Cours Traitement Du Signal 2017 Final V10

NOTE DE COURS
TRAITEMENT DU SIGNAL
Présentée par
Dr. Jean-Louis C. FANNOU

Département génie mécanique et Energétique(GME)
Ecole Polytechnique d'Abomey-Calavi (EPAC)
Traitement du signal 2
Sommaire
Chapitre 1 Généralités sur les signaux et systèmes ........................................................................ 5
1-1 Définitions ............................................................................................................................. 5
1-1-1 Signal .............................................................................................................................. 5
1-1-2 Bruit................................................................................................................................ 5
1-1-3 Rapport signal -bruit: ..................................................................................................... 5
1-1-4 Traitement du signal ...................................................................................................... 5
1-2 Fonctions du traitement du signal ........................................................................................ 6
1-2-1 Créer : Elaboration de signaux ....................................................................................... 6
1-2-2 Analyser : Interprétation des signaux ............................................................................ 6
1-2-3 Transformer : adapter un signal aux besoins ................................................................. 7
1-2-4 Chaîne de traitement de l'information et traitement di signal...................................... 8
1-3 Classification des signaux ...................................................................................................... 8
1-3-1 Classification dimensionnelle......................................................................................... 8
1-3-2 Classification phénoménologique .................................................................................. 8
1-3-3 Classification énergétique ............................................................................................ 10
1-3-4 Classification morphologique....................................................................................... 11
1-4 Exemples de signaux élémentaires ..................................................................................... 12
1-4-1 signaux analogiques ..................................................................................................... 12
1-5 Systèmes.............................................................................................................................. 15
1-5-1 Définition...................................................................................................................... 15
1-5-2 Classification ................................................................................................................ 15
1-5-3 Exemples de systèmes Entrée/Sortie(E/S) ................................................................... 16
1-5-4 Convolution .................................................................................................................. 17
Chapitre 2 Transformation de Fourier .......................................................................................... 18
2.1 Définition ............................................................................................................................. 18
2.2 Notion de fréquence ........................................................................................................... 18
2.3 Cas des signaux analogiques non périodiques .................................................................... 20
2.3.1 Définition ...................................................................................................................... 20
2.3.2 Application.................................................................................................................... 21
JEAN-LOUIS COMLAN FANNOU, PhD

2.4 Cas des signaux analogiques périodiques ........................................................................... 21

2.4.1 Série de Fourier ............................................................................................................ 21
2.4.2 Transformation de Fourier de signaux analogiques périodiques ................................. 22
2.4.3 Application.................................................................................................................... 23
2.5 Cas des signaux numériques ............................................................................................... 24
2.5.1 Définition ...................................................................................................................... 24
2.5.2 Propriétés importantes ................................................................................................ 24
2.5.3 Application.................................................................................................................... 24
2.6 Spectres d'un signal ............................................................................................................. 25
Chapitre 3 Les systèmes numériques ............................................................................................ 26
3.1 Signaux numériques et transformation en z (TZ) ................................................................ 26
3.1.1 Introduction .................................................................................................................. 26
3.1.2 Définition ...................................................................................................................... 26
3.1.3 Détermination de la région de convergence (existence de TZ).................................... 26
3.1.5 Quelques principales propriétés de la transformation en z ......................................... 30
3.2 Représentation de système: équation aux différences....................................................... 30
3.3 Réponse impulsionnelle d'un système linéaire-Fonction de transfert ............................... 31
3.3.1 Définition ...................................................................................................................... 31
3.3.2 Expression générale de la réponse d'un système linéaire ........................................... 31
3.3.3 Cas d'un système numérique invariant ........................................................................ 32
Application............................................................................................................................. 32
3.4 Diagramme de simulation ou schéma fonctionnel d'un système ....................................... 33
Application............................................................................................................................. 33
Application 3.......................................................................................................................... 33
Chapitre 4 Du signal continu au signal numérique: Echantillonnage, reconstruction et
quantification ................................................................................................................................ 35
4.1 Introduction ......................................................................................................................... 35
4.2 Echantillonnage idéal .......................................................................................................... 37
4.2.1 Définition ...................................................................................................................... 37
4.2.2 Modélisation mathématique ........................................................................................ 38
4.2.3 Analyse du spectre du signal échantillonné ................................................................. 38

4.2.4 Théorème de Shannon ................................................................................................. 40

4.4 Reconstitution de signal ...................................................................................................... 40
4.4.1 Problématique .............................................................................................................. 40
4.4.2 formule d'interpolation de Shannon ............................................................................ 42
4-5 Quantification...................................................................................................................... 42
4.5.1 Définition ...................................................................................................................... 42
4.5.2 Principe ......................................................................................................................... 42
4.5.3 Valeur du signal quantifié ............................................................................................. 42
4.5.4 Bruit de quantification.................................................................................................. 43
4.5.5 Cas de la quantification uniforme ................................................................................ 43
4.6 Codage ................................................................................................................................. 44
4.7 Application........................................................................................................................... 44
Chapitre 5 Filtrage numérique ...................................................................................................... 46
5.1-Introduction ........................................................................................................................ 46
5.2-Classification ....................................................................................................................... 46
5.1.1 Classification générale .................................................................................................. 46
5.1.2 Classification en fonction des réalisations ................................................................... 47
5.1.3 Classification des filtres idéaux .................................................................................... 47
5.1.4 Notion de gabarit.......................................................................................................... 48
5.3 Filtres discrets non-récursifs ........................................................................................... 49
5.2 Filtres discrets récursifs (FDR) ............................................................................................. 51
Application1............................................................................................................................... 52
Application2............................................................................................................................... 52
Travaux Pratiques
Logiciel : Matlab

Chapitre 1 Généralités sur les signaux et systèmes

1-1 Définitions
1-1-1 Signal
 Représentation physique de l'information qu'il transporte de sa source à son
destinataire
 Vecteur ou support de l'information
 Manifestation physique d'une grandeur mesurable (force, intensité tension, onde
électromagnétique, etc.)
Exemples
 Onde acoustique : courant délivré par un microphone (parole, musique, …)
 Signaux biologiques : EEG (électro encéphalogramme), ECG (échographie)
 Tension aux bornes d'un condensateur en charge
 Signaux géophysiques : vibrations sismiques
 Images
 Vidéos
etc.
1-1-2 Bruit
Phénomène perturbateur gênant la perception ou l'interprétation d'un signal par analogie
avec les nuisances sonores dans le cas de la propagation du son.
1-1-3 Rapport signal -bruit:

