TScours 2

‫ﻋﻧدﻣﺎ ﯾﻣﺷﻲ اﻟﻛﺳل ﻓﻲ اﻟطرﯾق ﻓﻼﺑد أن ﯾﻠﺣق ﺑﮫ اﻟﻔﻘر‬
Analyse et Traitement du Signal
Un signal est la représentation physique de l'information,

qu'il convoie de sa source à son destinataire.
L’analyse et le traitement du signal est l’ensemble des

techniques qui permettent d’extraire le maximum
d'informations d’un signal perturbé par du bruit, en
s'appuyant sur les ressources de l’électronique, des
mathématiques et de l'informatique.
Quelle est la différence entre
Analyse et Traitement ?
L’analyse du signal consiste à étudier, caractériser et

comprendre le contenu et la structure d'un signal, tels que son
amplitude, sa fréquence, sa phase, sa durée, ses composantes
fréquentielles, … ; ce qui est essentiel pour l'interprétation et
la prise de décision.
Le traitement du signal consiste à appliquer des opérations

sur le signal : modulation, démodulation, convolution,
corrélation, … dans le but de réduire le bruit, extraire de
l’information, compresser le signal, détecter des événements,
…
Domaines d’application de l’analyse et
le traitement du signal
L’analyse et le traitement du signal sont utilisés, presque, dans tous
les domaines : acoustique, optique, télécommunication, médecine,
mécanique, biomédical, armement, génie électrique, …
Généralités sur les signaux
Puissance des signaux
Puissance instantanée d’un signal
Considérons un signal complexe x(t) = a(t) + jb(t)
La puissance instantanée du signal x(t) est :
P(t) = x(t).x*(t) = [a(t) + jb(t)]. [a(t) - jb(t)] = [a(t)]² + [b(t)]².
Puissance moyenne sur une durée T

La puissance moyenne sur une durée T est définie par :
Si le signal x(t) est réel (cas des signaux physiques) :

Énergie des signaux
1- Énergie totale d’un signal :
2- Énergie dans un intervalle de temps Δt autour d’un instant t0 :

Bruit d’un signal
Bruit
Un bruit correspond à tout phénomène perturbateur gênant la
transmission ou l'interprétation d'un signal.
Rapport signal sur bruit

Le rapport signal sur bruit mesure la quantité de bruit contenue
dans le signal. Il s'exprime par le rapport des puissances du
signal (PS) et du bruit (PN).
Il est souvent donné en décibels (dB), via la relation :
temps
Signal bruité
Classification des signaux
Plusieurs modes de classifications peuvent être envisagées :
1- Classification phénoménologique
On considère la nature de l'évolution du signal en fonction du temps.
Il apparaît deux types de signaux : les signaux déterministes et les
signaux aléatoires ;
2- Classification énergétique
On considère l'énergie des signaux.
Il apparaît deux types de signaux : les signaux à énergie finie et les
signaux à énergie infinie (ou signaux à puissance moyenne finie) ;
Classification des signaux
3- Classification morphologique
On distingue les signaux à variables continues des signaux
à variables discrètes ;
4- Classification dimensionnelle
On considère les signaux unidimensionnels x(t), les signaux
bidimensionnels (ou image x(u,v)), voir les signaux
tridimensionnels x(u, v, t).
Classification phénoménologique des signaux
Signal
déterministe aléatoire
périodique non périodique stationnaire non stationnaire
périodique pseudo quasi non classification

sinusoïdal
composite aléatoire périodique transitoire ergodique ergodique spectrale
Les signaux déterministes (ou certains ou non aléatoires) :
Ce sont des signaux dont l’évolution en fonction du temps
peut être parfaitement prédite par un modèle mathématique.
Les signaux aléatoires :

Ce sont des signaux dont le comportement est imprévisible.
Signal

sinusoïdal
Les signaux périodiques
Un signal périodique est un signal qui obéit à une loi de répétition cyclique
régulière de période T. Le signal satisfait donc la relation : x(t) = x(t+kT)
où k est un entier relatif.
3 sous classes de signaux périodiques :

