Institut Supérieur de Technologies Appliquées

ALMASSIRA- El Jadida
Filière : Automatisation et Instrumentation Industrielle

M106-Traitement de signal
Démarches didactiques :
• Cours magistraux (présentations PowerPoint ) +TD+ TP

Mode d’évaluation :
• 3 devoirs surveillés: 2 Contrôles continus (C.C) et un
Examen de Fin de Module (EFM)

Note de module = 1/3*(C.C) + 2/3*(EFM)

Pr. Houssam AMIRY
H. AMIRY 30/05/2022 1
 Compétence visée par le module

Rendre fonctionnels des circuits électroniques propres au

traitement de signaux.

H. AMIRY 30/05/2022 2
 Objectifs du module

 Décrire et représenter des signaux

 Etudier les moyens pour analyser, concevoir et caractériser des systèmes de traitement de

l'information.

 Comprendre le principe et les limites des méthodes de traitement des signaux

 Mettre en œuvre des méthodes de traitement de signal simple

H. AMIRY 30/05/2022 3
 PLAN
Introduction du module
Partie 1: Introduction au traitement du signal
Partie 2: Représentation fréquentielle des signaux
Partie 3: Systèmes linéaires continus
Partie 4: Filtrage analogique
Partie 5: Du signal continu au signal numérique
Partie 6: Signaux discrets et transformée de Fourier
Partie 7: Systèmes linéaires discrets
Partie 8: Filtrage numérique

H. AMIRY 30/05/2022 4
 Introduction du module
 Signal:
 Représentation physique d'une information à transmettre
 Entité qui sert à véhiculer une information

Exemples
• Onde acoustique : courant délivré par un microphone (parole, musique, …)
• Signaux biologiques : EEG (Electroencéphalographie), ECG (Electrocardiogramme)
• Tension aux bornes d'un condensateur en charge
• Signaux géophysiques : vibrations sismiques (sol)
• Débit de la Seine
• Images
• Vidéos
• etc.

 Bruit : Tout phénomène perturbateur pouvant géner la perception ou l'interprétation d'un signal

H. AMIRY 30/05/2022 5
 Introduction du module
Fonctions du traitement du signal
 Traitement du signal
 Ensemble de techniques permettant de créer, d'analyser, de transformer les signaux en vue de leur exploitation
 Extraction du maximum d'information utile d'un signal perturbé par le bruit
Notion très importante : le bruit
 Créer: Élaboration de signaux
 Synthèse : création de signaux par
combinaison de signaux élémentaires

 Modulation : adaptation du signal au

canal de transmission

H. AMIRY 30/05/2022 6
 Introduction du module
Fonctions du traitement du signal
 Analyser: Interprétation des signaux
 Détection : isoler les composantes utiles d'un signal complexe , extraction du signal d'un bruit de fond
 Identification : classement du signal (identification d'une pathologie sur un signal ECG, reconnaissance de la
parole, etc.)

H. AMIRY 30/05/2022 7
 Introduction du module
Fonctions du traitement du signal
 Transformer : adapter un signal aux besoins
 Filtrage : élimination de certaines composantes
– Détection de craquements sur un enregistrement,
– Détection de bruit sur une image,
– Annulation d'écho, etc.

 Codage/compression

H. AMIRY 30/05/2022 8
 Introduction du module
La chaîne de traitement de l'information et le TS

H. AMIRY 30/05/2022 9
 Partie 1: Introduction au traitement du signal
Plan

1. Classification des signaux

2. Signaux élémentaires

3. Notions de corrélation

4. Notions de distributions

H. AMIRY 30/05/2022 10
 1. Classification des signaux

2
 Classification dimensionnelle
1

0
 Signal monodimensionnel 1D
-1

-2
Fonction d'un seul paramètre, pas forcément le temps : une 0 10 20 30 40

concentration, une abscisse, etc.

 Signal bidimensionnel 2D
Exemple : image NG  f (x, y)

 Signal tridimensionnel 3D

Exemple : film NB  f (x, y,t)

H. AMIRY 30/05/2022 11
 1. Classification des signaux

 Classification phénoménologique

 Evolution déterministe ou aléatoire des signaux

• Signaux déterministes

Signaux dont l'évolution en fonction du temps t peut être parfaitement décrite grâce à une description
mathématique ou graphique.