Le rapport signal -bruit renseigne sur la quantité de bruit(N) contenu dans le signal(S). Il
s'exprime en décibels (dB) et se calcul par le rapport entre la puissance du signal(PS) et
celle du bruit PN
S P 
   10 log S 
 N  dB  PN 
1-1-4 Traitement du signal

 Ensemble de techniques permettant de créer, d'analyser, de transformer les
signaux en vue de leur exploitation
 Extraction du maximum d'information utile d'un signal perturbé par le bruit

1-2 Fonctions du traitement du signal
1-2-1 Créer : Elaboration de signaux
 Synthèse : création de signaux par combinaison de signaux élémentaires
 Modulation : adaptation du signal au canal de transmission
1-2-2 Analyser : Interprétation des signaux
 Détection : isoler les composantes utiles d'un signal complexe, extraction du signal
d'un bruit de fond.

 Identification : classement du signal dans des catégories préalablement définies

(identification d'une pathologie sur un signal ECG, reconnaissance de la parole,
etc.).
1-2-3 Transformer : adapter un signal aux besoins
 Filtrage : élimination de certaines composantes
Détection de craquements sur un enregistrement,

Détection de bruit sur une image,
Annulation d'écho, etc.
 Codage/compression (Jpeg, mp3, mpeg4, etc

1-2-4 Chaîne de traitement de l'information et traitement di signal
1-3 Classification des signaux
1-3-1 Classification dimensionnelle
 Signal monodimensionnel 1D
Fonction d'un seul paramètre, pas forcément le temps : une concentration, une
abscisse, etc.
 Signal bidimensionnel 2D
Exemple : image NG, f (x, y)
 Signal tridimensionnel 3D
Exemple : film NB , f (x, y,t)
1-3-2 Classification phénoménologique
 Evolution déterministe ou aléatoire des signaux
 Signaux déterministes

Signaux dont l'évolution en fonction du temps t peut être parfaitement décrite grâce à une
description mathématique ou graphique.
 Sous catégories :
Périodiques Apériodiques Transitoire

Il existe T/ x(t) = x(t + kT)
 Signal réel
C'est un signal représentant une grandeur physique. Son modèle mathématique est une
fonction réelle. Ex. : tension aux bornes d'un condensateur
 Signaux aléatoires (stochastiques)
Signaux dont l'évolution temporelle est imprévisible et dont on ne peut pas prédire la valeur
a un temps t. La description est basée sur les propriétés statistiques des signaux (Moyenne,
variance, loi de probabilité, …)
Exemple : résultat d'un jet de lance toutes les secondes (moyenne=3.5, écart type :1.87)
 Sous catégories :
 Signaux aléatoires stationnaires

Stationnaire si les caractéristiques statistiques ne varient pas au cours du temps.
 Signaux aléatoires non-stationnaires

Stationnaire Non-stationnaire
1-3-3 Classification énergétique
 Energie et Puissance des signaux
Soit un signal x(t) défini sur  , et To une intervalle de temps

To
2
 2 2
Energie de x(t): E   x(t ) dt ou P  lim  x(t ) dt
 To 
To

2
To
2
1 2
Puissance moyenne de x(t): P  lim
To  T
o
 x(t ) dt
To

2
 Signaux à énergie finie: puissance moyenne nulle

Généralement, cas des signaux représentant une grandeur physique.
Exemple de signaux transitoires a support borné
 Signaux à énergie infinie: puissance moyenne non nulle (Cas des signaux
périodiques)

1-3-4 Classification morphologique
Amplitude continue Amplitude discrète

Temps continue Signal analogique (1) Signal quantifié (2)
Temps discret Signal échantillonné (3) Signal logique ou
numérique(4)

On appelle numérisation d'un signal l'opération qui consiste à faire passer un signal de la
représentation dans le domaine de temps et des amplitudes continus au domaine des temps
et des amplitudes discrets. Cette opération peut se décomposée en deux étapes:
-Echantillonnage
-Quantification
1-4 Exemples de signaux élémentaires
1-4-1 signaux analogiques
 La rampe unitaires causale
0 pour t  0
r (t )  
 t pour t  0

 L'échelon unitaire ou Heaviside
0 pour t  0
(t )  
1 pour t  0
 Fonction porte
𝟏 𝒑𝒐𝒖𝒓 |𝒕| ≤ 𝑻⁄𝟐
𝒓𝒆𝒄𝒕𝑻 (𝒕) = {
𝟎 𝒑𝒐𝒖𝒓 |𝒕| ≥ 𝑻⁄𝟐
 L'impulsion unitaire ou impulsion de Dirac
Elle correspond à une fonction porte dont la valeur T tendrais vers 0 et dont l'aire est égale
à 1.


 (t )dt  1
 Signal peigne de Dirac

C'est une somme infinie d'impulsions de Dirac régulièrement espacées de To
k  
PgnT0 (t )    (t  kT )
k  
0
Propriété importante
k  
x(t ).PgnT0 (t )   x(kT ) (t  kT )
k  
0 0

 Signal harmonique sinusoïdal

x(t )  A sin(wt   )
 Signal retardé
si x(t) est un signal, y(t)=x(t-to) est la version décalée du signal x(t)
1-4-2 Signaux numériques
 L'échantillon ou impulsion unité

1 pour k  0
d (k )  
0 pour k  0
 Le signal saut unité
𝟏 𝒑𝒐𝒖𝒓 𝒌 ≥ 𝟎
𝜺(𝒌) = {
𝟎 𝒑𝒐𝒖𝒓 𝒌 < 𝟎
 Signal retardé
si x(k) est un signal, y(t)=x(k-ko) est la version décalée du signal x(k)

 Expression générale d'un signal numérique
l  
x(k )   x(l )d (k  l )
l  
1-5 Systèmes
1-5-1 Définition
Un système est un dispositif représenté par un modèle mathématique de type Entrée/Sortie
dont le rôle est de réaliser les fonctions du traitement du signalé.
x(t) ou x(k) y(t) ou y(k)

