1 ESA - Représentation Des Signaux

CY université - IUT site de Sarcelles: BUT GEII - Pilote
Introduction au traitement du signal
Signal et bruit
GEII –Pilote 2eme année TS Electricité-Electronique 6- Etude fonctionnelle d'un système du 1er ordre : 1
Objectif : récupérer l'information utile et l'exploiter
S o u rce 1
C ap teu r 1
Préparation à la
Extraction de transmission ou
l'information au stockage
S o u rce 2 :
C ap teu r 2 S ig n al b ru t S ig n al u tile S ig n al m o d ifié
Attention aux
caractéristiques
Canal
In fo rm atio n u tile S ig n al + p ertu rb atio n s
extérieu res
récupération et traitement
Destination
Source d'information et signal récupéré
M esu ran d e (tem p ératu re, p ressio n , d ép lacem en t, o n d es électro m ag n étiq u es, lu m ière)
m esu re d e
p h én o m èn es
p h ysiq u es Bruit b(t)
(m esu ran d e)
Capteur +
u(t)
Système électronique
conditionnement Tran sd u ctio n et signal électrique

co n d itio n n em en t
récupéré
u(t) 𝒔 𝒕 = 𝒖 𝒕 + 𝒃(𝒕)
Traitement du
signal Traitem en t d 'u n sig n al d éjà
en reg istré
Information utile
(u(t))
Stéphane Serfaty Chapitre 1 : Introduction au traitement du signal : signal et bruit page 1

Classification des signaux
Signaux issus de phénom ènes physiques

Ça c’est pour
simplifier la théorie
Signaux déterm inistes Signaux aléatoires

(ou certains) (probabilistes ou stochastiques)
Signaux périodiques Autres signaux

(on considère la puissance m ise en jeu) (on considère l'énergie)
M êm e si les signaux sont réels on utilise les notations com plexes pour les étudier
Analyse temps-fréquence

signaux déterministes, périodiques: exemple
0.8
0.6
0.4
0.2
-0 . 2
-0 . 4
-0 . 6
-0 . 8
-1
0 20 40 60 80 100 120 140 160 180 200
0.8
0.6
0.4
0.2
-0 . 2
-0 . 4
-0 . 6
-0 . 8
-1
0 100 200 300 400 500 600 700 800
0. 8
0. 6
0. 4
0. 2
-0 . 2
-0 . 4
-0 . 6
-0 . 8
-1
0 50 100 150 200 250 300 350 400
Signaux très souvent utilisés

Signaux périodiques Signaux quelconques
sinusoïde Impulsion
t t
Carré Echelon
t t
triangle Rampe
t t

Générateur et signal sinusoïdal
T
Ap A pp
𝟐𝝅
𝒗𝟏 𝒕 = 𝑨𝒑 𝑺𝒊𝒏 𝑻
𝒕 = 𝑨𝒑 𝑺𝒊𝒏 𝝎 𝒕
𝟏 𝝎
fréquence (Hz) 𝒇 = =
𝑻 𝟐𝝅
Exemple tension moyenne d'un signal sinusoïdal

Signal Temporel
𝒙 𝒕 = 𝑽𝟎 𝑺𝒊𝒏 𝝎 𝒕 + 𝑽
3
2.5
T offset
2 =
Amplitude
1.5 signal continu ajouté au signal variable

1
𝝎𝑻=𝟐𝝅 Valeur moyenne sur la période

offset
0.5
0
𝝎 =𝟐𝝅𝒇 𝟐𝝅'
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 𝝎
Temps (s) 10 -3 𝟐𝝅
Signal Temporel
𝒙= 7 𝑽𝟎 𝑺𝒊𝒏 𝝎 𝒕 + 𝑽 𝒅𝒕
1
𝝎
0.8 𝟎
0.6
0.4
La valeur moyenne d'un signal périodique sur sa

0.2
Amplitude
-0.2
période vaut 0 s'il est symétrique par rapport à 0
-0.4
-0.6
-0.8
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Temps (s) -3
10
Valeur efficace
Tension continue équivalente

dissipant la m êm e puissance dans
une résistance
t + Dt
ò
1
yeff = y 2 (t )dt
Dt
m oyenne est nulle sur
t
la période

Un signal réel : Energie finie, variation pas forcément connu (aléatoire)
Hypothèse : tous les signaux considérés sont à énergie bornée
enregistrement d'un chant d'oiseau

0.6
Am plitude bornée
0.4
amplitude du son
0.2
-0.2
-0.4
Causal (s(t)=0 pour t<0) support borné

-0.6
4500 5000 5500 6000

temps d'enregistrement (ms)
10
Récupération énergétique dans le domaine temporel

Nous avons accès en réalité à une variation énergétique qu'il faut
analyser pour extraire l'inform ation recherchée
0/
L’énergie totale 𝑬𝒕𝒐𝒕𝒂𝒍 = 7 𝒔𝟐 𝒕 𝒅𝒕 Puissance instantanée 𝒑 𝒕 ∝ 𝒔𝟐 (𝒕)

