Chapitre

Introduction au traitement de signal 1

Support de cours
de

Systèmes et Signaux : Partie 1

Matière :

Partie 1

Préparé par :

• Essid Chaker 2
Essid. Chaker
 Chapitre
Introduction au traitement de signal 1
1- INTRODUCTION

Chapitre
1.1- Définition
INTRODUCTION
Un signal est la représentation physique de l’information, qu’il convoie de sa source à sa
destination. C’est une expression d’un phénomène qui peut être mesurable par un appareil de
AU TRAITEMENT mesure. Bien que la plupart des signaux soient des grandeurs électriques (généralement

DE SIGNAL
courant, tension, champ, …) la théorie du signal reste valable quelle que soit la nature physique
du signal.

1- Introduction 2 1.2- Objectif

Définition L’objectif fondamental de la théorie du signal est la description mathématique des signaux. Elle

Objectif fournit les moyens de mettre en évidence, sous forme mathématique commode les principales
caractéristiques d’un signal : la distribution spectrale de son énergie ou la distribution
2- Modèles et mesure de signaux 2
statistique de son amplitude par exemple.
Modèle mathématique
Elle offre également les moyens d’analyser la nature des altérations ou modifications subies par
Fonctionnelle
les signaux lors de leur passage au travers de blocs fonctionnels (dispositifs généralement
3- Traitement des signaux 3
électriques ou électroniques).
Définition
Principales fonctions du traitement de signal
2- MODELES ET MESURE DES SIGNAUX
4- Classifications des signaux 4
Classification phénoménologique
Classification énergétique 2.1- Modèle mathématique
Classification morphologique Le modèle mathématique d’un signal est une fonction d’une, deux ou trois variables : x(t) ;
Classification spectrale x(i,j) ; x(i,j,t). Le premier cas est le plus courant : la variable t est usuellement le temps mais elle

5- Fonctions particulières 6 peut aussi représenter une autre grandeur (une distance par exemple). La fonction représente
l’évolution d’une grandeur électrique ou traduite sous cette forme par un capteur approprié :
Fonction impulsion de Dirac
microphone
signal acoustique, caméra
signal vidéo…
Fonction signe
Fonction échelon
Fonction rampe 2.2- Fonctionnelle
Fonction porte On appelle fonctionnelle une règle de correspondance entre un ensemble de nombres réels ou
Fonction triangulaire complexes. En d’autre termes, une fonctionnelle est une fonction de fonctions. Les signaux
Fonction sinus cardinal résultant d’un traitement ou certains de leurs paramètres sont souvent exprimés par des
relations fonctionnelles. Par exemple :

3
Essid.chaker
4
Essid.chaker
 Chapitre
Introduction au traitement de signal 1 Chapitre
Introduction au traitement de signal 1
• Valeur intégrale pondérée (fonction de pondération g(t)).
Techniques Informatique Physique
+∞ électroniques Appliquée
f 1(x)= ∫ x(t).g(t)dt
−∞

• Valeur intégrale quadratique pondérée

Traitement des signaux

+∞
f 2(x)=∫ x 2(t).g(t)dt
−∞

Domaines d'application
• Produit de convolution
• Télécommunication. • Reconnaissance de formes.
+∞
y(x)= x(t)* g(t)= ∫ x(τ).g(t −τ)dτ • Technique de mesures. • Traitement d'images.
−∞

• Produit scalaire (évalué sur l’intervalle T) • Etude de vibrations mécaniques. • Analyses biomédicales.
• Surveillance de processus industriels. • Géophysique.
• Radar. • Astronomie.
< x,y*>=∫ x(t).y*(t)dt
T
• Acoustique • etc.

• Transformée de Fourier

+∞ 3.2- Principales fonctions du traitement de signal

X(f)=∫ x(t).e− j2πftdt
−∞
Les principales fonctions du traitement de signal sont :

3- TRAITEMENT DES SIGNAUX • L’analyse : On cherche à isoler les composantes essentielles d'un signal de forme
complexe, afin d'en mieux comprendre la nature et origines.
3.1- Définition
• La mesure : mesurer un signal, en particulier aléatoire, c'est essayer d'estimer la valeur
La théorie du signal fournit la description mathématique (ou modélisation) des signaux. Le
d'une grandeur caractéristique qui lui est associée avec un certain degré de confiance.
traitement des signaux est la discipline technique qui, s’appuyant sur la théorie du signal et de
• Le filtrage : c'est une fonction qui consiste à éliminer d'un signal certaines composantes
l’information, les ressources de l’électronique, de l’informatique et de la physique appliquée, a
indésirables.
pour objet l’élaboration ou l’interprétation des signaux porteurs d’information. Elle trouve son
application dans tous les domaines concernés par la perception, la transmission ou
La régénération : c'est une opération par laquelle on tente de redonner sa forme initiale à un
l’exploitation de ces informations.
signal ayant subis diverses distorsions.