Système (S)
Le signal x(t) ou x(k) est appelé entrée ou excitation

Le signal y(t) ou y(k) est appelé sortie ou réponse
1-5-2 Classification
 Système causal (non anticipatif)

C'est un système qui ne répond pas avant d'être excité. Autrement dit pour un tel système,
la réponse ne précède jamais l'excitation. Si l'entrée est nulle, la sortie l'est aussi.
 Système dynamique ou système à mémoire

Un système est dit instantané si sa sortie ne dépend que de l'excitation à cet instant. Dans
tout autre cas, le système est dit dynamique.
 Système stable
Sa sortie est bornée lorsque son entrée l'est.
 Système à temps invariant

Pour un tel système, un décalage temporel sur l'entrée décale la sortie d'autant.
 Système linéaire
Il satisfait au principe de superposition.
a1x1(t)+a2x2(t) a1y1(t)+a2y2(t)
SL
Selon la nature des entrées/sorties, on peut aussi distinguer:

Les systèmes analogiques
Les systèmes numériques, etc...
1-5-3 Exemples de systèmes Entrée/Sortie(E/S)
 E/S numériques
Un système E/S numérique peut être constitué d'éléments qui assurent les fonctions
suivantes
-Adaptation
-Filtrage
-Isolement (protection de la partie numérique contre les surtensions)
-Etage tampon (mémorisation de l'information)
Comme exemple on peut citer:
-Interface série simple

 E/S analogiques
On peut citer:
- Les convertisseurs numériques analogiques CNA
- Les convertisseurs analogiques numériques CAN
1-5-4 Convolution
 Définition
Le produit de convolution d'un signal x(t) par un autre h(t), noté x(t)*h(t), est donné par:

x(t ) * h(t )   x(t )h(t  t

o )dt
 Remarque
Le signal de sortie d'un système linéaire causal invariant dans le temps est donné par
le produit de convolution du signal d'entrée et d'une fonction h(t) appelée réponse
impulsionnelle.

Chapitre 2 Transformation de Fourier
2.1 Définition
La transformation de Fourier(TF) est un outil mathématique qui permet la représentation
fréquentielle d'un signal. Autrement dit, elle permet de passer du domaine temporel au
domaine fréquentiel.
t temps 
TF
f ( fréquence)
2.2 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)
 Dans un son
 Sons graves sont généralement représentés en basses fréquences
 Sons aigus sont généralement représentés en hautes fréquences
On peut alors dire que la fréquence permet de caractériser un certain type

d'information.

 Dans une image
 Les surfaces sont exprimées en basses fréquences

 Les contours sont exprimés en hautes fréquences
 Dans une onde lumineuse
 Les couleurs dépendent de la longueur d'onde donc de la fréquence.
 La notion de fréquence est également présente dans : La voix, un téléphone

portable, la radio, l'ADSL, les horaires de passage d'un train, la musique électronique, un

équaliseur, un radar, etc. Toutes ces applications véhiculent ou analysent le contenu

fréquentiel de l'information.
Une représentation fréquentielle de l'information est souvent plus facile à interpréter

que la représentation temporelle.
2.3 Cas des signaux analogiques non périodiques

2.3.1 Définition
Soit un signal s(t) à énergie finie, la transformation de Fourier (TF) de s(t) notée S(f) est
définie par :

S ( f )   s (t )e  2ift dt

La transformation de Fourier inverse (TF-1):

TF 1 
S ( f )  s (t )   S ( f )e  2ift df


2.3.2 Application
Soit s(t) le signal analogique défini par:
1 pour - T0 / 2  t  T0 / 2
s (t )  
0 ailleurs
Calculer S(f)
sin(fT0 )
Réponse: S ( f )  T0  T0 sin c(fT0 )
fT0
2.4 Cas des signaux analogiques périodiques

2.4.1 Série de Fourier
 Définition
Lorsque le signal s(t) est périodique et de période To=1/fo, on peut écrire s(t) sous forme de
combinaison linéaire de signaux sinusoïdaux appelée série de Fourier du signal s(t).

s (t )  a o   a n cos(2nf o t )  bn sin(2nf o t )
n 1
an et bn sont les coefficients de la série de Fourier qui sont calculer à partir des formules
suivantes:
T0
1
ao 
To  s(t )dt  s(t )  moyenneou composantecontinue
0
T0
2
an 
To  s(t ) cos(2f
0
0 nt)dt, n  1
T0
2
bn 
To  s(t ) sin(2f
0
0 nt)dt, n  1
On peut aussi mettre s(t) sous la forme compacte:


bn
s (t )  a o   c n cos(2nf o t   n ) avec c n  a n2  bn2 et  n  arctan( )
n 1 an
Remarque: Notation complexe

s (t )  c e
n  
n
 2 inf o t

Avec:
T0
1
 s(t )e
 2 if 0 nt
cn  dt, n  1
To 0
an  ibn
On démontre que cn 
2
 Quelques propriétés
 Si le signal s(t) est réel, nous avons : a n  a n et bn  bn

 Si le signal est réel et pair, bn  0
 Si le signal est réel et impair, a n  0
2.4.2 Transformation de Fourier de signaux analogiques périodiques
 Définition

Adoptons la forme générale de la forme, s (t )  c e
n  
n
 2 inf o t
, on peut alors calculer la
transformation de Fourier:
  
TF ( s (t ))  TF   c n e  2inf ot 
 n   

S( f )   c TF (e
n  
n
 2 inf o t
)
or TF (e  2inf ot )   ( f  nf o )
soit donc

S( f )   c  ( f  nf
n  
n o )
 Quelques propriétés de la transformation de Fourier

Soit un signal s(t) dont la transformation de Fourier est notée S(f).
 Linéarité
as1 (t )  bs2 (t ) 

TF
aS1 ( f )  bS 2 ( f )
 Homothétie
1 f
s(at)  TF
S( )
a a
 Retard

s(t  t o ) 
TF
S ( f )e 2ifto
s(t )e 2ifot 

TF
S( f  f0 )
 Dérivation
ds(t ) TF
 2ifS ( f )
dt
 Convolution
z (t )  s1 (t ).s 2 (t ) 
TF
Z ( f )  S1 ( f ) * S 2 ( f )
2.4.3 Application
Application 1
Soit s1(t) le signal analogique défini par:

