( n) x ( n k )
N
n
2
17
5. Corrélation et auto-corrélation
Exemple d’application1 : Estimation d’un retard
18
5. Corrélation et auto-corrélation
Exemple d’application2 : Détection d’un signal périodique.
19