✔Sinusoïdal ;
✔périodique composite ;
✔pseudo-aléatoire.
Signal sinusoïdal Signal périodique composite Signal pseudo-aléatoire

(somme de plusieurs sinusoïdes)
Signal

sinusoïdal
Les signaux non périodiques
2 sous classes de signaux non périodiques :
✔Signal quasi périodique : un signal qui résulte d’une somme de sinusoïdes

de différentes périodes et de différentes amplitudes ;
✔Signal transitoire : un signal dont l’amplitude tend vers zéro lorsque le

temps est assez grand.
Signal quasi périodique Signal transitoire

‫إذا اﺗﺣد أﻓراد اﻟﻘطﯾﻊ ‪ ،‬ﻧﺎم اﻷﺳد ﺟﺎﺋﻌﺎ‬
‫ﻣﺛل ﻛﯾﻧﻲ‬
Numérisation des signaux
Signal analogique
Une grandeur est dite analogique si sa mesure donne un nombre
réel variant de façon continue.
Il existe, donc, une infinité de valeurs pour un signal analogique.
Signal numérique
Les valeurs d’un signal analogique (signal continu) peuvent être
discrétisées (par quantification et échantillonnage) et donc
représentées par des nombres ; le résultat est un signal numérique.
Signal continu Signal numérique

Le traitement des signaux numériques est plus important que celui

des signaux analogique.
La conversion d’un signal analogique en un signal numérique
nécessite le passage par trois étapes :
✔l’échantillonnage ;
✔la quantification ;
✔le codage.
Echantillonnage des signaux
L’échantillonnage consiste à prélever à des instants précis les valeurs

instantanées d’un signal.
Le signal analogique s(t) est alors représenté par un ensemble de
valeurs discrètes :
Se(t) = s(i.Te)
avec :
i un entier ;
Te la période d’échantillonnage (ou pas d’échantillonnage) .
On appelle fréquence d’échantillonnage Fe, la quantité Fe = 1/Te.

Quantification des signaux
La quantification est l’approximation de chaque valeur de
l’amplitude du signal s(t) par un multiple entier d’une quantité
élémentaire q, appelée échelon de quantification.
s(t)
4q .
3q . .
2q .
qq .
.
0
t
Δt 2Δt 3Δt
Quantification d’un signal

Codage des signaux
Le codage consiste à associer à un ensemble de valeurs discrètes un

code composé d’éléments binaires.
Les codes les plus connus sont :

✔le code binaire naturel ;
✔le code binaire décalé ;
✔le code complément à 2 ;
✔le code DCB ;
✔le code Gray.
‫إﻧس إﺣﺳﺎﻧك اﻟﻰ ﻏﯾرك وإﺳﺎءة ﻏﯾرك إﻟﯾك‬
Fonctions d’ordre pratique
Convolution des signaux
Convolution des signaux continus
Le produit de convolution d’un signal x(t) par un autre signal y(t)
est donné par :
Convolution de signaux numériques

Le produit de convolution de deux signaux échantillonnées x[i] et y[i]
est donnée par la relation :
Fonctions d’ordre pratique
Corrélation des signaux
Corrélation des signaux continus
La corrélation entre deux signaux x(t) et y(t) consiste à mesurer,
à chaque instant, la ressemblance entre ces deux signaux.
Elle est définie par :
Si x(t) = y(t) : autocorrélation

Si x(t) ≠ y(t) : intercorrélation
Sous forme numérique, la fonction de corrélation entre les deux

suites x[i] et y[i] est donnée par la relation :
‫اﻟﻌﻣر ھو اﻟﺷﻲء اﻟوﺣﯾد اﻟذي ﻛﻠﻣﺎ زاد ﻧﻘص‬
Transformation des signaux
Introduction
L’analyse et le traitement du signal peuvent se faire dans

différents domaines :
Domaine temporel ;
Domaine fréquentiel ;
Domaine de Laplace ;
Domaine des Z ;
Domaine temps-fréquentiel ;
…
Transformée de Fourier
La transformée de Fourier est une généralisation de la décomposition
de série de Fourier à tous les signaux déterministes.
Elle permet d’obtenir une représentation en fréquence des signaux,
via la relation :
Transformée de Fourier directe
La relation suivante permet de retrouver le signal temporel x(t) en