1 pour 0  t  T0
s1 (t )  
0 ailleurs
Comparer les signaux s(t) et s1(t) et en déduire une relation entre les transformations de
Fourier.
Application 2
Calculer la transformation de Fourier du signal périodique s(t )  cos(2f o t ) .
Application 2
Déduire de la transformée de Fourier de s(t )  cos(2f o t ) , celle de s ' (t )  sin( 2f o t )

Utiliser la propriété de localisation de pic de Dirac f ( x) ( x  a)  f (a) ( x  a)

2.5 Cas des signaux numériques

2.5.1 Définition
Soit s(k) un signal numérique à énergie finie, la transformation de Fourier de s(k) est définie
par la relation

S( f )   s ( k )e
k  
 2 ifk
2.5.2 Propriétés importantes

 Périodicité
si S(f) est périodique de période 1, alors S(f+1)=S(f).
 Retard
s(k  ko ) 
TF
S ( f )e 2ifko
 Convolution
z (k )  s1 (k ).s 2 (k ) 
TF
Z ( f )  S1 ( f ) * S 2 ( f )
 Théorème de Plancherel
La transformée de Fourier d'un produit de convolution est un produit simple et

réciproquement.
x(k ) * y (k )  X ( f ).Y ( f )
x(k ). y (k )  X ( f ) * Y ( f )
2.5.3 Application
Soit le signal numérique,
1 pour - N/2  k  N / 2  1
x(k )  
0 partout ailleurs
Calculer TF(x(k))

2.6 Spectres d'un signal
Soit un signal dont la transformation de Fourier est notée S(f). S(f) est en général un nombre
complexe qu'on peut écrire sous la forme:
S ( f )  S ( f ) e i arg( S ( f ))
 La représentation de S ( f ) en fonction de la fréquence s'appelle le spectre

d'amplitude du signal s.
 La représentation de arg( S ( f ))   en fonction de la fréquence s'appelle le spectre
de phase du signal s.
2
 La représentation de S ( f ) en fonction de la fréquence s'appelle le spectre
d'énergie du signal s.

Chapitre 3 Les systèmes numériques

3.1 Signaux numériques et transformation en z (TZ)
3.1.1 Introduction
 Limitation de la transformation de Fourier surtout dans le cas des analyses et
systèmes de traitements.
 Nécessité de créer un outil plus puissant: La transformation en z qui n'est rien
d'autre que la généralisation de la transformation de Fourier à laquelle elle
s'identifie dans un cas particulier.
3.1.2 Définition
La transformation en Z, notée X(z) d'un signal x(k) est calculée à partir de l'expression

X ( z)   x(k ) z
k  
k
Où z est une variable complexe et X(z) est une fonction complexe de z.

Remarque
 Telle que définie, cette transformation en z est dite bilatérale par le fait que k s'étant
sur tous les entiers.
 Dans le cas d'un système causal pour lequel on a x(k)=0 pour k<0, la transformation
en z, dite unilatérale s'écrit:

X ( z )   x(k ) z  k
k 0
3.1.3 Détermination de la région de convergence (existence de TZ)
On peut utiliser, le critère de Gauchy pour évaluer la convergence de la série que représente

X(z). Une série de la forme u
k 0
k  u 0  u1  .......... ., est dite convergente lorsque
 1.
1/ k
lim u k
k  
Pour appliquer ce critère, il convient de décomposer la série en deux parties:

0 
X ( z)   x(k ) z
k  
k
  x(k ) z k
k 0
0 
Posons X 1 (k )   x(k ) z
k  
k
et X 2 ( k )   x ( k ) z  k
k 0
 Evalation de X2(k)
Le critère de Gauchy s'écrit:
z 1  1 , Posons Rx   lim x(k )

1/ k 1/ k
lim x(k ) . Ainsi la série X2(k) converge lorsque
k  k 
z > Rx  .
 Evaluation de X1(k)
Pour la série X1(k), il faut faire un changement de variable avant d'appliquer le critère de
Gauchy.
Posons l=-k, on peut de la même manière que précédemment, établir que X1(k) converge
1
si z < R x  , avec R x   .
lim x(l )
1/ l
l  
En combinant les deux conditions, on peut écrire que X(k) converge si:
0  Rx   z  Rx    .
Application
Déterminer la TZ du signal x( k )   ( k ) et en déduire sa région de convergence.

NB: Dans ce tableau, remplacer u(n) par ϵ(k), et n par k
3.1.4 Transformation en z inverse TZ-1

 Définition (forme intégrale)
1
 X ( z) z
k 1
x(k )  dz , relation valable pour toutes les valeurs de k. Le contour  doit
2i 
être dans la région de convergence, il doit être fermé et doit entourer l'origine du plan
complexe de z dans le sens positif.
 Quelques méthodes de calcul de x(k)
 Calcul directe par les résidus

En appliquant le théorème de Gauchy sur l'intégrale le long du contour,
1
x(k )   X ( z) z
k 1
dz   des résidus aux pôles de ( X ( z ) z k 1 )
2i 
Le résidu a un pôle z=a multiple d'ordre q de la fonction X ( z ) z k 1 est donné par la relation:

resaq  lim
1 d q 1
z a ( q  1)! dz q 1

X ( z ) z k 1 ( z  a) q 
Pour les pôles simple (q=1), cette expression se réduit à:

res1a  lim X ( z )( z  a) q
z a

Application
Soit un signal numérique dont la TZ est:

1
X ( z)  , pour z >1. Calculer x(k) par la méthode des résidus.
1  z 1
 Calcul par développement en fonctions partielles
Application
Soit le signal dont la TZ est:
1
X ( z)  1
, z >2
1  3z  2 z 2
Calculons x(k)
Les racines du dénominateur sont données par l'équation 1  3 z 1  2 z 2 =0. Soit z 1  1 et
z 1  1 / 2 .
En décomposant X(z) en fonctions partielles:
a b
X ( z)  1
 , on obtient a=1 et b=-1
z 1 11
z 
2
1 1 2 1
Soit X ( z )  1
  1

z 1 1 1  2z 1  z 1
z 1 
2
En consultant les tables de transformation en z,
1 TZ 1
X ( z)  1
  x(k )  a k  (k )
1  az
 x(k )  2.2 k  (k )   (k )  (2 k 1  1) (k )