./
L'énergie et la puissance m ise en jeu sur un intervalle de tem ps

𝒕𝟐 𝒕𝟐
𝟏
𝑬𝟏,𝟐 = 7 𝒔𝟐 𝒕 𝒅𝒕 𝑷= 7 𝒔𝟐 𝒕 𝒅𝒕
(𝒕𝟐 − 𝒕𝟏 )
𝒕𝟏 𝒕𝟏
Energie Temporelle
12
Si le signal est périodique : 10
𝑻'
0/ 𝟐
𝟏
8
Amplitude
𝑬𝒕𝒐𝒕𝒂𝒍 = 7 𝒔𝟐 𝒕 𝒅𝒕 = ∞ 𝑷= 7 𝒔𝟐 𝒕 𝒅𝒕 6
𝑻 4
./ . 𝑻'𝟐
2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Temps (s) 10-3
11
Exemple signal sinusoïdal + bruit

Signal Temporel
3.5
3
𝒙 𝒕 = 𝑽𝟎 𝑺𝒊𝒏 𝝎 𝒕 + 𝑽 + 𝒃(𝒕)
2.5
T
signal aléatoire additif
Amplitude
1.5
𝝎𝑻=𝟐𝝅 Valeur moyenne sur la période

0.5
offset
0
𝝎 =𝟐𝝅𝒇 𝟐𝝅'
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 𝝎
Temps (s)
Signal Temporel
10-3
𝟐𝝅
𝒙= 7 𝑽𝟎 𝑺𝒊𝒏 𝝎 𝒕 + 𝑽 + 𝒃(𝒕) 𝒅𝒕
1 𝝎
𝟎
0.5
Amplitude
0
La valeur moyenne d'un signal périodique sur sa
période vaut 0 s'il est symétrique par rapport à 0
-0.5
-1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Temps (s) 10-3
12

Calcul de l’énergie mise en jeu et de la puissance moyenne
Signal Temporel Energie Temporelle

12
3.5
3
𝒙(𝒕) 10
𝒙𝟐 (𝒕)
2.5
8
Amplitude
Amplitude
2
6
1.5
4
1
0.5 2
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) 10-3 Temps (s) 10-3
𝟐𝝅' 𝟐𝝅'
𝝎 𝝎
𝟐𝝅 𝟐𝝅 𝟐
𝒙= 7 𝑽𝟎 𝑺𝒊𝒏 𝝎 𝒕 + 𝑽 + 𝒃(𝒕) 𝒅𝒕 𝑷𝒙 = 7 𝑽𝟎 𝑺𝒊𝒏 𝝎 𝒕 + 𝑽 + 𝒃(𝒕) 𝒅𝒕
𝝎 𝝎
𝟎 𝟎
moment temporel d’ordre 1 moment temporel d’ordre 2
13
Valeur efficace d’un signal (RMS)

Racine carrée de la moyenne quadratique (moyenne des grandeurs au carré).
C’est la valeur équivalente continue mettant en jeu la même énergie moyenne
Si le signal est périodique Si le signal est quelconque
𝒕𝟎0𝑻 0𝑻
𝟏 𝟏
𝒙𝒆𝒇𝒇 = 7 𝒙𝟐 (𝒕) 𝒅𝒕 = 𝑷𝒙 𝒙𝒆𝒇𝒇 = lim 7 𝒙𝟐 (𝒕) 𝒅𝒕 = 𝑬𝒙
𝑻 ∆𝑻→ / ∆𝑻
𝒕𝟎 .𝑻
14
Comment caractériser le signal en fonction du temps ?
Grandeur
y(t) = u(t) ou i(t)
Dt
physique
t1
Tem ps
Valeur instantanée y(t 1 )
Valeur m oyenne
Valeur efficace (liée à l’énergie m oyenne) … .
18

