Académique Documents
Professionnel Documents
Culture Documents
TRAITEMENT DU SIGNAL
Présentée par
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
Travaux Pratiques
Logiciel : Matlab
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.
S P
10 log S
N dB PN
Détection : isoler les composantes utiles d'un signal complexe, extraction du signal
d'un bruit de fond.
Signal monodimensionnel 1D
Fonction d'un seul paramètre, pas forcément le temps : une concentration, une
abscisse, etc.
Signal bidimensionnel 2D
Signal tridimensionnel 3D
Signaux déterministes
Signaux dont l'évolution en fonction du temps t peut être parfaitement décrite grâce à une
description mathématique ou graphique.
Sous catégories :
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 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 :
Stationnaire Non-stationnaire
Signaux à énergie infinie: puissance moyenne non nulle (Cas des signaux
périodiques)
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
0 pour t 0
r (t )
t pour t 0
0 pour t 0
(t )
1 pour t 0
Fonction porte
𝟏 𝒑𝒐𝒖𝒓 |𝒕| ≤ 𝑻⁄𝟐
𝒓𝒆𝒄𝒕𝑻 (𝒕) = {
𝟎 𝒑𝒐𝒖𝒓 |𝒕| ≥ 𝑻⁄𝟐
Elle correspond à une fonction porte dont la valeur T tendrais vers 0 et dont l'aire est égale
à 1.
(t )dt 1
Propriété importante
k
x(t ).PgnT0 (t ) x(kT ) (t kT )
k
0 0
Signal retardé
si x(t) est un signal, y(t)=x(t-to) est la version décalée du signal x(t)
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)
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.
1-5-2 Classification
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
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.
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)
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
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
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(2f
0
0 nt)dt, n 1
T0
2
bn
To s(t ) sin(2f
0
0 nt)dt, n 1
Avec:
T0
1
s(t )e
2 if 0 nt
cn dt, n 1
To 0
an ibn
On démontre que cn
2
Quelques propriétés
Définition
Adoptons la forme générale de la forme, s (t ) c e
n
n
2 inf o t
, on peut alors calculer la
transformation de Fourier:
TF ( s (t )) TF c n e 2inf ot
n
S( f ) c TF (e
n
n
2 inf o t
)
or TF (e 2inf ot ) ( f nf o )
soit donc
S( f ) c ( f nf
n
n o )
s(t t o )
TF
S ( f )e 2ifto
Dérivation
ds(t ) TF
2ifS ( f )
dt
Convolution
z (t ) s1 (t ).s 2 (t )
TF
Z ( f ) S1 ( f ) * S 2 ( f )
2.4.3 Application
Application 1
Application 2
Théorème de Plancherel
2.5.3 Application
1 pour - N/2 k N / 2 1
x(k )
0 partout ailleurs
Calculer TF(x(k))
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 ))
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
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
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 > 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.
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.
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
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 )
Linéarité
x(k ) ax1 (k ) bx2 (k )
TZ
aX 1 ( z ) bX 2 ( z ) avec Rx max( Rx1 , Rx2 ) et
Décalage
y(k ) x(k ko )
TZ
Y ( z) z ko X ( z) avec Rx z Rx
Remarque
Convolution
y (k ) x(k ) * g (k )
TZ
Y ( z ) X ( z ).G2 ( z )
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
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
soit:
l
y (k ) x (l ) h( k , l )
l
y ( k ) x ( k ) * h( k )
Y ( z ) X ( z ).H ( z ) ,
Y ( z)
H ( z)
X ( z)
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
Application
x(k)
R R
0.5 2
0.8
y(k)
1.5 -1
R R
Application 3
Soit un système dont l'équation aux différences est de la forme:
4.1 Introduction
Quantification
Echantillonnage
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.
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 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
approprie. Il n'est donc pas possible de reconstruire le signal initial x(t) a partir de
la connaissance de son échantillonné xe(t).
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.
Hypothèses :
Echantillonnage idéal
Méthodologie:
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).
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
qe xe (nTe ) xq (nTe)
Exemple
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.
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.
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 .
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
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.
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
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.
x(k)
Z-1 x(k-1) Z-1 x(k-2) Z-1 x(k-N)
b1 b2 bN
bo
y(k)
N M
y (k ) bi x(k i ) ai y (k i )
i 0 i 0
Application1
Application2
x(k)
R R R R
-a4
y(k)
R
+