Ressources technologiques

5 6
Essid. Chaker Essid. Chaker
 Chapitre
Introduction au traitement de signal 1 Chapitre
Introduction au traitement de signal 1
• La détection : par cette opération on tente d'extraire un signal utile du bruit de fond qui
+∞
lui est superposé.
Ex = ∫ x (t ) dt
2

−∞

• L’identification : c'est un procédé souvent complémentaire qui permet d'effectuer un et puissance moyenne de x(t) la quantité :
classement du signal observé.
T /2
x 2 (t ) dt
1
T −T∫/ 2
Px = T →
lim
∞
• La synthèse : opération inverse de l'analyse, consiste à créer un signal de forme appropriée
en procédant, par exemple, à une combinaison de signaux élémentaires. La première catégorie comprend les signaux de type transitoire qu’ils soient déterministes ou
aléatoires (exemple une impulsion carré ou gaussienne) et la deuxième catégorie englobe les
• Le codage : outre sa fonction de traduction en langage numérique, est utilisé soit pour signaux de type permanent, périodique, déterministe et les signaux aléatoires permanents.
lutter contre le bruit de fond, soit pour tenter de réaliser des économies de largeur de
bande ou de mémoire d'ordinateur. 4.3- Classification morphologique
Selon que le signal x(t) ou la variable t est continu ou discret ( tk=kT ) on distingue quatre
• La modulation et le changement de fréquence : sont essentiellement des moyens
types de signaux :
permettant d'adapter un signal aux caractéristiques fréquentielles d'une voie de
transmission, d'un filtre d'analyse ou d'un rapport d'enregistrement.
• Le signal à amplitude et temps continus appelé couramment signal analogique.
• Le signal à amplitude discret et temps continu appelé signal quantifié.
4- CLASSIFICATIONS DES SIGNAUX • Le signal à amplitude continue et temps discret appelé signal échantillonné.
• Le signal à amplitude discret et temps discret appelé signal numérique.

4.1- Classification phénoménologique

4.4- Classification spectrale
On met ainsi en évidence le type d’évolution du signal. Il peut être à caractère prédéterminé
ou il a un comportement non prévisible. L'analyse spectrale d'un signal ( ou la répartition énergétique en fonction de la fréquence )
conduit à une classification :

Un signal déterministe est un signal dont l’évolution en fonction du temps peut être
parfaitement prédite par un modèle mathématique approprié. • Signaux de basses fréquences.

Au contraire, la plupart des signaux d’origine physique ont un caractère non reproductible. Les • Signaux de hautes fréquences.

signaux porteurs d’information (signaux de parole, d’image,…) présentent une certaine • Signaux à bande étroite.

imprévisibilité, il seront modélisés par des signaux aléatoires. • Signaux à large bande.

La largeur de bande B d'un signal est le domaine principale des fréquences occupé par son
4.2- Classification énergétique
spectre. Elle est définie par la relation : f2 - f1 avec 0 ≤ f1< f2, où f1 et f2 sont des fréquences
On distingue ici les signaux satisfaisant à un condition d’énergie finie à ceux présentant une
caractéristiques dénotant respectivement les limites inférieure et supérieure prises en compte.
puissance moyenne finie et une énergie infinie.
On appellera énergie d’un signal x(t) la quantité :

7 8
Essid. Chaker Essid. Chaker
 Chapitre
Introduction au traitement de signal 1 Chapitre
Introduction au traitement de signal 1
Un signal dont le spectre est nul en dehors d'une bande de fréquences spécifiée B est appelé
δ(t) δ(t-t0)
signal à bande limité ou de spectre à support borné.
On distingue aussi :

t t
• Signaux de durée finie 0 0
t0
Les signaux dont l'amplitude s'annule en dehors d'un intervalle de temps T, x(t) = 0
pour t ∉T sont appelés signaux de durée limitée ou à support borné.

• Signaux bornée en amplitude

C'est le cas de tous les signaux physiquement réalisable pour lesquels l'amplitude ne
Propriétés :
peut pas dépasser une certaine valeur limite, souvent imposée par des dispositifs
• Soit x(t) une fonction continue en t = 0 ou t = t0
électronique de traitement. On a dans ce cas : x(t) ≤ K pour -∞< t <+∞
x(t). δ(t) = x(0). δ(t)

• Signaux pairs et impairs x(t). δ(t- t0) = x(t0). δ(t- t0)

Un signal est pair si x(t) = x(-t); il est impair si : x(t) = - x(-t) • Identité :
Ce qui implique que tout signal réel peut être décomposé en une partie paire et une x(t)* δ(t) = x(t)
partie impaire : x(t) = xp(t) + xi(t)
• Translation :

x(t)* δ(t- t0) = x(t- t0)

• Signaux causals
Un signal est dit causal s'il est nul pour toute valeur négative du temps: x(t-t1)* δ(t- t2) = x(t-t1- t2)
x(t) ≡ 0 pour t<0. δ (t-t1)* δ(t- t2) = δ (t-t1- t2)
• Changement de variable :

δ(at)= a -1
δ(t) avec en particulier, si w = 2 π f
5- FONCTIONS PARTICULIÈRES δ(w)=1/(2π) . δ(f)

5.1- Fonction impulsion de Dirac

L'impulsion de Dirac δ(t), aussi appelée impulsion unité ou distribution delta, est définie par le
• Suite périodique d'impulsion de Dirac : (Peigne de Dirac)
+∞
produit scalaire : x(0) =< x, δ >= ∫ x(t ) δ (t ) dt . δT(t)
−∞