Energie Temporel
Signal Temporel
Analyse 1
𝒙𝒆𝒇𝒇 = 𝑷𝒙 1
0.8
0.6
0.8
0.4
0.2
Amplitude
𝑷𝒙
Amplitude
0.6
-0.2
0.4
-0.4
-0.6
0.2
-0.8
-1
0
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) 10-3
Temps (s) 10-3
Signal Temporel Energie Temporel
3 9
8
2.5
𝒙𝒆𝒇𝒇 = 𝑷𝒙 7
Amplitude
Amplitude
6
1.5 5
𝑷𝒙
4
1
0.5
2
0 1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) 10-3 Temps (s) 10-3
19
Valeur moyenne d’un signal quelconque

signal avec du bruit
Si Dt est grand ou égale à la période, la moyenne

devient une constante même avec du bruit
𝒕𝟎0∆𝒕
𝟏
𝒙(𝒕𝟎 ) = 7 𝒙 𝒕 𝒅𝒕
∆𝒕
𝒕𝟎
température au cours du temps • En fonction de Dt, la moyenne peut varier au cours du

temps
• Plus Dt est petit, plus la moyenne temporelle se rapproche
du signal
• La valeur de ∆t doit donc être optimisée en fonction de ce
qu’on veut extraire
20
exemple de moyenne glissante

moyenne glissante
3.5
∆t = 0.02ms
3
Signal Temporel
2.5
Amplitude
3.5
1.5
2.5
Amplitude
2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Temps (s) 10-3
moyenne glissante
1.5
3.5
1
∆t = 2ms
3
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Temps (s) -3 2.5
10
Amplitude
1.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Temps (s) 10-3
21

Signal périodique quasi-période T
On rappelle période le tem ps caractéristique T pour lequel y(t ) = y(t + T ) " t

pseudo-période
ex: Vibrations de m achines tournantes
T1 0.4
0.3
0.2
0.1
-0 . 1
-0 . 2
-0 . 3
-0 . 4
0 100 200 300 400 500 600
0.8
0.6
0.4
0.2
-0 . 2
période
-0 . 4
-0 . 6
-0 . 8
0 100 200 300 400 500 600
T2
22
Intérêt de déduire les différentes moyennes (moments ordre n)

Signal Temporel Signal Temporel
3.5 bruit totalem ent aléatoire m ais dont
𝒃 𝒕 = 𝟎, 𝟏 ∗ 𝑺𝒊𝒏 𝝎𝟐 𝒕
l’am plitude est de 0,1V
3
bruit considéré
3
comme un signal
2.5 2.5 sinusoïdal à une ou
des fréquences
Amplitude
Amplitude
2
2 différentes
𝒙=𝟐
1.5
1.5
1
Energie Temporelle
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) -3
10 Temps (s) 10 -3
10
Amplitude
6
Quel que soit le bruit les moments 5
du signal utile restent inchangés 𝑷 = 𝟒, 𝟓 4
1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) 10-3
23
Evolutions caractéristiques moyenne glissante
moyenne glissante ∆t = 2ms

∆t = 0.02ms
3
2.5
Amplitude
2.5
Amplitude
1.5
1.5
1 Les évolutions 0 0.2 0.4 0.6 0.8 1

Temps (s)
1.2 1.4 1.6 1.8
10-3
2
0 0.2 0.4 0.6 0.8 1

Temps (s)
1.2 1.4 1.6 1.8
10-3
2 caractéristiques du moyenne glissante
moyenne glissante
signal utile restent
inchangées
3
(notion de filtrage) 2.5

Amplitude
2.5
Amplitude
1.5
1.5
1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
1
Temps (s) 10-3
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) 10-3
24

moyenne glissante
Opérations de filtrage : objectif Signal Temporel

∆t = 0.02ms
3
2.5
Amplitude
2.5
𝒕𝟎0∆𝒕
𝒙(𝒕) 𝟏 𝒔𝟏 𝒕
Amplitude
7 𝒙 𝒕 𝒅𝒕
2
2
∆𝒕
1.5
𝒕𝟎 𝒙(𝒕) 1.5
m o yen n eu r
1
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

1
Temps (s) -3
10
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Temps (s) 10-3
moyenne glissante
Il est théoriquement
3.5
moyenne glissante
3 possible de retrouver le 𝒔𝟐 𝒕 ∆t = 0.2 µs

2.5
signal ou le bruit 3
2
2.5
Amplitude
Amplitude
1.5
𝒙 𝒕 − 𝒙(𝒕) 2
1
𝒔𝟐 𝒕 so u stracteu r
0.5 1.5
0
1
-0.5 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 Temps (s) 10-3
Temps (s) -3
10
25
Opération de filtrage : approche temporelle

Opération naturelle ou technique de traitement de signaux qui induit :
• une modification de l’évolution temporelle du signal
• si c’est contrôlé cela permet d'extraire ou de transmettre des informations
spécifiques
• sur le signal utile
• sur le bruit
• si c’est incontrôlé on parle de distorsion du signal
l’opération mathématique pour

𝒙(𝒕) s(𝒕) obtenir s(t) est compliquée :
h(t) • implique des modifications
d’amplitude
• implique des retards successifs
fonction représentative de la transformation opérée • peu dépendre de plusieurs
(naturelle ou réalisé par un système électronique) évènements passés (voire
futurs)
26
Déformations naturelles associées : exemple l’audio
déformation : amplitudes et retards

signal après canal
signal
0.6
l’air est considéré comme un

canal de transmission 0.4
b(t) 0.2
Amplitude
Signal à priori 0
imprévisible -0.2
e(t) Filtrage lié au s(t) ? -0.4
canal -0.6
0.2 0.4 0.6 0.8 1 1.2