3.1.5 Quelques principales propriétés de la transformation en z
 Linéarité
x(k )  ax1 (k )  bx2 (k ) 
TZ
aX 1 ( z )  bX 2 ( z ) avec Rx  max( Rx1  , Rx2  ) et
Rx  min(Rx1  , Rx2  )
 Décalage
y(k )  x(k  ko ) 
TZ
Y ( z)  z ko X ( z) avec Rx   z  Rx 
Remarque
D'après la relation précédente, le produit d'une TZ par z-1(ko=1) correspond à un

retard unité. C'est pourquoi on se réfère à z-1 comme opérateur de retard unité
x(k) x(k-1) x(k) x(k-1)

Z-1 R
 Théorème de la valeur initiale

x(0)  lim X ( z )
z 
 Convolution
y (k )  x(k ) * g (k ) 
TZ
Y ( z )  X ( z ).G2 ( z )
3.2 Représentation de système: équation aux différences

L'excitation et la réponse d'un système linéaire satisfont en général à une relation appelée
équation aux différences d'ordre N de type:
ao (k ) y (k )  a1 (k ) y (k  1)  .........  a N (k ) y(k  N )  bo (k ) x(k )  b1 (k ) x(k  1)  .........  bM (k ) x(k  M )
N M
 a n (k ) y(k  n)   bm (k ) x(k  m) , N et M sont des nombres supérieurs à zéros.

n o m o
Les coefficients a n (k ) et bm (k ) traduisent le comportement du système pour une valeur

donnée de k. Lorsque ces coefficients sont constants et indépendants de k, le système
numérique est dit linéaire invariant.

3.3 Réponse impulsionnelle d'un système linéaire-Fonction de transfert
3.3.1 Définition
La réponse impulsionnelle d'un système linéaire est la réponse du système à l'impulsion
unité de Dirac, d(k). La connaissance de la réponse impulsionnelle d'un système linéaire
permet de le caractériser complètement, autrement dit lorsque la réponse impulsionnelle
d'un système linéaire est connue, on peut calculer la réponse du système à n'importe qu'elle
excitation.
h(k)
d(k)
Système S
k k
3.3.2 Expression générale de la réponse d'un système linéaire
Système
x(k) y(k)
Tout signal numérique peut être représenté par une somme pondérée par l'impulsion unité
décalée.
l  
x(k )   x(l )d (k  l )
l  
En appliquant le principe de superposition, on écrire de façon symbolique que:

l    l  
y (k )  S   x(l )d (k  l )   x(l ) S d (k  l )
l    l  
Posons, h(k , l )  S d (k  l ) , la réponse du système linéaire à l'excitation d (k  l )

soit:
l  
y (k )   x (l ) h( k , l )
l  
h(k , l ) est appelée la réponse impulsionnelle du système linéaire.
3.3.3 Cas d'un système numérique invariant

Lorsque le système est linéaire est invariant, la réponse du signal x(k  k o ) est bien
y (k  k o ) et comme h(k ) est la réponse de d (k ) , alors h(k  l ) est la réponse de d (k  l ) .
Autrement h(k , l )  S d (k  l )  h(k  l ) pour un système linéaire invariant.
D'où, la réponse de tout système numérique linéaire invariant à l'excitation x (k ) peut

s'écrire:
l  
y (k )   x(l )h(k  l )
l  
Cette relation représente bien le produit de convolution et ainsi:
y ( k )  x ( k ) * h( k )
En prenant la TZ membre à membre de la relation précédente,
Y ( z )  X ( z ).H ( z ) ,
Y ( z)
H ( z) 
X ( z)
H ( z ) est appelé la fonction de transfert en z du système. C'est la transformation en z de

la réponse impulsionnelle du système.
Application
Soit le système numérique linéaire invariant dont l'équation aux différences est la suivante:
y ( k )  ay( k  1)  x( k ) , a 1
Avec, y ( k )  0 pour k  0
1-Déterminer la fonction de transfert du système et en déduire sa réponse impulsionnelle.

2-Déterminer la réponse du système à l'excitation x(k )  b k  (k ) avec b  1 .
3.4 Diagramme de simulation ou schéma fonctionnel d'un système

On peut représenter un système de traitement par son schéma fonctionnel ou son
diagramme de simulation. On y trouve:
 Les opérateurs de retard unité
 Les opérateurs de sommation
 Les opérateurs de multiplication
 Les flèches indiquant le sens de circulation de l'information
 Des boucles de contres réaction
Application
x(k)
R R
0.5 2
0.8
y(k)
1.5 -1
R R
1- Déterminer l'équation aux différences du système

2-Déterminer la fonction de transfert en z du système
Application 3
Soit un système dont l'équation aux différences est de la forme:

y ( k )  x( k )  ay( k  1) , avec la condition initiale y ( k )  0 pour k  0 .

Déterminer la fonction de transfert et représenter le schéma fonctionnel de ce système.

Chapitre 4 Du signal continu au signal numérique: Echantillonnage,

reconstruction et quantification
4.1 Introduction
Quantification
Echantillonnage
 Donc un signal numérique est une suite de valeurs.

 Ces valeurs sont codées sur un certain nombre de bits, c'est donc une suite de 0 et
de 1 .
 Quelques propriétés du numérique
 La numérisation d'un signal est une perte d'information...

 Permet d'effectuer les traitements sur des machines informatiques
 Puissance, rapidité.

 Flexibilité (système numérique = logiciel : facile à modifier, ex. : modems

numériques), contrairement aux montages électroniques ...
 Codage interne des 0 et des 1 souvent en 0/5V : A priori pas d'altération du
signal, robuste au bruit une fois numérisé, Exemple : un 0 codé sur 0V
parasité par un bruit de 0.5V sera toujours un 0 ...
 Précision insensible au temps, à la température, à l'usure du système, etc.
 Pas d'erreur lors de la transmission, la recopie, le stockage, etc.
 Adéquation entre simulation et traitement : simuler du numérique, c'est en
faire !
 Applications
 TV numérique
 Enregistrement audio, vidéo
 Téléphonie mobile, etc...
 Attention : on ne peut pas dire que Numérique > analogique
 Dépend de la qualité de l'échantillonnage et de la quantification
 Certains disent que le signal perd une partie de son âme ...
 On ne peut pas dire l'inverse non plus !
 Il est nécessaire de comprendre comment se fait le passage du monde
analogique à celui du numérique. Dans ce cours, on se placera dans le contexte de
signaux réels.
 chaîne de numérisation
 Echantillonnage
Prélèvement de la valeur du signal continu x(t) a des intervalles de temps tn. Généralement
les tn sont régulièrement espaces Te = tn+1–tn qui est appelé période d'échantillonnage. On
obtient à la suite de cette opération, des valeurs xe(t) = {x(tn)} avec
tn = nTe.