+∞
d'une manière générale : x(t0 ) = ∫ x(t ) δ (t − t ) dt
−∞
0
δ T (t ) =
+∞

∑ δ (t − kT )
k = −∞
+∞ t
+∞
en particulier, en posant x(t) = 1, on obtient : ∫ δ (t ) dt = 1
−∞
x(t ).δ T (t ) = ∑ x(kT ).δ (t − kT ) -3T -2T -T 0 T 2T 3T 4T 5T
k = −∞

9 10
Essid. Chaker Essid. Chaker
 Chapitre
Introduction au traitement de signal 1 Chapitre
Introduction au traitement de signal 1
5.2- Fonction signe 5.5- Fonction porte
rect(t)

sgn(t)

1 t < 1 / 2 +1
+1 − 1 t < 0 t rect (t ) =∈ (t + 1 / 2) − ∈ (t − 1 / 2) =  Surface unité
sgn(t ) =  = pour t ≠ 0 0 t > 1 / 2 t
+ 1 t > 0 t -1/2 0 +1/2
0 normalisée
-1

Par convention la valeur à l'origine est x(t)

nulle.
En introduisant le changement : t = t/T on obtient A

d'une manière plus générale pour une impulsion t

0 τ-T/2 τ τ+T/2
rectangulaire de durée T centrée en t = τ :
5.3- Fonction saut unité (ou Echelon)
t −τ
x(t ) = A rect ( )
∈(t) T

5.6- Fonction triangulaire

Tri(t)
+1
0 t < 0
∈ (t ) = 1 / 2 + 1 / 2 sgn(t ) =  La fonction triangulaire normalisée :
1 t > 0
+1
0
Surface unité t

1 − t t ≤1 -1 0 +1
Tri (t ) = ∧(t ) = 
0 t ≥1

On peut l'écrire aussi : Tri (t) = rect (t) * rect (t)

5.4- Fonction rampe x(t)

A
La fonction rampe peut se définir à partir de la fonction saut unité :

t −τ t
r(t) De même : x(t ) = A Tri ( )
t T τ-T/2 τ τ+T/2
r (t ) = ∫ ∈ (τ )dτ = t. ∈ (t ) ⇒ ∈ (t ) = d r (t ) / dt pour t ≠ 0 0

−∞ Pente unité
+

0 +1 t

5.7- Fonction sinus cardinal

11 12
Essid. Chaker Essid. Chaker
 Chapitre
Introduction au traitement de signal 1

sinc(α) sincα = sinα = sinπα

α πα

sinc(0) = 1
Chapitre TRANSFORMEE
α
DE FOURIER

1- Transformée de Fourier 10
Transformation des fonctions périodiques
Transformation des fonctions non périodiques
Conditions d’existence de la TF
2- Quelques propriétés de la TF 12
Linéarité
Parité
Similitude
Translation
Dérivation
Convolution
3- Cas particuliers importants 13
Fonction Porte
Sinusoïde tronquée
Impulsion Triangulaire

13 14
Essid. Chaker Essid.chaker
 Chapitre
Transformée de Fourier 2 Chapitre
Transformée de Fourier 2
 bn 
ϕ (n f 0 ) = Arctg  − 
1- TRANSFORMEE DE FOURIER  an 

+∞
D'où: X ( f ) = TF [x(t )] = ∑ X (n f ) . exp(− j ϕ (n f 0 ))
1.1- Transformation de Fourier des fonctions périodiques
0
n = −∞
Remarque :
Il est important de remarquer que le spectre d'une fonction périodique de période T est
Soit x(t) une fonction du temps t périodique, de période T.
composé de raies dont l'écart minimum est f0 = 1/T, sur l'axe des fréquences . Le spectre d'une
On montre que x(t) peut s'écrire :
fonction périodique est donc essentiellement discontinu, il n'existe que pour les valeurs de la

+∞
fréquence multiple de f0 = 1/T.
x(t)=a0 +∑[an cos(2π f0 nt )+bn sin(2π f0 nt )]
n =1
+∞
 2π 2π  1.2- Transformation de Fourier des fonctions non périodiques
x(t)=a0 +∑an cos nt +bn sin nt 
n =1  T   T 
On peut considérer cette non périodicité comme résultant d'une extension à l'infini de la
période T. L'intervalle de fréquences f0 = 1/T tend alors vers zéro et le spectre devient alors
une fonction qui peut être continue.
Avec f0 = 1/T.
Dans ce cas la TF de x(t) est par définition :
Les coefficients an et bn sont donnés par : +∞
X(f ) = ∫ x(t ).exp(− j 2 π
−∞
f t )dt
T /2
an = 1 ∫ x(t).cos(2π f0 nt )dt On écrit habituellement : x(t ) ↔ X ( f )
T −T / 2
T /2
X(f) est une fonction généralement complexe :
bn = 1 ∫ x(t).sin(2π f0 nt )dt
T −T / 2
+∞