Temps (s)
Variable aléatoire car pas connue
27

Déformations surtout des variations d’amplitudes

enregistrement d'un chant d'oiseau
Signal Temporel
0.6
0.4 3
variations lentes
amplitude du son
0.2 2
enveloppe gaussienne
0
1
Amplitude
-0.2
0
-0.4
variations rapides
-1
-0.6
4500 5000 5500 6000 -2

temps d'enregistrement (ms) voire très lentes
Signal Temporel
-3
0.15
0.1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
0.05
Temps (s)
Amplitude
0
-0.05
-0.1 modélisable par un ensemble de sinusoïdes

-0.15
0.776 0.777 0.778 0.779 0.78 0.781

Temps (s)
28
Modélisation en sinusoïdes
• M odulation d’am plitude et de phase si nécessaire

l’amplitude varie ici de manière sinusoïdale (enveloppe)
0.8
0.6
0.4
0.2
0
le signal contient une ou
plusieurs autres sinusoïdes
-0 . 2
-0 . 4
-0 . 6
-0 . 8
-1
0 50 100 150 200 250 300 350 400
avec une phase qui peut

aussi varier (retards)
1
0.8
0.6
0.4
0.2
-0 . 2
-0 . 4
-0 . 6
-0 . 8
-1
0 50 100 150 200 250 300 350 400
29
exemple système d’enregistrement

Traitement du signal
stockage, transmission et restitution (sortie)
source (capteur) + annulation d’échos

conditionnement du signal
30

L’art du traitement du signal
• Com m ent caractériser le signal électrique

• quelle représentation (domaine d’étude : temporel, fréquentiel)
• analyse des moyennes (moments…)
• Com m ent extraire le signal utile du bruit
• identification de signatures caractéristiques de l’information recherché (lien avec le
phénomène mesuré (mesurande)
• annulation des effets liés au bruit
• annulation des effets liés au canal
• Transform ation du signal pour le transm ettre ou le stocker
• Numérisation (échantillonnage et quantification)
• opérations de filtrage naturel ou volontaire
• opérations de modulation
31
1b Traitement des signaux réels : notion de signaux aléatoires
32
Notion de signal et processus aléatoires
Un signal émis de façon apparemment identique, donne à chaque fois un résultat

différent.
Caractérisation du signal en fonction du temps de manière macroscopique
33

Le processus aléatoire lors d’une transmission

Le processus aléatoire implique que les perturbations liées au processus sont constamment différentes
Tirage de signal aléatoire #1
Amplitude
2
0
-2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 S ig n al u tile
Temps (s)
Amplitude
2
0
-2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
Amplitude
2
0
-2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 caractéristiques variables
Temps (s)
dans le temps et l’espace :
Amplitude
2
0
-2 opération de filtrage + bruit
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
variables
Canal
S ig n al + p ertu rb atio n s
Amplitude
4
2
0
-2 extérieu res
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
récupération
𝒔𝒓𝒆ç𝒖 (𝒕) n’est jamais le même et traitement
comment l’étudier : un signal reçu (temporel) ou le processus (= tous les signaux possibles) ?
34
Chant d’oiseau transmis sur les ondes

Le signal n’étant pas connu (déterministe), on doit faire une étude statistique
le signal aléatoire 𝒔𝒓𝒆ç𝒖 𝒕 = 𝒖 𝒕 + 𝒃(𝒕)
la variable aléatoire : X = amplitude du signal à chaque instant (ici la valeur du signal)
étude statistique du signal temporel

étude statistique du processus 1.5
récepteur #1
1.5
récepteur #2
1.5
récepteur #3
1.5
récepteur #4
1.5
récepteur #5
1 1 1 1 1
0.5 0.5 0.5 0.5 0.5
Amplitude
Amplitude
Amplitude
Amplitude
Amplitude
0 0 0 0 0
-0.5 -0.5 -0.5 -0.5 -0.5
-1 -1 -1 -1 -1
-1.5 -1.5 -1.5 -1.5 -1.5

0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1
Temps (s) Temps (s) Temps (s) Temps (s) Temps (s)
Histogramme de tirage #1 Histogramme de tirage #2 Histogramme de tirage #3 Histogramme de tirage #4 Histogramme de tirage #5
3500 3500 3000 3000 3000
cas u n ifo rm e 3000 3000 2500 2500 2500
Occurence d'apparition
2500 2500
2000 2000 2000
2000 2000
Répartition ? : 1500 1500