 Quantification.
Approximation de chaque valeur xe(t) par un multiple entier d'une quantité élémentaire
q appelée échelon de quantification.
 Codage binaire
Transformation de la valeur quantifiée en mot binaire exploitable par le calculateur.
4.2 Echantillonnage idéal

4.2.1 Définition
L'échantillonnage idéal consiste à prélèvement pendant un temps infiniment court des
valeurs de x(t) a t = nTe (multiple entier de Te).

4.2.2 Modélisation mathématique
L'échantillonnage correspond à la multiplication du signal x(t) par le un peigne de Dirac

PgnT0 (t ) .
n  
x e (t )  x(t ).PgnTe (t )  x(t ).   (t  nTe )
n  
En exploitant la propriété : x(t ). (t  t 0 )  x(t 0 ). (t  t 0 ) , on a

n  
x e (t )   x(nT ) (t  nT )
n  
e e
4.2.3 Analyse du spectre du signal échantillonné
En prenant la transformée de Fourier du signal xe(t), on

 
X e ( f )  TF ( xe (t ))  TF x(t ).PgnTe (t )  TF ( x(t )) * TF ( PgnTe (t ))  X ( f ) * TF ( PgnTe (t ))
n  
or TF ( PgnTe (t ))  Fe   ( f  nf
n  
e )
soit:
n   n   n  
X e ( f )  X ( f ) * Fe   ( f  nf
n  
e )  Fe . X ( f ) *   ( f  nf
n  
e )  Fe .  X ( f ) *  ( f  nf e )
n  
Le produit de convolution est distributif, autrement dit, y(t ) *  (t  t 0 )  y (t  t 0 )

n  
1
Soit: X e ( f )  Fe .  X ( f  nf 0 ) avec f e  : fréquence d'échantillonnage
n   Te
Le spectre de xe(t) est donc celui de x(t) rendu périodique avec une période fréquentielle Fe,
pondéré de Fe. L'échantillonnage dans le domaine temporel se traduit alors par une
"périodisation" de période Fe dans le domaine fréquentiel.
Supposons x(t) un signal réel dont le spectre est borné en fréquence et de fréquence
maximale Fmax. C'est-a-dire:  f  Fmax , X ( f )  0 .

Cas 1 : Fe  2Fmax
 Les motifs élémentaires de |Xe(f )| sont disjoints (pas de recouvrement des motifs)
 Le motif principal (n = 0) est égal au spectre de x(t) à Fe près. Comme les motifs
sont disjoints, on peut extraire X(f) grâce à un filtre passe-bas idéal et donc
reconstituer intégralement le signal x(t) à partir de la connaissance de son
échantillonné xe(t).
Cas 2: Fe  2Fmax
 Les motifs élémentaires de |Xe( f )| se recouvrent. On parle de repliement de

spectres.
 A cause du chevauchement des motifs élémentaires constituant le spectre Xe( f ) du
signal échantillonne, il n'est pas possible de récupérer le spectre X( f ) par un filtrage

approprie. Il n'est donc pas possible de reconstruire le signal initial x(t) a partir de
la connaissance de son échantillonné xe(t).
4.2.4 Théorème de Shannon
 Enoncé du théorème de Shannon
La condition nécessaire et suffisante pour échantillonner un signal sans perte

d'information est que la fréquence d'échantillonnage Fe soit supérieure ou égale au
double de la frequence maximale du signal. Plus précisément, si on note Fmax la
frequence maximale du signal, il faut et il suffit que : Fe  2Fmax .
 Frequence de Nyquist
Fe
Pour Fe fixée, Fc  est appelée frequence de Nyquist : c'est la fréquence maximale
2
admissible du signal pour éviter les distorsions de spectre.
4.4 Reconstitution de signal

4.4.1 Problématique
On a échantillonné un signal x(t) en respectant le théorème de Shannon, la question est de
savoir comment fait-on pour le reconstruire à partir des échantillons?
Hypothèses :
 La condition de Shannon a été respectée lors de l'échantillonnage (x(t) est à support

borné en fréquence.
 Echantillonnage idéal

Solution : pour reconstruire le signal, il suffit de prendre la TF inverse du motif de base de

Xe( f ).
Méthodologie:
 Filtrage passe bas idéal

 Diviser par Fe
 Puis TF inverse
Illustration
Problèmes
 Filtre idéal => la connaissance de tous les échantillons x(nTe) est nécessaire pour
reconstruire le signal.
 Reconstruction mathématiquement possible, mais physiquement irréalisable car le
filtre passe-bas idéal n'est pas causal (interpolation physiquement non réalisable).

4.4.2 formule d'interpolation de Shannon

sin(f e (t  nTe )
xr (t )   x ( n)
n  
e
(f e (t  nTe ))
4-5 Quantification
4.5.1 Définition
Approximer chaque valeur du signal échantillonné xe(t) par un multiple entier d'une
quantité élémentaire Δq appelée "pas de quantification" ou quantum.
Si Δq est constant quelle que soit l'amplitude du signal, on parle de quantification uniforme.
4.5.2 Principe
Soit un signal s(t) borné, s(t )  Amin , Amax  . On introduit des intervalles
 q q 
I i   pi  i , pi  i  , i= 0,1,......, N-1.
 2 2 
 q0
 p0  2  Amin
avec  , qui réalisent la partition de Amin , Amax 
q
 p N 1  N 1  Amax
 2
 q : Pas de quantification
 N : Le nombre de niveau de quantification
 p i : Niveau de quantification
 On définit le nombre de bits de quantification n qui est tel que
2 n  N si N est pair
2 n  N  1 si N est impair
4.5.3 Valeur du signal quantifié

Par défaut (quantification par défaut), si Nq  xe (t )  ( N  1).q , alors x q (t )  N .q

En règle générale, on attribut à un échantillon, la valeur du niveau de quantification

le plus proche afin d'éviter une trop grande perte d'information.
4.5.4 Bruit de quantification