Sous catégories :

Signal réel
C'est un signal représentant une grandeur physique. Son modèle mathématique est une fonction réelle.
Ex. : tension aux bornes d'un C

H. AMIRY 30/05/2022 12
 1. Classification des signaux

• Signaux aléatoires (stochastiques)

Signaux dont l'évolution temporelle est imprévisible et dont on ne peut pas prédire la valeur à un temps t.

La description est basée sur les propriétés statistiques des signaux (moyenne, variance, loi de probabilité, …)

Exemple: résultat d'un jet de dé lancé toutes les secondes (moyenne=3.5, écart type :1.87)

Signaux aléatoires stationnaires

Stationnaire si les caractéristiques statistiques ne varient pas au cours du temps.

H. AMIRY 30/05/2022 13
 1. Classification des signaux
 Classification énergétique
 Energie et puissance des signaux
Soit un signal x(t) défini sur   ,   , et T0 un intervalle de temps
Remarques :
• Energie de x(t)
T0
 Signaux à énergie finie puissance moyenne
 x(t) 2 dt 2
E   ou E  lim  x(t) dt
2 nulle
T0  T0
 Généralement, cas des signaux représentant
2 une grandeur physique. Signaux transitoires à
• Puissance moyenne de x(t) support borné
T0
2  Signaux à énergie infiniepuissance moyenne
1 2
P  lim  x(t) dt non nulle
To  T0 T0 Cas des signaux périodiques
2 Notion valable pour les signaux aléatoires et
déterministes
Homogène à E/t

Cas des signaux périodiques de période T

H. AMIRY 30/05/2022 14
 1. Classification des signaux
 Classification morphologique

H. AMIRY 30/05/2022 15
 1. Classification des signaux

 Bruit

 Def. : Tout phénomène perturbateur pouvant géner la perception ou l'interprétation d'un signal
 La notion de bruit est relative, elle dépend du contexte
 Exemple classique du technicien en télécom et de l'astronome :
• Pour le technicien en télécom :
– Ondes d'un satellite = signal
– Signaux provenant d'une source astrophysique = bruit
• Pour l'astronome :
– Ondes d'un satellite = bruit
– Signaux provenant d'une source astrophysique = signal
 Tout signal physique comporte du bruit = une composante aléatoire
 Introduction de la notion du rapport signal/bruit

H. AMIRY 30/05/2022 16
 1. Classification des signaux

 Rapport signal sur bruit

 Signal = composante déterministe + composante aléatoire.

 Déterminer la qualité d'un signal aléatoire ou déterministe = introduction d'un rapport RS/B quantifiant
l'effet du bruit.
Ps
RS / B  ou R S / B (dB)  10 log10 (R S / B )
Pb
Ps est la puissance du signal et Pb celle du bruit.
RS/B=0 dB RS/B=26 dB

Signal + bruit
Signal

H. AMIRY 30/05/2022 17
 2. Signaux élémentaires
 Échelon
0 pour t  0  Signal porte ou rectangle
(t)  
1 pour t 0
 (t )
1
 (t)   pour t  
2
0 ailleurs
1   (t )

permet d'exprimer l'établissement

instantané d'un régime continu  / 2 / 2
 Exponentielle décroissante  : largeur de la porte
y(t)  (t)  e at a 0 Peut aussi être défini comme une
différence de deux échelons.

 Signaux périodiques : sin / cos

H. AMIRY 30/05/2022 18
 3. Notions de corrélation
 Autocorrélation

L'autocorrélation réalise une comparaison entre un signal x(t) et ses copies retardées (étude de
ressemblance d'un signal avec lui-même au cours du temps)

 Pour les signaux à énergie finie

  Homogène à une énergie,
C xx ( )   x(t)  x (t   )dt
*
Cxx(0) est l'énergie du signal

 Pour les signaux à énergie infinie
1 T /2 Homogène à une puissance,
C xx ( )  lim  x(t)x* (t  )dt Cxx(0) est la puissance
T  T T / 2
moyenne du signal
 Propriétés
• |Cxx(t)|  Cxx(0) : Maximum en 0
• Si x(t) est périodique alors Cxx(t) est périodique de même période
• Cxx(t) est paire pour des signaux réels

H. AMIRY 30/05/2022 19
 3. Notions de corrélation
 Intercorrélation

L'intercorrélation compare un signal x(t) et un signal y(t) retardée. Elle mesure la similitude entre ces
deux signaux.
 Pour les signaux à énergie finie