Si l'on pose : X ( n f 0 ) =
1
(an − j bn ) ℜ[ X ( f )] = ∫ x(t ). cos(2 π f t )dt
2 −∞
T /2 +∞
1
x(t ).exp(− j 2 π n f 0 t )dt ℑ[ X ( f )] = ∫ x(t ).sin (2 π f t )dt
T −T∫/ 2
On aura : X (n f 0 ) =
−∞
+∞
De même : x(t ) = ∑ X (n f ) exp(+ j 2 π n f 0t )
{ℜ[X ( f )]}2 + {ℑ[ X ( f )]}2
X(f ) =
0
n = −∞ Le spectre d'amplitude est :
X ( n f0 ) est le spectre de fréquence, grandeur généralement complexe, qui peut se  ℑ[ X ( f )] 
Le spectre de phase est : ϕ ( f ) = Arctg  − 
 ℜ[ X ( f )] 
décomposer en :

Spectre d'amplitude :
1.3- Condition d'existence de la transformation de Fourier
1 2
X (n f 0 ) = an + bn2 +∞

∫ x(t )
2 L’existence de la TF est lieé à la convergence absolue de l’intégrale
2
dt < ∞ .
Spectre de phase : −∞

16
Essid.chaker Essid.chaker
 Chapitre
Transformée de Fourier 2 Chapitre
Transformée de Fourier 2
•
2
+∞
 +∞  Propriétés de similitude :
∫ x(t ) dt≤  ∫ x(t )dt 
2
Toutefois ce qui implique la convergence des signaux de carré
1 f
−∞ −∞ x(t ) ↔ X ( f ) ⇒ x(at ) ↔ X 
sommables,c’est à dire les signaux à énergie finie (ceci est le cas de tous les signaux en
a a

pratique). • Propriétés de translation :

Cependant,cette condition suffisante n’est pas nécessaire (trop contraignante) pour les signaux x(t ) ↔ X ( f )
à énergie finie (classe L2). x(t − a ) ↔ exp(− j 2 π a f ) X ( f ) . Cette propriété de translation est évidement réciproque,
Les signaux idéalisés peuvent aussi avoir une TF sans pour cela appartenir à la classe L2 des c'est-à-dire :

fonctions
X ( f − a) ↔ exp(+ j 2 π a t ) x(t )
Pour résumer : A titre d'exemple montrons comment δ(f) qui a une TF constante donne par translation une
fonction Cosinus :
Si x(t) ∈L2 : la TF de x(t) est donnée par :
+∞
X ( f ) = TF [x(t )] =< x, exp(− j 2 π f t ) >= ∫ x(t ).exp(− j 2 π f t )dt
+∞
soit G(f) = exp(+ j 2 π t f ) ⇒ ∫ G ( f )δ ( f )df = G (0) = 1
−∞
−∞

δ(f) x(t)
De même la TF inverse est donnée par :
+∞ 1
x(t ) = TF −1 [ X ( f )] =< X , exp(+ j 2 π f t ) >= ∫ X ( f ).exp(+ j 2 π f t )dt
−∞ t
f
0 0

2- QUELQUES PROPRIETES DE LA TRANSFORMEE DE FOURIER

• Propriétés de linéarité : la TF est une opération linéaire
x(t ) ↔ X ( f )
y (t ) ↔ Y ( f )
δ ( f ) ↔1
X(f)
δ ( f − a) ↔ exp(− j 2 π a t )
Ceci entraîne : 1 1
a x(t ) + b y (t ) ↔ a X ( f ) + b Y ( f ) 2 2
On a : δ ( f + a ) ↔ exp(+ j 2 π a t )
1 1
1/2 δ(f+a) 1/2 δ(f-a)
2 2
• Propriétés de parité : f
D'où : [δ ( f − a ) + δ ( f + a )] ↔ cos(2 π a t )
1
-a 0 a
Si x est paire alors : x(-t) = x(t) 2
+∞
X ( f ) = TF [x(t )] = 2 . ∫ x(t ). cos( 2 π f t )dt
0
• Dérivation :
Si x est impaire : x(-t) = - x(t)
Si x(t ) ↔ X ( f )
+∞
X ( f ) = TF [x(t )] = −2 j . ∫ x(t ). sin ( 2 π f t )dt
0

17 18
Essid.chaker Essid.chaker
 Chapitre
Transformée de Fourier 2 Chapitre
Transformée de Fourier 2
dx(t )
↔ ( j 2 π f )X ( f )
dt
n
d x(t )
↔ ( j 2 π f )n X ( f )
dt
Remarque :
• Propriétés liées à la convolution +∞
X(f ) = ∫ x(t ).exp(− j 2 π
−∞
f t )dt = X ( f ) exp( jϕ x ( f ))

x(t ) ↔ X ( f )
y (t ) ↔ Y ( f ) Le module X ( f ) est appelé spectre
d'amplitude et l'argument ϕ x ( f ) = arg( X ( f ) )
x(t ) * y (t ) ↔ X ( f ).Y ( f ), de même : x(t ). y (t ) ↔ X ( f ) * Y ( f )
spectre de phase du signal x(t).