fonction du signal fréquentiel X(F) :
Transformée de Fourier inverse

Transformée de Fourier
Propriétés de la transformée de Fourier
x(t) X(F)
x(a.t)
x(t-a) X(F).exp{-2πjaF}
x(t).exp{2πjat} X(F-a)
(2πjF)nX(F)
x(t).y(t) X(F)*Y(F)
x(t)*y(t) X(F).Y(F)
Transformée de Fourier Numérique
La TF Numérique X[k] est la TF d’un signal temporel numérique x[i]
k=0, 1, 2…, N-1

N : nombre d’échantillons
x[i] |X[k]|
TFN
N i N k
Signal numérique temporel Signal numérique fréquentiel

Transformée de Fourier Numérique Inverse
La TF Numérique Inverse x[i] est la TF inverse d’un signal

fréquentiel numérique X[k]
i=0, 1,2…,N-1
X[k] x[i]
TFN-1
N k N i
Signal numérique fréquentiel Signal numérique temporel

Transformée de Fourier Discrète TFD
La TFD X[k] est la TFN avec la condition : Δt.ΔF = 1/N, ce qui donne :
De même pour la TFD-1 :

Comparaison entre TF et TFD
Le signal numérique = (signal analogique) x (fenêtre de durée T) x (peigne de Dirac)

Or :
La TFD est la TF du signal convoluée à un sinuscardinal convoluée à un peigne de Dirac
La TFD est périodique de période 1/Δt

|X(F)|
1/Δt
F
Séries de Fourier
Dans le cas particulier où s(t) est périodique, le signal s(t) peut être
réécrit d’une autre manière, appelée séries de Fourier :
ω0 = 2p/T0 où T0 est la période du signal

s(t).
Avec :
Séries de Fourier
La série de Fourier peut être aussi décrite par des exponentiels :
Avec :
Séries de Fourier
Exemple : Série de Fourier pour un signal rectangulaire :
-A
T
o
Séries de Fourier
Fo 3Fo 5Fo 7Fo 9Fo

Séries de Fourier
Fo
Fo+3Fo
Fo+3Fo+5Fo
Transformée de Laplace
La transformée de Laplace d’un signal x(t) est définie par :
x(t) X(p)
exp(-at).x(t) X(p+a)
x'(t) p.X(p)
x(t-a).Γ(t-a) X(p).exp{-ap}
X(p)/p
x(t).y(t) X(F)*Y(F)
x(t)*y(t) X(F).Y(F)
x(a.t)
Transformée de Laplace inverse
La transformée de Laplace inverse d’un signal W(p) est donnée par :
Dans la pratique, puisque W(p) est généralement sous la forme :
Il est préférable d’utiliser le développement de Heaviside.

Développement de Heaviside
1er cas : W(p) ne contient que des pôles simples, avec °N(p) < °D(p) :
avec pi ≠ pj si i ≠ j.
W(p) peut donc s’écrire :
Avec :
D’où l’on déduit :

2ème cas : W(p) possède des pôles doubles, avec °N(p) < °D(p) :
W(p) peut donc s’écrire :

Avec :
D’où l’on déduit :

3ème cas : W(p) est une fraction rationnelle quelconque. W(p) peut
donc se mettre sous la forme :
Avec :
- Q(p) = q0 +q1p + q2p² +…+ qnpn
- °R(p) <°D(p).
L’inversion de Q(p) donne : q(t) = q0δ(t)+q1δ'(t) + q2δ''(t) +…+ qnδ(n)(t)

et l’inversion de R(p)/D(p) se fait par le premier et le deuxième cas du
développement de Heaviside.
Transformée en Z
La transformée en z de la suite x[n] est définie par la relation :
TZ{a.x[n]+b.y[n]} aTZ{x[n]}+b. TZ{y[n]}
TZ{x[n-k]} z-k TZ{x[n]}
TZ{x[n]*y[n]} TZ{x[n]}.TZ{y[n]}
TZ{anx[n]} X(z/a)
TZ{nx[n]}
Transformée en Z inverse
La transformée en Z inverse d’un signal :
Cette relation est souvent compliquée, on préfère utiliser l’une des