T0 / 2
 Pour les signaux à énergie infinie Cxy ( )  lim 1  x(t) y * (t   )dt
T0  T0 T / 2
0

Exemple d'application Détection par intercorrélation

Autres exemples
Détection de signal périodique noyé dans le bruit
Analyse spectrale
H. AMIRY 30/05/2022 20
 4. Notions de distributions
i(t)
0 t0
V (t)  
Eo C  Eo t 0
V(t)

V est discontinue

Question : que vaut i(t) ? i(t)  C dV

dt
i(t) est nul partout. En 0, on ne connaît pas la valeur de i car V(t) est discontinue en 0 et n'est donc pas
dérivable en ce point.

Et pourtant, i(t) en 0 existe puisque il y a eu transfert de charge q   i(t)dt  CEo entre l'alimentation et la
capacité. 

i(t) n'est donc pas une fonction, c'est une distribution ! On l'appelle distribution de Dirac

H. AMIRY 30/05/2022 21
 4. Notions de distributions
 Distribution de DIRAC

Si φ est une fonction, la distribution de Dirac ou impulsion de Dirac est définie par:

 Dirac appliqué à une fonction = la valeur de la fonction en 0

Remarque : il n'existe pas de fonction δvérifiant cette propriété

Cependant pour des raisons de commodités, on la note souvent comme une fonction de t : δ(t), qu'on représente :

Propriétés
• Dirac représente un signal de durée théoriquement nulle et d'énergie finie (=1).

• Notation incorrecte mais commode :  (t1 )   (t  t1)

• Une impulsion de Dirac à l'instant t donne :  (t1 ) ()  (t1 )
1

• Autre propriété : x(t)   (t  to)  x(to)   (t  to)

H. AMIRY 30/05/2022 22
 4. Notions de distributions
 Distribution de DIRAC

• Comme une fonction :

 (x)  0 x  0 Remarque1 : ceci est impossible : l'aire sous le pic ne peut être égale à 1...
 (x)  Remarque2 : l'énergie du Dirac est donc égale à 1
 
 (x) dx  1

1
  (t)

• À partir du signal porte :

(t)
 (x)  lim 1  (x)
 0 

t t
Mêmes remarques !
• Peut être vue comme la dérivée d'un échelon

H. AMIRY 30/05/2022 23
 4. Notions de distributions
 Peigne de DIRAC

C'est une somme infinie d'impulsions de Dirac régulièrement espacées de To

H. AMIRY 30/05/2022 24
 4. Notions de distributions
 Quelques éléments sur la théorie des distributions

On appelle une distribution D, un opérateur sur l'espace vectoriel V de fonctions (t), indéfiniment dérivable et à
support borné.

D: V  ℂ ℂ
: ensemble des nombres complexes
(t)  D, ou D( )
 Propriétés
D(1   2 )  D(1 )  D(2 )
D()  D()  est un scalaire

 Dérivation d'une distribution

Soit D une distribution alors la dérivée D' de D définit également une
distribution telle que D'( )  D( ')

H. AMIRY 30/05/2022 25
 Partie 2: Représentation fréquentielle des signaux
Plan
1. Introduction

2. Décomposition en série de Fourier

3. Transformée de Fourier des signaux à énergie finie

4. TF au sens des distributions

H. AMIRY 30/05/2022 26
 1. Introduction
 Notion de fréquence
 Qu'est ce qu'une 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 = basses fréquences
• Sons aigus = hautes fréquences

=> La fréquence permet de caractériser un certain type d'information

H. AMIRY 30/05/2022 27
 1. Introduction
 Notion de fréquence
 Dans une image
• Surfaces = basses fréquences
• Contours = hautes fréquences

 Dans une onde lumineuse

• Les couleurs dépendent de la
longeur d'onde = la fréquence

 La notion de fréquence est également présente dans :

◆ La voix, un téléphone portable, la radio, l'ADSL, les horaires de
passage d'un train, la musique electronique, un equaliser, un
radar, etc.
 Toute ces applications véhiculent ou analysent le
contenu fréquentiel de l'information
◆ Une représentation fréquentielle de l'information est
souvent plus facile à interpréter que la représentation
temporelle

H. AMIRY 30/05/2022 28
 1. Introduction
 Notion de fréquence

 Autre exemple : Analyse d'ondes cérébrales

Rep. temporelle Rep. frequentielle

Ondes Alpha: engendrées lorsque le

sujet change son niveau d'attention (f
modérées, amplitude importante)

Ondes Bêta: produites par une activité

mentale intense (fréquences. élevées,
faibles amplitudes)
Ondes Thêta: accompagnent des
sentiments de stress émotionnel
(fréquences faibles)

Question : Comment obtenir la représentation fréquentielle d'un signal ?