3- CAS PARTICULIERS IMPORTANTS :

3.2- Cas d'une sinusoïde tronquée

3.1- Fonction Porte ( ou fenêtre )
Soit x(t ) = rect (t / T ). cos(2 π f 0 t ) → calculer X ( f ) ?
t
Soit : x(t ) = A rect ( ) x(t)
T x(t)

t
+T / 2
 t 
TF  A rect ( ) = A ∫ exp(− j 2 π f t )dt -T/2 0 +T/2
 T  −T / 2
t
-T/2 +T/2
 t 
sin (π f T ) = AT sin c(TF )
A
TF  A rect ( ) =
 T  π f
 t 
TF  A rect ( ) =
A
[exp( j π f T ) − exp(− j π f T )]
 T  j 2π f
T0=1/f0

X(f)

AT

f
0
-2/T -1/T 1/T 2/T

X ( f ) = TF [ x(t )] = TF [rect (t / T ). cos(2 π f 0 t )] = TF [rect (t / T )] * TF [cos(2 π f 0 t )]

19 20
Essid.chaker Essid.chaker
 Chapitre
Transformée de Fourier 2 Chapitre
Transformée de Fourier 2
sin (π T f )
Comme : TF [rect (t / T )] = T = T sin c(π T f )
πT f
et : TF [cos(2 π f 0 t )] =[δ ( f − f 0 ) + δ ( f + f 0 )]
1
2
( d'après la relation : x(t)* δ(t- t0) = x(t- t0))

en conclusion on aura : X ( f ) =
T
[sin c( f − f 0 ) + sin c( f + f 0 )]
2
Faire la correspondance avec : x(t ) = cos 2 π f 0 t ( )
X(f)

1/2 δ(f+ f0) 1/2 δ(f-f0)

f

- f0 0 f0

3.3- Cas de l'impulsion Triangulaire

Tri (t) = rect (t) * rect (t)

Comme x(t ) * y (t ) ↔ X ( f ).Y ( f ), avec TF [rect(t)] = sinc(f)

Tri (t ) ↔ sin c 2 ( f )
x(t ) = A Tri (t / T ) ⇒ X ( f ) = AT sin c 2 ( f )

x(t) X(f)

AT
A

t
-T 0 +T -1/T 0 +1/T f

21 22
Essid.chaker Essid.chaker
 Chapitre
Les signaux déterministes 3
1- SIGNAUX A ENERGIE FINIE

Les signaux à énergie finie satisfont la condition suivante :

Chapitre LES SIGNAUX +∞

Ex = ∫ x (t ) dt < ∞ où Ex est l'énergie totale du signal x(t).
2

−∞
DETERMINISTES
Tout signal de cette classe possède une transformation de Fourier
 X ( f ) = TF [x(t )] = X ( f ) . exp[ j ϕ x ( f )] où X ( f ) est le spectre d'amplitude et ϕ x ( f ) est le
spectre de phase du signal. Si celui-ci est mesuré en volts, X ( f ) est en V/Hz et ϕ x ( f ) en
1- Signaux à énergie finie 17
radian.
Fonction d’intercorrélation
Fonction d’autocorrélation
Exemple : signal à décroissance exponentielle
Propriétés pour les signaux réels
Densité Spectrale d’énergie
Soit x(t ) = exp(− at ) définie sur [0, +∞[ avec a∈ R*+ sa TF vaut : X ( f ) =
1
.
Densité inter spectrale d’énergie a+ j 2π f
2- Signaux à Puissance moyenne finie 20 1
Son spectre d'amplitude est donné par l'expression suivante : X ( f ) =
Corrélation des Signaux à Puissance moyenne finie a2 + ( 2 π f )2
2π f 
Propriétés De même pour son spectre de phase : ϕ x ( f ) = − arctg  
 a 
Densité Spectrale de Puissance
Densité Interspectrale de Puissance
1.1- Fonction d'Intercorrélation

Le produit scalaire :
+∞
R xy (τ ) =< x * , yτ >= ∫x
*
(t ). y (t + τ )dt où yτ dénote la fonction décalée y (t + τ ) , est appelé
−∞

fonction d'intercorrélation des signaux à énergie finie réels ou complexes x(t) et y(t).
Ainsi, ces deux signaux sont orthogonaux ( ou non corrélés ) pour chaque valeur de τ où la
fonction d'intercorrélation s'annule. on vérifie aisément : Rxy(τ)= R* yx(−τ)

1.2- Fonction d'Autocorrélation

La fonction d'autocorrélation du signal à énergie finie x(t) :

Essid.chaker Essid.chaker
 Chapitre
Les signaux déterministes 3 Chapitre
Les signaux déterministes 3
+∞
R x (τ ) =< x * , xτ >= ∫x
*
(t ).x(t + τ )dt de même : Rx(τ)= R* x(−τ) .
−∞ et en particulier pour l'autocorrélation :

A partir de cette propriété, nous pouvons conclure que la partie réelle de la fonction Rx(τ) ≤ Rx(0).
d'autocorrélation est une fonction paire et que la partie imaginaire est une fonction impaire. La
valeur à l'origine ( τ = 0) de la fonction d'autocorrélation est égale à l'énergie du signal : La fonction d'autocorrélation est donc bornée, en valeur absolue, par l'énergie du signal.