1500 1500 1500
loi statistique que l’on cherche 1000 1000

1000 1000 1000
500 500 500 500 500
0 0 0 0 0
-4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4
Valeur Valeur Valeur Valeur Valeur
35

signal aléatoire : estimateurs temporels
• M oyenne, variance, écart type, histogram m e
3 50
45
2
40
1 Écart type 35
X1
30
X2 0 25
20
-1 moyenne 15
10
-2
-3 0
0 500 1000 -4 -2 0 2 4
X1 X2
36

Densité de probabilité : on normalise l’occurrence !!
récepteur #1 récepteur #2 récepteur #3 récepteur #4 récepteur #5

1.5 1.5 1.5 1.5 1.5
1 1 1 1 1
fonction gaussienne 0.5 0.5 0.5 0.5 0.5
Amplitude
Amplitude
Amplitude
Amplitude
Amplitude
0 0 0 0 0
; :.= ?
-0.5 -0.5 -0.5 -0.5 -0.5
1 .
𝑝: 𝑥 = 𝑒 < > -1 -1 -1 -1 -1
2𝜋𝜎 -1.5 -1.5 -1.5 -1.5 -1.5

0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1
px 0.5
Histogramme de tirage #1
0.5
0.5
0.5
0.5
0.4 0.4 0.4 0.4 0.4
densité de probabilité
0.3 0.3 0.3 0.3 0.3
0.2 0.2 0.2 0.2 0.2
x 0.1 0.1 0.1 0.1 0.1
0 0 0 0 0
-4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4
37
Etude statistique : Fonction répartition
Etude statistique de la valeur prise par la variable aléatoire (signal) au court du temps
probabilité que le signal soit entre deux valeurs

px
variable aléatoire
a b x
Fonction de répartition
38
Le bruit définition
Superposition de signaux parasites de m êm e nature (caractéristiques proches) que le signal
utile
• Bruits liés à l'agitation et aux fluctuations m icroscopique des

électrons
Intrinsèques aux com posants électroniques et aux
circuits
• bruit thermique (lié à l’agitation thermique)
• bruit de grenaille (émission aléatoire d'électrons dues aux discontinuités de
matière telles que les jonction PN (schottky))
• bruit de génération-recombinaison (fluctuations au niveau des porteurs
électrons-trous).
• Bruits externes (prédominant jusqu’à 20 MHz)
Il s’agit de rayonnements parasites captés par les antennes ou
par les circuits eux-mêmes en cas de blindage insuffisant.
• bruit atmosphérique (éclair d’orage)
• le bruit galactique et le bruit industriel (moteurs, tubes fluorescents…)
39

Valeur efficace du bruit thermique
résistance R T On donne souvent ce bruit

en nV/ Ö Hz
Pour un AOP
b(t)
Beff = b(t ) = 4 k B T R Df ( )2
Bande de
fréquence utile
Tem pérature en Kelvin (T°+273)
Constante de Bolzm ann 1.4 10 -23
Ex : R=100K W , T=20°C, Bande passante 1M Hz B eff =240 µ V
40
Variable aléatoire et caractéristique d’occurrence du bruit

Tirage de signal aléatoire #1 Tirage de signal aléatoire #2 Tirage de signal aléatoire #3 Tirage de signal aléatoire #4 Tirage de signal aléatoire #5
4 3 4 3 4
3 3 2 3
2
2 2
2 1
1
1 1
Amplitude
Amplitude
Amplitude
Amplitude
Amplitude
1 0
0 0 0
0 -1
-1 -1
-1
-1 -2
-2 -2
-2 -2 -3
-3 -3
-4 -3 -3 -4 -4
0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1
70 60 70 70 70
60 50 60 60 60
Ocuurence d'apparition
50 50 50 50
40
40 40 40 40
30
30 30 30 30
20
20 20 20 20
10 10 10 10 10
0 0 0 0 0
-2 0 2 -2 0 2 -2 0 2 -4 -2 0 2 -2 0 2 4
41
Densité de probabilité du bruit

Tirage de signal aléatoire #1 Tirage de signal aléatoire #2 Tirage de signal aléatoire #3 Tirage de signal aléatoire #4 Tirage de signal aléatoire #5
3 4 4 4 4
2 3 3
2 2
1 2 2
Amplitude
Amplitude
Amplitude
Amplitude
Amplitude
0 1 1
0 0
-1 0 0
-2 -1 -1
-2 -2
-3 -2 -2
-4 -3 -4 -3 -4
0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1
0.6 0.5 0.5 0.5 0.5
0.5
0.4 0.4 0.4 0.4
0.4
0.3 0.3 0.3 0.3
0.3
0.2 0.2 0.2 0.2
0.2
0.1 0.1 0.1 0.1