H. AMIRY 30/05/2022 29
 1. Introduction
 Vers une représentation fréquentielle

 La notion de fréquence est intéressante, mais comment connaitre les fréquences

que contient un signal ?

 Exemple d'un signal sinusoïdal :

f0 est la fréquence du signal

x(t)=cos(2πf0t+φ)
=> Pour un cosinus, c'est facile ...
 Exemple d'une onde lumineuse : Temps

Fréquences variables au cours du temps

(du rouge au violet). Comment caractériser
Onde lumineuse

les informations fréquentielles contenues

dans ce signal ?
=> ici, c'est plus difficile ...

Temps idem pour un signal porte, une exponentielle, etc.

Analyse fréquentielle des signaux
H. AMIRY 30/05/2022 30
 1. Introduction
 Vers une représentation fréquentielle
 Petite expérience : mélangeons quelques sinus ...

% Code matlab
f0 = 0.51; A0 = 1;
f1 = 0.11; A1 = 2;
f2 = 0.21; A2 = 2;

% déclaration de signaux de base

x0 = A0*sin(2*pi*f0*t);
x1 = A1*sin(2*pi*f1*t);
x2 = A2*sin(2*pi*f2*t);

% affichage des signaux + combinaison

plot(t, x0, 'y'); hold on;
plot(t, x1, 'g');
plot(t, x2, 'c');
plot(t, x0+x1+x2, 'k.');

• Il est donc possible d'obtenir des signaux périodiques complexes par une simple combinaison
linéaire de signaux élémentaires
• C'est le principe inverse de la décomposition en série de Fourier
H. AMIRY 30/05/2022 31
 2. Décomposition en série de Fourier
 Principe :

La Décomposition en Série de Fourrier consiste à exprimer un signal périodique comme une combinaison linéaire de
signaux sinusoïdaux

•Sous forme de signaux sinusoïdaux, les fréquences d'un signal apparaissent naturellement.
•Pour les signaux périodiques, la décomposition en Série de Fourier (DSF) constitue le lien entre la représentation
temporelle d'un signal et sa représentation fréquentielle.
• Pour les signaux non périodiques, il s'agit de la Transformée de Fourier (TF).
H. AMIRY 30/05/2022 32
 2. Décomposition en série de Fourier
 Principe :
Exprimer un signal x(t) de période Tcomme une combinaison linéaire de fonctions sinusoïdales de fréquences
1
multiples de F  T , dite fréquence fondamentale.
 Définition de la DSF : forme trigonométrique
Un signal x(t) de période T, s'exprime sous certaines conditions comme:

=> Somme de sinus et de cosinus : facile à interpréter

Coefficients de la série:

a0 : valeur moyenne du signal ou composante continue (avec n  1)

H. AMIRY 30/05/2022 33
 2. Décomposition en série de Fourier
 Définition de la DSF : forme trigonométrique
Interprétation:

H. AMIRY 30/05/2022 34
 2. Décomposition en série de Fourier
 Définition de la DSF : forme complexe
Rappels : formules de moivre et d'Euler

Application à la DSF

Posons la relation entre les coefficients

On a alors Où

H. AMIRY 30/05/2022 35
 2. Décomposition en série de Fourier
 Remarques
 Posons F  1 , les deux formes de la DSF s'écrivent alors:
T

 Les coefficients cn sont complexes en général

 Dans la forme complexe de la DSF, interviennent des fréquences négatives et positives qui sont introduites par
commodité de représentation
 Quelques propriétés
◆ Si le signal x(t) est réel, cn  c*n : les coefficients sont nécessairement complexes
conjugués pour restituer x réel car exp( j2nFt) est complexe

◆ Si le signal x(t) est réel et pair, cn  cn  bn  0

◆ Si le signal x(t) est réel et impair, cn  cn  an  0

+∞
◆ Théorème de Parseval : la puissance du signal périodique est P= ∑ ∣c n∣ 2
n=− ∞
H. AMIRY 30/05/2022 36
 2. Décomposition en série de Fourier
 Remarques: Pourquoi les nombres complexes ?