+∞ 1.3.2- Relation entre convolution et corrélation

R x (0) =< x * , x >= ∫ x(t ) dt = E x
2
L'introduction du changement de variable u = -t dans l'expression de l'intercorrélation de deux
−∞
signaux permet de l'écrire sous la forme du produit de convolution de x*(-t) et y(t).

1.3- Propriétés pour les signaux réels +∞ +∞

R xy (τ ) = ∫x
*
(t ). y (t + τ )dt = ∫x
*
(−u ). y (τ − u )du = x * (−τ ) * y (τ )
−∞ −∞
Les fonctions d'inter et d'autocorrélation sont surtout rencontrées avec des signaux réels : Pour l'autocorrélation, on obtient de manière analogue :
+∞
R xy (τ ) =< x, yτ >= R x (τ ) = x * (−τ ) * x(τ )
∫ x(t ). y(t + τ )dt
−∞
+∞
R x (τ ) =< x, xτ >= Dans le cas des signaux réels, on obtient respectivement :
∫ x(t ).x(t + τ )dt
−∞

Par un changement de variable:

R xy (τ ) = x(−τ ) * y (τ ) et R x (τ ) = x(−τ ) * x(τ )
+∞
R xy (τ ) = ∫ x(t − τ ). y (t )dt 1.4- Densité Spectrale d'énergie
−∞
+∞
R x (τ ) = ∫ x(t − τ ).x(t )dt
−∞
Soit Sx(f) la transformée de Fourier de la fonction d'autocorrélation d'un signal réel ou
complexe, à énergie finie x(t) :
Les fonctions d'inter et d'autocorrélation de signaux réels sont aussi réels. Si x(t) et y(t) sont
+∞
mesurés en volts, R xy (τ ) et R x (τ ) sont en V2.S.
S x ( f ) = TF [R x (τ )] = ∫R x (τ ) exp(− j 2 π f τ )dτ
On en déduit que pour les signaux réels : −∞

Rxy(τ)= Ryx(−τ) { }
De même, on peut écrire : S x ( f ) = TF x * (−τ ) * x(τ ) , or, comme TF x * (−τ ) = X * ( f ) d'où : { }
R x (τ ) = Rx (−τ )
S x ( f ) = X * ( f ). X ( f ) = X ( f
2

Ainsi, la fonction d'autocorrélation d'un signal réel est une fonction réelle paire.
En posant : τ = 0 dans l'expression de la TF inverse de Sx(f) :
+∞

1.3.1- Propriétés : Inégalité de Schwarz R x (τ ) = ∫S x ( f ) exp(+ j 2 π f τ )df , on obtient la forme de l'identité de Parseval :
2 −∞
R xy (τ ) ≤ R x (0).R y (0)

25 26
Essid.chaker Essid.chaker
 Chapitre
Les signaux déterministes 3 Chapitre
Les signaux déterministes 3
+∞ +∞
Ces signaux possèdent une énergie infinie et sont de ce fait physiquement irréalisables. Ils
E x = R x ( 0) = ∫ x(t ) dt = ∫S
2
x ( f ) df
−∞ −∞ constituent toutefois une abstraction commode permettant de modéliser des catégories
importantes de signaux ayant un comportement quasi-permanent. C'est le cas des signaux
L'énergie totale Ex du signal peut donc se calculer soit en intégrant sa distribution périodiques ou quasi-périodiques usuels.
2
temporelle x(t ) , soit en intégrant sa distribution fréquentielle Sx(f). Exemple : signal constant et valeur moyenne
Pour cette raison, Sx(f) est appelée la densité spectrale d'énergie ou parfois, plus simplement le x(t) = c ↔ X(f)= c . δ(f)
spectre d'énergie du signal x(t). on peut étendre par analogie, ce résultat à la valeur moyenne d'un signal :
_ T /2 _ _
1
x = T →
lim
∞ ∫ x(t )dt ⇒ x ↔ x .δ ( f )
T −T / 2
Propriétés de la densité spectrale d'énergie :
La densité spectrale d'énergie Sx(f) est :
2.1- Corrélation des signaux à puissance moyenne finie
• Indépendante du spectre de phase du signal
• Une fonction réelle non négative : Sx(f)≥ 0.
La définition de l'intercorrélation des signaux à énergie finie n'est pas applicable dans le cas
des signaux à puissance moyenne finie non nulle, pour lesquels l'intégrale n'est pas définie. On
1.5- Densité Interspectrale d'énergie
lui substitue alors la valeur moyenne limite :
T /2
1
R xy (τ ) =< x * , yτ >= T → x * (t ). y (t + τ )dt
T −T∫/ 2
La TF de la fonction d'intercorrélation de deux signaux à énergie finie est appelée densité
lim
∞
interspectrale d'énergie ou densité spectrale mutuelle, croisée ou d'interaction. pour des
signaux réels ou complexes, on a :
qui définit la fonction d'intercorrélation des signaux à puissance moyenne finie.
Par analogie, la fonction d'autocorrélation de signaux à puissance moyenne finie est définie par
[ ]
S xy ( f ) = TF R xy (τ ) = X * ( f ).Y ( f )
la limite:
Théorème du Produit
T /2
En posant τ = 0, on obtient la forme suivante de la relation générale de Parseval connue sous 1
R x (τ ) =< x * , xτ >= T → x * (t ).x(t + τ )dt
T −T∫/ 2
lim
∞
le nom du Théorème de Produit :