La différence qe entre l'entrée et la sortie d'un système de quantification s'appelle erreur de
quantification ou bruit de quantification ou quantum. Le bruit de quantification peut être
modélisé mathématiquement par une variable aléatoire. Dans tous les cas, la quantification
est une perte d'information.
qe  xe (nTe )  xq (nTe)
Exemple
 Pour la restitution musicale, l’échantillonnage se fait à 44 kHz, et la quantification

sur 16 bits (soit 65536 niveaux) avec un quantum qui vaut 1,5 10-3 %.
 En téléphonie, l’échantillonnage se fait à 8 kHz, la quantification sur 8 bits (soit

256 niveaux) et le quantum vaut 0,4 %.
4.5.5 Cas de la quantification uniforme

Amax  Anin 2 Amax
i qi  q  , en supposant que Amax   Amin  0 , q 
N N
La valeur d'une amplitude échantillonnée est approximée par le milieu de l'intervalle de
niveau de quantification auquel elle appartient.

Quantification uniforme Fonction de transfert d'un système de quantification

uniforme
4.6 Codage
Le codage consiste à attribuer un code à une valeur du signal quantifié. il est classique de
donner une représentation sous forme d'une séquence binaire pour ce code.
Dans la pratique, l’opération de quantification-codage consiste à attribuer un nombre
binaire à toute valeur prélevée au signal lors de l’échantillonnage. C’est le CAN
(convertisseur analogique numérique) qui réalise cette opération. Chaque niveau est codé
sur n bits, chaque bit pouvant prendre deux valeurs (0 ou 1). Donc un convertisseur à n bits
possède 2n niveaux de quantification. Considérons un CAN 4 bits, il n’y a donc que 24 =
16 valeurs possibles attribuables à toutes les valeurs prélevées lors de l’échantillonnage.
L’opération se fait donc avec une perte d’information d’autant plus grande que n est petit.
4.7 Application
Soit un signal analogique m(t) limité au domaine  4V ,4V  représenté sur la figure ci-après.
Le pas de quantification est 1V.

1-Calculer les niveaux de quantification du signal

2-On donne dans le tableau suivant quelques valeurs du signal échantillonné. Donner les valeurs
du signal quantifié correspondant.
me(t) -0,25 3,1 1,5 -2,4 -3,7
mq(t)
3-On attribut le code 0 au niveau le plus bas, le code 1 au niveau suivant et ainsi de suite
jusqu'au dernier niveau.
Quel est le code de chacun des signaux quantifiés et en déduire le code binaire
correspondant.

Chapitre 5 Filtrage numérique
5.1-Introduction
Dans les chapitres précédents, nous avons abordés quelques outils ou méthodes utilisés en
traitements numériques des signaux. Ce chapitre sera dédié à l'application des ces outils.
On se limitera à des cas simples des systèmes numériques linéaires invariants dans le
temps.
Lorsqu'un tel système a été utilisé pour modifier la distribution fréquentielle des
composants d'un signal selon des spécifications données, en utilisant des opérations
arithmétiques de précisons limitée, il s'appelle filtre numérique.
L'opération de traitement qui consiste à modifier cette distribution à l'aide d'un système
numérique s'appelle filtrage numérique.
Nous présentons essentiellement l'étude des principales méthodes de synthèse de filtre, de
manière à satisfaire les spécifications données et à la présentation de divers moyens pour
leur mise en œuvres.
La majorité des systèmes discrets est constitué par des filtres. Le rôle des filtres consiste à
transmettre sans déformation toutes les composantes utiles d'un signal (c'est-à-dire les
composantes qui appartiennent à la bande passante du signal) et à éliminer toutes les autres.
5.2-Classification
5.1.1 Classification générale
On peut classer les filtres numériques en général en deux classes:
- Les filtres à réponse impulsionnelle infinie (filtre RII): ce sont des systèmes caractérisés
par des réponses impulsionnelles de durée infinie. Autrement dit, les échantillons h(k) sont
non nuls sur un l'intervalle infini k o  k  
- Les filtres à réponse impulsionnelle finie (filtre RIF): ce sont des systèmes caractérisés
par des réponses impulsionnelles de durée finie. Dans ce cas, les échantillons h(k) sont non
nuls seulement sur un l'intervalle de durée finie L, avec k o  k  k o  L  1 .

5.1.2 Classification en fonction des réalisations

Du point de vue de la structure, on peut distinguer :
 Les filtres discrets non récursifs(FDNR) sans boucle de contre réaction
 Les filtres discrets récursifs (FDR), avec boucle de réaction
5.1.3 Classification des filtres idéaux

Il est d'usage de classifier les filtres spécifiques par leur réponse fréquentielle dans des
catégories larges, telles que les filtres passe-bas, filtres passe-haut, filtres passe-bande et
filtres coupe-bande. En plus, ces spécifications sont souvent idéalisées en ce sens que tout
ce qui doit être atténué doit l'être complètement et tout ce qui doit être transmis à la sortie
doit l'être sans modification. Les réponses fréquentielles de ces filtres susmentionnés sont
les suivants:
H(f)
1
passe-bas
f
-fc 0 fc
H(f)
passe-haut
1
f
-fc 0 fc

H(f)
passe-bande
1
f
-fc2 -fc1 0 fc1 fc2
H(f)
coupe-bande
1
f
-fc2 -fc1 0 fc1 -fc2
5.1.4 Notion de gabarit

Du fait de la nature idéale des réponses fréquentielles, les filtres pratiquement réalisables
ne peuvent satisfaire ce type de spécification (ce qui doit être atténué doit l'être
complètement et tout ce qui doit être transmis à la sortie doit l'être sans modification) que
d'une manière approximative. C'est pourquoi, dans la pratique, les spécifications sont
données avec des tolérances. Ce qui définit la notion de gabarit que doit satisfaire la réponse
fréquentielle G(f).
Par exemple dans le cas d'un filtre passe-haut, le gabarit qu'on peut avoir est le suivant:

Un exemple de réponse fréquentielle qui satisfait ces spécifications est indiqué.