 Quand on a des phénomènes périodiques, les complexes sont plus faciles à manipuler.
 Exemple : analyse de circuits électriques RLC :

résistance inductance capacité

v = Ri di dv
En réels : v=L i=C
dt dt
En complexes : Z= R Z= jwL Z = − j /w C
avec V = ZI
=> remplacement d'équations différentielles par des équations algébriques

H. AMIRY 30/05/2022 37
 2. Décomposition en série de Fourier
 Exemple:
Soit h(t) de période T tel que sur l'intervalle [0, T] :
Décomposition en Série de Fourier de h(t)

On a trouvé que :

Donc la série de Fourier de h(t) s'écrit :

Approximation du signal créneau par la série de Fourier en limitant n à différentes valeurs :

H. AMIRY 30/05/2022 38
 3. Transformée de Fourier des signaux à énergie finie
 Et pour les signaux non périodiques ?

 La DSF n'est applicable qu'aux signaux périodiques

 Comment faire pour les signaux non périodiques ?

 Considérons que la période T est infinie (donc F tend vers 0)

 Et comme les harmoniques sont des multiples de F ...

 ... l’écart entre les raies du spectre va donc devenir infiniment petit

 On tend alors vers une représentation fréquentielle continue

C'est la Transformée de Fourier, qui peut être vue comme une généralisation des séries de Fourier aux
signaux non périodiques
H. AMIRY 30/05/2022 39
 3. Transformée de Fourier des signaux à énergie finie
 Spectres de raie pour différentes périodes:

Plus la période
augmente, plus l'écart
entre les Cn diminue ...

H. AMIRY 30/05/2022 40
 3. Transformée de Fourier des signaux à énergie finie
 Définition de la TF +∞

Soit signal x(t) un signal non périodique. La TF de x(t), si elle existe, est: X( f )= ∫ x( t ) e− j2πft dt
−∞

▪X(f) indique la "quantité" de fréquence f présente dans le signal x(t) sur l'intervalle ]  ,[ . X(f) donne des
informations fréquentielles sur x(t).

▪ X(f) : fonction complexe (de la variable réelle f) qui admet

➢ Un spectre d'amplitude A f  X ( f ) ➢ un spectre de phase  ( f )  argX ( f ) 

 Transformée de Fourier inverse

+∞

Si elle existe, la TF inverse est définie par x( t )= ∫ X ( f ) e j2πft df

−∞
 Notations

H. AMIRY 30/05/2022 41
 3. Transformée de Fourier des signaux à énergie finie
 Exemple de calcul de TF:

H. AMIRY 30/05/2022 42
 3. Transformée de Fourier des signaux à énergie finie
 Propriétés de la TF:
• Linéarité
a1 x1 (t )+a 2 x2 (t )↔ a1 X1( f )+a 2 X 2(f )
• Décalage temporel
L'amplitude Af ne change pas.
− j2πft o
x ( t −t o )↔ e X(f ) La phase est modifié de j2 ft0
• Décalage fréquentiel
e j2πf t x ( t )↔X ( f − f )
o

• Changement d'échelle
1 f La contraction dans le domaine temporel (a  1)
x(at)  X   a* correspond à la dilatation dans le domaine
a a fréquentiel et inversement
• Dérivation
dx ( t )
↔j2πf X ( f )
dt !
• Intégration La TF et la TF inverse ne sont
1 pas toujours définies
Soit P[x(t)] la primitive de x(t) P[ x(t )]↔ X (f )
j2πf
H. AMIRY 30/05/2022 43
 3. Transformée de Fourier des signaux à énergie finie
 Propriétés de la TF:

• Inversion temporelle
x(t)  X  f 
• Conjugaison complexe
x* (t)  X * ( f )
• Symétrie dans le cas de signaux réels
Si x(t) est un signal réel alors X( f )=X(−f ) Le spectre d'amplitude est une
fonction paire et le spectre
donc ∣X (f )∣=∣X (−f )∣ ∣ et φ(f )=−φ(−f ) d'argument est impair

• Symétrie dans le cas de signaux imaginaires purs

Si x(t) est un signal imaginaire pur alors X (f )= − X (− f )

• Parité
▪Si x(t) est un signal réel et pair alors X(f) est réelle et paire
▪Si x(t) est un signal réel et impair alors X(f) est imaginaire pure et impaire

H. AMIRY 30/05/2022 44
 3. Transformée de Fourier des signaux à énergie finie
 Dualité de la TF:
Les définitions symétriques de la TF et de la TF inverse permettent de mettre en avant une propriété de la TF appelée
Dualité de la TF. Soit x(t) , une fonction quelconque dont la TF est bien définie.
 