+∞ +∞ Lorsque les signaux sont réels, les fonctions d'inter et d'autocorrélation sont aussi réelles. Si x(t)
[ ]
R xy (0) = TF −1 S xy ( f ) τ = 0 = ∫x
*
(t ). y (t )dt = ∫X
*
( f ).Y ( f )df
et y(t) sont mesurés en volts, R xy (τ ) et R x (τ ) sont en V2.
−∞ −∞

Elle exprime la conservation du produit scalaire entre l'espace temps et l'espace fréquence. 2.2- Propriétés
2- SIGNAUX A PUISSANCE MOYENNE FINIE Rxy(τ)= R*YX (−τ)
Les signaux à puissance moyenne finie non nulle satisfont la condition suivante : R x (τ ) = R * x (−τ )
2
R xy (τ ) ≤ R x (0).R y (0)
R x (τ ) ≤ R x (0) = Px
T/2
1
T −T∫/ 2
0 p Px = T → ∞ x(t ) dt p ∞ où Px est la puissance totale.
lim 2

27 28
Essid.chaker Essid.chaker
 Chapitre
Les signaux déterministes 3 Chapitre
Les signaux déterministes 3
Si les signaux sont réels : Rxy(τ)= RYX (−τ) et Rx(τ)= Rx(−τ)
T /2 +∞ +∞
Relation entre corrélation et produit de convolution : 1 1 1
T −T∫/ 2
Px = T → ∞ x(t ) dt = T → ∞ ∫ x(t , T ) dt = T → ∞ ∫ X ( f , T ) df
lim 2 lim 2 lim 2
T /2
1 T −∞ T −∞
x(τ )*y (τ ) = T → x(t ). y (t + τ )dt
T −T∫/ 2
lim
∞

On a les équivalences suivantes : on peut définir ainsi la densité spectrale de puissance par :
R xy (τ ) = x (−τ )*y (τ )
*
S x ( f , T ) = T →
lim
∞
1
X ( f ,T )
2

T
Rx(τ)= x*(−τ)* x(τ)
les signaux x(t) et y( t + τ) sont orthogonaux pour chaque valeur de τ où R xy (τ ) = 0 2.4- Densité Interspectrale de Puissance
La TF de la fonction d'intercorrélation R xy (τ ) est appelée densité interspectrale de Puissance.
+∞
2.3- Densité Spectrale de Puissance [ ] ∫R
S xy ( f ) = TF R xy (τ ) = xy (τ ) exp(− j 2 π f τ )dτ
−∞

La TF de la fonction d'autocorrélation est appelé la densité spectrale de puissance du signal à

puissance moyenne finie x(t):
+∞
S x ( f ) = TF [R x (τ )] = ∫R x (τ ) exp(− j 2 π f τ )dτ
−∞

La relation inverse :
+∞
R x (τ ) = ∫S x ( f ) exp(+ j 2 π f τ )df
−∞

pour τ = 0, on obtient la forme particulière de l'identité de Parseval :

T /2 +∞
1
T −T∫/ 2
Px = R x (0) = T → ∞ x(t ) dt = ∫ S x ( f ) df
lim 2

−∞

La fonction Sx(f) représente la distribution fréquentielle de la puissance totale du signal d'où le

nom de densité spectrale de puissance.

Remarque :
Au contraire de la densité spectrale d'énergie, la densité de puissance Sx(f) n'est pas égale au
carré du module de la transformée de Fourier du signal. Mais on peut établir une relation
équivalente :
Soit x(t) un signal à puissance moyenne finie et x( t, T ) = x(t) . rect (t/T), un signal à énergie
finie dont la TF est X( f, T ):
x(t ) = T →
lim
∞ x(t , T )
la densité spectrale d'énergie de x( t, T ) s'écrit alors :
S x ( f ,T ) = X ( f ,T )
2

Lorsque T →
lim
∞ , l'énergie du signal devient infinie, la puissance restant , elle finie

29 30
Essid.chaker Essid.chaker
 Sommaire

1- DEFINITION D'UN SYSTEME LINEAIRE

Au signal d'entrée x(t), un système fait correspondre un signal de sortie y(t). Le système est dit
linéaire si à l'entrée x(t ) = ∑ a x (t ) correspond la réponse
i
i i y (t ) = ∑ a i y i (t ) . Et est dit invariant
i

dans le temps si à l'entrée x(t-τ) correspond la sortie y(t-τ).