trois techniques suivantes :
✔Utilisation des tables et des propriétés ;
✔Décomposition en éléments simples ;
✔Développement en série.
Utilisation des tables et des propriétés
La technique est à utiliser pour la recherche de la transformée en Z

inverse des fonctions usuelles.
Exemple :
La transformée en Z inverse de la fonction :
est : an Γ(n).
Décomposition en éléments simples
Pour la plupart des signaux usuels, X(Z) peut se mettre sous la forme :
Deux cas peuvent se présenter :

-1er cas : M<N
Dans ce cas, X(Z) peut se mettre sous la forme :
Avec :
Décomposition en éléments simples
-2ème cas : M ≥ N
Dans ce cas, X(Z) peut se mettre sous la forme :
La TZ inverse de chaque terme est :
Ce qui donne :
Développement en série
Cette méthode consiste à développer X(z) en une série de z-i puis
identifier les x[n], soit :
Exemple :
La transformée en Z inverse de :
est :
x[-2] = 1 ;
x[-1] = -1/2 ;
x[0] = -1 ;
x[1] = 1/2 ;
et x[n] = 0 ailleurs.
Représentation temps-fréquence
La représentation temps-fréquence est une représentation
tridimensionnelles qui montre la configuration fréquentielle
d’un signal en fonction du temps.
fréquence
s(s)
p
Fréquence (Hz) Tem
temps
Exemples de représentation temps-fréquence

Rappels sur les signaux aléatoires
Il existe plusieurs techniques qui permettent d’obtenir une

représentation temps-fréquence :
✔ Distribution de Wigner-ville
✔ représentation de Gabor ;
✔ le périodogramme (TF à Court Terme : FTCT) ;
✔ les ondelettes ;
✔ …
Rappels sur les signaux aléatoires
Représentation de Wigner ville :
Représentation de Rihaczek :
Représentation temps-fréquence des signaux
Spectrogramme
Le spectrogramme est basé sur la transformée de Fourier à court

terme (appelée aussi transformée de Fourier à fenêtre glissante).
Le principe du spectrogramme consiste à :
1- Discrétiser le signal temporel en plusieurs intervalles ;
2- Multiplication de chaque intervalle par une fonction de

pondération ;
3- Calcul de la TF de chaque intervalle pondéré, puis construction

de la représentation temps-fréquence.
Spectrogramme
1- Discrétiser le signal temporel en plusieurs intervalles qui

peuvent être chevauchés
Discrétisation sans chevauchement
Discrétisation avec chevauchement

Spectrogramme

pondération :
Discrétisation sans chevauchement

Spectrogramme

pondération :
Discrétisation avec chevauchement

Spectrogramme
Les fenêtres de pondération les plus utilisées :
Fenêtre de Hanning
Fenêtre de Hamming
Fenêtre de Blackman
Spectrogramme
3- Calcul de la TF de chaque intervalle pondéré, puis construction

de la représentation temps-fréquence :
3-1 coder, en couleur, les amplitudes de la TF

de chaque intervalle. Ce dernier donne,
fréquence
donc, naissance, à une ligne couleur.
3-2 les lignes couleurs sont, ensuite, mises,

à la verticale, côte à côte. Chaque ligne est
positionnée, en temps, au milieu de l’intervalle temps
temporelle qui lui correspond. Spectrogramme 2D
Spectrogramme
La représentation temps-fréquence peut, aussi, être faite en 3D

fréquence
temps
Spectrogramme 2D Spectrogramme 3D
Décomposition en ondelettes
La TF est une décomposition du signal sur une base de sinusoïdes.