0.1
0 0 0 0 0
-2 0 2 -2 0 2 -2 0 2 -2 0 2 4 -2 0 2 4
42

Valeur efficace et valeur moyenne du bruit

Cas du bruit therm ique dans une résistance
Les fluctuations due à l'agitation thermique des électrons étant aléatoire, b(t) est aussi
souvent positif que négatif
b 2 (t)
b(t)
b(t ) = 0 Beff = b(t ) ¹ 0 ( ) 2
40% d e ch an ce q u e le sig n al so it
n u l à u n in stan t Pour la grande majorité des bruits,
la courbe de probabilité appelée
aussi courbe de répartition est une
s écart typ e Gaussienne
Bruit gaussien centré
43
Densité de probabilité d’un bruit gaussien centré

5 5 6 6 5
4 4
Amplitude
Amplitude
Amplitude
Amplitude
Amplitude
2 2
0 0 0
0 0
-2 -2
-5 -5 -4 -4 -5
0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1
0.5 0.5 0.5 0.5 0.5
Données du bruit Données du bruit Données du bruit Données du bruit Données du bruit
𝟏 𝒙.𝒎 𝟐
Densité théorique Densité théorique Densité théorique Densité théorique Densité théorique
𝟏
𝒆. 𝟐
0.4 0.4 0.4 0.4 0.4
𝒑𝒙 = 𝝈
𝟐𝝅 𝝈 0.3
s écart 0.3 0.3 0.3 0.3
typ e
𝒎=𝟎 0.2 0.2 0.2 0.2 0.2
avec Q
𝝈=𝟏 0.1 0.1 0.1 0.1 0.1
0 0 0 0 0
-4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4
44
Valeur efficace du bruit de grenaille
Sem i conducteur m uni de contacts m étalliques
en présence de courant, b(t) fluctue en fonction des charges

électroniques instantanées : c’est le bruit de grenaille.
I eff = i(t ) = 4 q I Df ( ) 2
Bande de fréquence utile

charge 1.6 10 -19
Courant m oyen dans la jonction
45

Bruit d’un canal aérien
bruit réception atmosphère
interférences plusieurs ondes émises
Interférences radio HF
Dans l’espace
http://www.ericcordier.fr/portfolio/sounds-of-saturn/
46
Quantification de l'effet du bruit
Le bruit est un signal aléatoire de valeur

m oyenne qui peut être nulle ou non
• Le bruit est gênant si son niveau

d'énergie est proche de celui du
S ig n al cap té p ar u n e rad io F M signal
Pu
Rapport signal sur bruit SNR =
Pb
æP ö
SNRdB = 10 log çç u ÷÷
è Pb ø
• Le signal est indépendant du bruit
T T
2 2
1 1 Pu +b = Pu + Pb
ò s (t ) dt = lim ò (u(t ) + b(t )) dt
2
Pu +b = lim 2
T ®¥ T T ®¥ T
-T -T
2 2
47
Rapport signal sur bruit (RSB ou SNR)
48

Exemple : Niveau sonore

𝑬𝒔 𝒊𝒈 𝒏 𝒂 𝒍 𝒔(𝒕)
𝑷𝒅𝑩 = 𝟏𝟎 𝒍𝒐𝒈( ) 𝑷𝒅𝑩 (𝒕) = 𝟐𝟎 𝒍𝒐𝒈( T
)
T
𝑬𝒔𝒊𝒈𝒏𝒂𝒍(𝒇)
𝑷𝒆𝒓𝒕𝒆𝒅𝑩 (𝒇) = 𝟏𝟎 𝒍𝒐𝒈( )
𝑬𝒑𝒆𝒓𝒄𝒆𝒑𝒕𝒊𝒃𝒍𝒆
Le canal dépend des propriétés physiologiques de l’oreille et de la perception
49
Processus aléatoire récepteur #1

5
Amplitude
0
-5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
récepteur #2
5
Amplitude
0
-5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
récepteur #3
5
Amplitude
0
-5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
récep teu r
Temps (s)
récep teu r #3 récepteur #4
5
Amplitude
#2
0
récep teu r #1
-5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
récepteur #5
5
Amplitude
-5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
50
Etude de processus aléatoires
Etude temporelle
b(t)
s1
e(t) s 1 (t)
t
Etude statistique
b(t) s2
s 2 (t)
e(t) t
sn
b(t)
s n (t) t
e(t)
51

Propriété d'ordre 1 du processus aléatoire

s1
M
1 <
t 𝑠 𝑡 = lim
M→./
7 s 𝑡 𝑑𝑡
𝑇 .M
<
s2 (Moyenne temporelle)
sn Si s(t) est déterministe