Chapitre LES SYSTEMES
2- REPONSE IMPULSIONNELLE D'UN SYSTEME LINEAIRE
LINEAIRES
La réponse impulsionnelle h(t) d'un système linéaire est sa réponse à une impulsion de Dirac

1-

Définition d’un système linéaire 23
δ(t):
x(t) = δ(t)

2- Réponse impulsionnelle d’un système linéaire 23 x(t) h(t) y(t)

3- Réponse d’un système linéaire à un signal quelconque 23

4- Réponse harmonique 24
Cette réponse est théorique, en pratique on ne sait pas fabriquer des signaux ayant la forme
1
5- Utilisation de la réponse harmonique 24 d'un Dirac. Le signal produit d'un signal porte ∏ ∆t (t ) par
possède une aire unité et se
∆τ
Principe rapproche d'un Dirac quand ∆t → 0 . La réponse du système à ce signal étant h∆t (t ) , on peut
Réponse indicielle d’un filtre passe-bas d’ordre 1 dire, si la limite existe, que h(t ) = ∆t →
lim
0 h∆t (t )

x(t)

1/∆t ∆t

0 x(t) y(t)

3- REPONSE D'UN SYSTEME LINEAIRE A UN SIGNAL QUELCONQUE

x(t)

Essid.chaker Essid.chaker
 Sommaire Sommaire

Le signal de sortie est proportionnel au signal d'entrée x(t ) = exp( j ω t ) et le coefficient de

proportionnalité est la TF de la réponse impulsionnelle. Le gain H(ω) du système à la pulsation
∆t
Soit x le signal incident. Décomposons le en ω est la réponse harmonique du système :
une suite d'impulsions rectangulaires, x(k.∆t)
centrées à l'instant k .∆t ( k entier ), ayant t +∞

pour largeur ∆t et pour hauteur x( k .∆t ) . k.∆t

H (ω ) = ∫ h(u ). exp[− j ω u ] du
−∞

5- UTILISATION DE LA REPONSE HARMONIQUE POUR CALCULER LA REPONSE

D'UN SYSTEME
Soit ek (∆t ) cette impulsion. On a : ek (∆t ) = x(k .∆t ). ∏ ∆t
(t − k .∆t ) et son aire est x(k .∆t ).∆t .

5.1- Principe
La réponse du système à cette impulsion isolée est de la forme : x(k .∆t ) . ∆t . ∏ ∆t
(t − k .∆t )
Le système linéaire est défini indifféremment pour sa réponse impulsionnelle h(t) ou sa
puisque h∆t (t ) est la réponse à une impulsion incidente de largeur ∆t et d'aire l'unité, alors que
réponse harmonique H(f ) ( c'est la même chose que H(ω), avec ω = 2 π f ) .
ek (∆t ) à une aire égal à x(k .∆t ).∆t . Le signal incident est la somme des impulsions de type
ek (∆t ) : x(t ) = ∑ x(k .∆t ) .
k
∏ ∆t
(t − k .∆t ) . Le système étant linéaire, la réponse est la somme des
On a h(t ) ↔ H ( f ) et la réponse du système est : y (t ) = x(t ) * h(t ) .
réponses et on aura :

y (t ) = ∑ h∆t (t − k .∆t ) . x(k .∆t ) . ∆t . On sait que la TF d'un produit de convolution est le produit des TF : Y ( f ) = H ( f ). X ( f ) , donc
k
pour trouver y(t), il suffit de calculer Y(f) puis chercher la TF inverse de Y(f).

Lorsque ∆t → 0 , pour τ = k .∆t , h∆t (t − τ ) a pour limite h(t − τ ) et la limite de la somme de

Riemann est l'intégrale, on obtient donc :
+∞
y(t)
y (t ) = ∫ x(τ ).h(t − τ ) dτ = x(t ) * h(t ) .
−∞
x(t) h(t) H(ω)

La réponse d'un système linéaire à une entrée quelconque est la convolution du signal incident
avec sa réponse impulsionnelle.

4- REPONSE HARMONIQUE D'UN SYSTEME LINEAIRE

Soit x(t ) = exp( j ω t ) le signal périodique incident de pulsation ω. La réponse du système est :
+∞ +∞
y (t ) = h(t ) * exp( j ω t ) = ∫ h(u ). exp[ j ω (t − u )] du = exp( j ω t ) ∫ h(u ). exp[− j ω u ] du
−∞ −∞

Essid.chaker Essid.chaker
 Sommaire

5.2- Réponse indicielle d'un filtre passe-bas du premier ordre

x(t) = u(t)
R

x(t) C y(t)

0
t

1 1
δ(f )+
Le signal incident est x(t) = u(t) dont la TF est : X ( f ) = .
2 j 2π f
1 1
La réponse harmonique du circuit est : H ( f ) = = avec τ = RC .
1 + 2 π fR C 1 + j ω τ
1  t 
La réponse impulsionnelle du circuit est donc : h(t ) = u (t ). . exp − ,
τ  τ 
1 
. δ ( f )+
1 1
or, Y ( f ) = X ( f ).H ( f ) ⇒ Y ( f ) = .
1 + j 2 π f τ  2 j 2π f 

Décomposons le second terme en une somme d'éléments simples par l'utilisation de la relation
1 1 τ
: x( f )δ ( f ) = x(0)δ ( f ) ⇒ Y ( f ) = δ(f )+ − .
2 j 2 π f 1 + j 2 π fτ

Enfin, on utilise la table de la transformée de Fourier pour obtenir l'originale de Y(f):

 t   t 
y (t ) = u (t ) − u (t ) exp −  = u (t ) 1 − exp − 
 τ   τ 
y(t)

1
t
0

Essid.chaker