Dans la partie où une atténuation totale idéale est souhaitée, on peut tolérer une erreur
d'approximativement  1 . C'est la bande de fréquences bloquées. Dans la bande passante, où
l'on souhaite idéalement une amplitude unité, on tolère une erreur   2 . Entre ces deux
bandes, il y a une zone de transition de largeur finie non nulle, dans laquelle la réponse
fréquentielle passe de la bande coupée à la bande passante.
5.3 Filtres discrets non-récursifs
La forme la plus répandue est celle de la figure b appelée filtre transversal. Il est caractérisé
par le fait que le seul signal mis en mémoire dans les circuits de retard est le signal d'entrée
d'origine x(k). La réponse y[k] d'un système causal non récursif d'ordre N se calcule
uniquement à partir du signal d'entrée x[k].

x(k)
Z-1 x(k-1) Z-1 x(k-2) Z-1 x(k-N)
bo b1 b2 bN
y(k)
N
y ( k )   bi x (k  i )
i 0
La fonction de transfert du FDNR (causal) peut s'écrire:

N
Y ( z)
b z i
N i
H ( z)   bo  b1 z 1  b2 z 2  .........  bN z  N  i 0
X ( z) zN
La réponse impulsionnelle est donc:
N
h( k )   bi  ( k  i )
i 0
On voit que H(z) a N pôles à l'origine (z=0) et des zéros. De même h(k) a une durée
maximale de (N+1) et donc toujours une durée finie. On peut conclure que le FDNR est
toujours de type RIF. En général pour un RII, il faut au moins un pôle en dehors de l'origine.
Stabilité
Les FDNR sont toujours stables. La stabilité demande qu'il n'ait aucun pôle en dehors du
cercle unité. Cette condition est donc satisfaite automatiquement dans les FDNR.
Phase linéaire
On dit qu'un filtre discret a la caractéristique de phase linéaire  ( ) si temps de propagation
d
du groupe,   reste constante. Cala signifie que les composantes du signal aux diverses
dt
fréquences sont affectées du même retard dans le filtre.

5.2 Filtres discrets récursifs (FDR)

Dans ce cas, il y a au moins une boucle de contre réaction. La réponse y[k] d'un système
causal récursif d'ordre N se calcule à partir du signal d'entrée x[n] et des valeurs précédentes
de la sortie y[k-N]. Son équation aux différences est rappelée ci-dessous et sa
représentation fonctionnelle est donnée:
x(k)
Z-1 x(k-1) Z-1 x(k-2) Z-1 x(k-N)
b1 b2 bN
bo
y(k)
-aM -a2 -a1
z-1 z-1 z-1

y(k-M) y(k-2) y(k-1) y(k)
N M
y (k )   bi x(k  i )   ai y (k  i )
i 0 i 0

Application1
x(k) V(k) y(k)

+ R
Établir l'équation aux différences du filtre et en déduire la fonction de transfert du filtre.

Calculer la réponse impulsionnelle.
Application2
x(k)
R R R R
-a4
y(k)
R
+
1-Déterminer l'équation aux différences du système, la fonction de transfert

2- Calculer la réponse impulsionnelle du système

Cours Traitement Du Signal 2017 Final V10

Transféré par

Informations du document

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

Cours Traitement Du Signal 2017 Final V10

Transféré par

Droits d'auteur :

Formats disponibles

NOTE DE COURS

Dr. Jean-Louis C. FANNOU

JEAN-LOUIS COMLAN FANNOU, PhD

2.4 Cas des signaux analogiques périodiques ........................................................................... 21

JEAN-LOUIS COMLAN FANNOU, PhD

4.2.4 Théorème de Shannon ................................................................................................. 40

JEAN-LOUIS COMLAN FANNOU, PhD

Chapitre 1 Généralités sur les signaux et systèmes

1-1-3 Rapport signal -bruit:

1-1-4 Traitement du signal

JEAN-LOUIS COMLAN FANNOU, PhD

1-2 Fonctions du traitement du signal

1-2-1 Créer : Elaboration de signaux

 Synthèse : création de signaux par combinaison de signaux élémentaires

 Modulation : adaptation du signal au canal de transmission

1-2-2 Analyser : Interprétation des signaux

JEAN-LOUIS COMLAN FANNOU, PhD

 Identification : classement du signal dans des catégories préalablement définies

1-2-3 Transformer : adapter un signal aux besoins

 Filtrage : élimination de certaines composantes

Détection de craquements sur un enregistrement,

 Codage/compression (Jpeg, mp3, mpeg4, etc

JEAN-LOUIS COMLAN FANNOU, PhD

1-2-4 Chaîne de traitement de l'information et traitement di signal

1-3 Classification des signaux

1-3-1 Classification dimensionnelle

Exemple : image NG, f (x, y)

Exemple : film NB , f (x, y,t)

1-3-2 Classification phénoménologique

 Evolution déterministe ou aléatoire des signaux

JEAN-LOUIS COMLAN FANNOU, PhD

Périodiques Apériodiques Transitoire

 Signaux aléatoires (stochastiques)

 Signaux aléatoires stationnaires

JEAN-LOUIS COMLAN FANNOU, PhD

1-3-3 Classification énergétique

 Energie et Puissance des signaux

Soit un signal x(t) défini sur  , et To une intervalle de temps

 Signaux à énergie finie: puissance moyenne nulle

JEAN-LOUIS COMLAN FANNOU, PhD

1-3-4 Classification morphologique

Amplitude continue Amplitude discrète

JEAN-LOUIS COMLAN FANNOU, PhD

1-4 Exemples de signaux élémentaires

1-4-1 signaux analogiques

 La rampe unitaires causale

JEAN-LOUIS COMLAN FANNOU, PhD

 L'échelon unitaire ou Heaviside

 L'impulsion unitaire ou impulsion de Dirac

 Signal peigne de Dirac

JEAN-LOUIS COMLAN FANNOU, PhD

 Signal harmonique sinusoïdal

1-4-2 Signaux numériques

 L'échantillon ou impulsion unité

JEAN-LOUIS COMLAN FANNOU, PhD

 Expression générale d'un signal numérique

x(t) ou x(k) y(t) ou y(k)

Le signal x(t) ou x(k) est appelé entrée ou excitation

 Système causal (non anticipatif)

 Système dynamique ou système à mémoire

 Système à temps invariant

JEAN-LOUIS COMLAN FANNOU, PhD

Selon la nature des entrées/sorties, on peut aussi distinguer:

1-5-3 Exemples de systèmes Entrée/Sortie(E/S)