𝑬𝒔 𝒕 =𝒔 𝒕
t
Moyenne statistique (espérance mathématique)
0/
E𝑠 𝑡 =7 𝑝: 𝑠 𝑡 𝑑𝑠
./
52
Densité de probabilité du chant d’oiseau lors de la première seconde

1.5 1.5 1.5 1.5 1.5
Moyenne temporelle : 0.0003 Moyenne temporelle : -0.0001 Moyenne temporelle : -0.0005
Moyenne temporelle : -0.0002 Moyenne temporelle : 0.0006
1 1 1 1 1
0.5 0.5 0.5 0.5 0.5

Amplitude
Amplitude
Amplitude
Amplitude
Amplitude
0 0 0 0 0
-0.5 -0.5 -0.5 -0.5 -0.5
-1 -1 -1 -1 -1
-1.5 -1.5 -1.5 -1.5 -1.5

0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1 0 0.5 1
0.5 0.5 0.5 0.5 0.5
Données du bruit Données du bruit Données du bruit Données du bruit Données du bruit
Densité théorique Densité théorique Densité théorique Densité théorique Densité théorique
0.4 0.4 0.4 0.4 0.4
Espérance mathématique : 0.0000 Espérance mathématique : 0.0000 Espérance mathématique : 0.0000 Espérance mathématique : 0.0000 Espérance mathématique : 0.0000
0.3 0.3 0.3 0.3 0.3
0.2 0.2 0.2 0.2 0.2
0.1 0.1 0.1 0.1 0.1
0 0 0 0 0
-4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4 -4 -2 0 2 4
53
Enregistrement d’un même évènement simultanément (exemple

stéréo)
Les signaux ne sont jamais rigoureusement identiques
analyse temporelle du signal voix n°1 analyse temporelle du signal voix n°2
0.6 1
0.8
0.4
Effet du X 206.232
conditionnement
Y 0.589386
0.6
0.4
0.2
0.2
Amplitude
Amplitude
0
Bruit de fond reste semblable 0
Bruit de fond reste semblable
-0.2
-0.2
-0.4
-0.6
-0.4
Les pseudo périodes-0.8
restent inchangées
-0.6 -1
0 50 100 150 200 250 300 350 400 0 50 100 150 200 250 300 350 400
Temps (s) Temps (s)
54

Comment extraire la signature d’un signal brut issu d’un processus

aléatoire ?
analyse temporelle du signal voix n°2
1
• Est-ce réellement du bruit
0.8
X 206.232 • Comment reconnaitre du signal et du bruit
Y 0.589386
0.6
0.4
0.2
Amplitude
0
Si oui comment l’extraire ?
-0.2

0.3
-0.4
0.2
-0.6
0.1
-0.8
Amplitude
0
Est-ce le bruit ?
-0.1
-1
0 50 100 150 200 250 300 350 400
-0.2
Temps (s)
-0.3
320 330 340 350 360 370 380 390

Temps (s)
Le bruit peut être un signal qui est proche du signal utile !! 𝒔 𝒕 =? 𝒖 𝒕 + 𝒃(𝒕)
55
Bruit sans oiseau ? Logiquement bruit de la forêt.

1
analyse temporelle du signal voix n°2 0.8

1
0.3
0.8 0.6
X 206.232
Y 0.589386
0.2 0.6
0.4
0.4
0.1
0.2 0.2
Amplitude
Amplitude
Amplitude
-0.1
+
0
-0.2
= 0
-0.2
-0.2 -0.4
-0.6 -0.4
-0.3
-0.8
320 330 340 350 360 370 380 390 -0.6

Temps (s) -1
0 50 100 150 200 250 300 350 400
Temps (s)
-0.8
-1
0 10 20 30 40 50 60 70
Temps (s)
Conclusion une simple 𝒖 𝒕 =𝒃 𝒕 −𝒔 𝒕

soustraction temporelle ne
suffit pas
Oiseau résiduel
56
Autre cas : bruit dans un avion à priori plus simple

0.6
0.4
b(t)
s(t)
0.2
Amplitude
-0.2
-0.4
-0.6
0 5 10 15 20 25
Temps (s)
𝒖 𝒕 =𝒔 𝒕 −𝒃 𝒕
57

Une simple soustraction n’annule rien !!