La Transformée en Ondelette (TO) est une décomposition sur une
petite oscillation appelée ondelette mère Ψ(t).
Chapeau mexicain Morlet Daubechies
Exemple d’ondelettes mères

La transformée en ondelette du signal x(t) est donnée par :
Ψa,b(t) est obtenue par translation et dilatation de la fonction mère :

Le tracé de g(a, b) en fonction de a et de b (a : fréquence et b : temps)

permet d’obtenir une représentation temps-fréquence).
temps

TScours 2

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

TScours 2

Transféré par

Droits d'auteur :

Formats disponibles

‫ﻋﻧدﻣﺎ ﯾﻣﺷﻲ اﻟﻛﺳل ﻓﻲ اﻟطرﯾق ﻓﻼﺑد أن ﯾﻠﺣق ﺑﮫ اﻟﻔﻘر‬

Analyse et Traitement du Signal

Un signal est la représentation physique de l'information,

L’analyse et le traitement du signal est l’ensemble des

L’analyse du signal consiste à étudier, caractériser et

Le traitement du signal consiste à appliquer des opérations

Puissance moyenne sur une durée T

Si le signal x(t) est réel (cas des signaux physiques) :

1- Énergie totale d’un signal :

2- Énergie dans un intervalle de temps Δt autour d’un instant t0 :

Rapport signal sur bruit

Plusieurs modes de classifications peuvent être envisagées :

périodique non périodique stationnaire non stationnaire

périodique pseudo quasi non classification

Les signaux aléatoires :

périodique non périodique stationnaire non stationnaire

périodique pseudo quasi non classification

3 sous classes de signaux périodiques :

Signal sinusoïdal Signal périodique composite Signal pseudo-aléatoire

périodique non périodique stationnaire non stationnaire

périodique pseudo quasi non classification

2 sous classes de signaux non périodiques :

✔Signal quasi périodique : un signal qui résulte d’une somme de sinusoïdes

✔Signal transitoire : un signal dont l’amplitude tend vers zéro lorsque le

Signal quasi périodique Signal transitoire

Signal continu Signal numérique

Le traitement des signaux numériques est plus important que celui

L’échantillonnage consiste à prélever à des instants précis les valeurs

On appelle fréquence d’échantillonnage Fe, la quantité Fe = 1/Te.

Quantification d’un signal

Le codage consiste à associer à un ensemble de valeurs discrètes un

Les codes les plus connus sont :

Convolution de signaux numériques

Si x(t) = y(t) : autocorrélation

Sous forme numérique, la fonction de corrélation entre les deux

L’analyse et le traitement du signal peuvent se faire dans

Transformée de Fourier directe

La relation suivante permet de retrouver le signal temporel x(t) en

Transformée de Fourier inverse

La TF Numérique X[k] est la TF d’un signal temporel numérique x[i]

k=0, 1, 2…, N-1

Signal numérique temporel Signal numérique fréquentiel

La TF Numérique Inverse x[i] est la TF inverse d’un signal

Signal numérique fréquentiel Signal numérique temporel

De même pour la TFD-1 :

Le signal numérique = (signal analogique) x (fenêtre de durée T) x (peigne de Dirac)

La TFD est la TF du signal convoluée à un sinuscardinal convoluée à un peigne de Dirac

La TFD est périodique de période 1/Δt

ω0 = 2p/T0 où T0 est la période du signal

La série de Fourier peut être aussi décrite par des exponentiels :

Exemple : Série de Fourier pour un signal rectangulaire :

Exemple : Série de Fourier pour un signal rectangulaire :

Fo 3Fo 5Fo 7Fo 9Fo

Exemple : Série de Fourier pour un signal rectangulaire :

La transformée de Laplace inverse d’un signal W(p) est donnée par :

Dans la pratique, puisque W(p) est généralement sous la forme :

Il est préférable d’utiliser le développement de Heaviside.

W(p) peut donc s’écrire :

D’où l’on déduit :

W(p) peut donc s’écrire :

D’où l’on déduit :

L’inversion de Q(p) donne : q(t) = q0δ(t)+q1δ'(t) + q2δ''(t) +…+ qnδ(n)(t)

TZ{a.x[n]+b.y[n]} aTZ{x[n]}+b. TZ{y[n]}