Signal Utile
1
-1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Signal de Bruit
2
Il faut supprimer le bruit en utilisant
d’autres caractéristiques ou d’autres 0
opérateurs
= -2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Filtrage 2
Signal Observé (Signal Utile + Bruit)
-2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Signal Annulé (Signal Observé - Bruit Estimé)

2
au mieux cela 0
réduit l’offset -2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Temps (s)
58
Exemple annulation par seuil

1
0.8
𝟎 𝒔𝒊 𝒔 > 𝟎, 𝟐
𝒉 𝒕 =a
0.6
𝒆 𝒕 𝒂𝒊𝒍𝒍𝒆𝒖𝒓𝒔
0.4
𝒆(𝒕) 𝒔(𝒕)
0.2
Amplitude
𝒉(𝒕)
-0.2
-0.4
-0.6
-0.8 Oiseau résiduel

-1
0 10 20 30 40 50 60 70
Temps (s)
Conclusion une simple 𝒖 𝒕 =𝒃 𝒕 −𝒔 𝒕

soustraction temporelle ne
suffit pas
est-ce que je retrouve que la forêt ?
59
Conclusion
• M êm e si l’on considère que le bruit est additif, on ne peut pas le supprim er par une
sim ple soustraction tem porelle
• M êm e si le signal est aléatoire, les m om ents perm ettent d’avoir une prem ière
signature
• pseudo-périodes caractéristiques (comparable à plusieurs sinusoïdes de fréquence
différente)
• les moyennes restent semblables
• la répartition de l’énergie aussi
• Lorsque le processus est aléatoire il faut connaitre à priori les caractéristiques

statistiques du processus.
• Une opération de filtrage consiste en une m odification des variations tem porelles
du signal.
• Cette opération peut être non linéaire (ex. seuil)
60

1 ESA - Représentation Des Signaux

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

1 ESA - Représentation Des Signaux

Transféré par

Droits d'auteur :

Formats disponibles

CY université - IUT site de Sarcelles: BUT GEII - Pilote

Introduction au traitement du signal

Objectif : récupérer l'information utile et l'exploiter

Source d'information et signal récupéré

conditionnement Tran sd u ctio n et signal électrique

Stéphane Serfaty Chapitre 1 : Introduction au traitement du signal : signal et bruit page 1

Classification des signaux

Signaux issus de phénom ènes physiques

Signaux déterm inistes Signaux aléatoires

Signaux périodiques Autres signaux

Classification des signaux

Signaux très souvent utilisés

Stéphane Serfaty Chapitre 1 : Introduction au traitement du signal : signal et bruit page 2

Générateur et signal sinusoïdal

Exemple tension moyenne d'un signal sinusoïdal

1.5 signal continu ajouté au signal variable

𝝎𝑻=𝟐𝝅 Valeur moyenne sur la période

La valeur moyenne d'un signal périodique sur sa

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Tension continue équivalente

Stéphane Serfaty Chapitre 1 : Introduction au traitement du signal : signal et bruit page 3

Un signal réel : Energie finie, variation pas forcément connu (aléatoire)

Hypothèse : tous les signaux considérés sont à énergie bornée

enregistrement d'un chant d'oiseau

Causal (s(t)=0 pour t<0) support borné

4500 5000 5500 6000

Récupération énergétique dans le domaine temporel

L’énergie totale 𝑬𝒕𝒐𝒕𝒂𝒍 = 7 𝒔𝟐 𝒕 𝒅𝒕 Puissance instantanée 𝒑 𝒕 ∝ 𝒔𝟐 (𝒕)

L'énergie et la puissance m ise en jeu sur un intervalle de tem ps

Si le signal est périodique : 10

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Exemple signal sinusoïdal + bruit

𝝎𝑻=𝟐𝝅 Valeur moyenne sur la période

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Stéphane Serfaty Chapitre 1 : Introduction au traitement du signal : signal et bruit page 4

Calcul de l’énergie mise en jeu et de la puissance moyenne

Signal Temporel Energie Temporelle

moment temporel d’ordre 1 moment temporel d’ordre 2

Valeur efficace d’un signal (RMS)

Si le signal est périodique Si le signal est quelconque

Comment caractériser le signal en fonction du temps ?

Valeur instantanée y(t 1 )

Stéphane Serfaty Chapitre 1 : Introduction au traitement du signal : signal et bruit page 5

Signal Temporel Energie Temporel

Valeur moyenne d’un signal quelconque

Si Dt est grand ou égale à la période, la moyenne

température au cours du temps • En fonction de Dt, la moyenne peut varier au cours du

exemple de moyenne glissante

2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2

Stéphane Serfaty Chapitre 1 : Introduction au traitement du signal : signal et bruit page 6

Signal périodique quasi-période T

On rappelle période le tem ps caractéristique T pour lequel y(t ) = y(t + T ) " t

Intérêt de déduire les différentes moyennes (moments ordre n)

Quel que soit le bruit les moments 5

du signal utile restent inchangés 𝑷 = 𝟒, 𝟓 4

Evolutions caractéristiques moyenne glissante

moyenne glissante ∆t = 2ms

1 Les évolutions 0 0.2 0.4 0.6 0.8 1

0 0.2 0.4 0.6 0.8 1

(notion de filtrage) 2.5

Stéphane Serfaty Chapitre 1 : Introduction au traitement du signal : signal et bruit page 7