X ( f )   x(t)e  j2ft dt et x(t)   X ( f )e j 2ft df
 

On a donc x(t)   X ( f )e  j 2ft df


En intervertissant les variables temporelles

et fréquentielles, on obtient :

x( f )  X (t)e  j 2tf dt  F X (t)
  


F
Donc si x(t) 
 X(f )
F
alors X (t) 
  x( f )

H. AMIRY 30/05/2022 45
 3. Transformée de Fourier des signaux à énergie finie
 TF et énergie des signaux:

Relation de Parseval
Loi de conservation de l'énergie
Dans le cas où les intégrales existent, on a

 
 x(t) dt   X ( f ) df
2 2

 

La Transformée de Fourier conserve l'énergie du signal

H. AMIRY 30/05/2022 46
 3. Transformée de Fourier des signaux à énergie finie
 TF et énergie des signaux:
Comme la TF conserve l'énergie, on peut définir une notion d'énergie par unité de fréquence, la densité spectrale
d'énergie (DSE)

Energie dans une bande de fréquence Energie totale

f |X(f)| f +Δf /2  
0 2
E Δf = ∫ S xx ( f ) df E   X ( f ) df   S xx ( f )df
 f f 0− Δf /2  

0 f0 f Cas des signaux à puissance moyenne finie

Ce sont des signaux à énergie infinie. On
Théorème de Wiener-Kintchine définit alors une densité spectrale de puissance
La densité spectrale Sxx(f) de x(t) est
X (f)
2 X T ( f )  F xT (t)
la TF de sa fonction d'autocorrélation. Pxx ( f )  lim T
T  T xT (t)  x(t)   T (t)
+∞
S xx ( f )= ∫ C xx ( τ ) e− j2πfτ dτ xT(t) est le signal x(t) prélevé sur une fenêtre de largeur T
−∞
Ce théorème est valable aussi pour les signaux aléatoires La densité spectrale de puissance est la TF de la fonction d'autocorrélation
H. AMIRY 30/05/2022 47
 3. Transformée de Fourier des signaux à énergie finie
 Théorème de Bernstein
Ce théorème permet de relier le support en fréquence d'un signal et la variation de ce signal

Un signal est dit "à support borné en fréquence" si

Énoncé
Si x(t) est
- borné càd  t,
- à support borné en fréquence

Alors
Interprétation
Les variations d'un signal sont liées à la dérivée de ce signal. Comme cette dérivée est bornée, le signal ne peut pas
varier arbitrairement vite.
Conséquence :
Un signal présentant des discontinuités est un signal à support en fréquence non borné.

H. AMIRY 30/05/2022 48
 3. Transformée de Fourier des signaux à énergie finie
 TF d'une distribution
Question : Comment faire quand la TF d'un signal n'est pas définie ?

⇨ on considère si possible le signal comme une distribution.

Définition
La transformée de Fourier d'une distribution D est une distribution notée F [D] telle que pour la fonction
 (t) indéfiniment dérivable et à support borné

Application : quelle est la TF d'une impulsion de Dirac ?

Par définition : Or
Donc :

La TF de l'impulsion de Dirac est une constante

En notation « fonction » :

De même, grâce à la propriété de décalage temporel :

H. AMIRY 30/05/2022 49
 3. Transformée de Fourier des signaux à énergie finie
 Applications de la TF d'une distribution
Question : Comment faire lorsque l'intégrale n'est pas définie car divergente ? Ex. : 1, cos, exp, etc.
⇨ application de la théorie des distributions
Quelle est la TF de la distribution associée à 1 ?

résultat sans
Donc finalement : surprise en vertu du D'où :
principe de dualité !

TF d'un signal sinusoïdal

H. AMIRY 30/05/2022 50
 3. Transformée de Fourier des signaux à énergie finie
 TF d'un Peigne de Dirac

H. AMIRY 30/05/2022 51
 3. Transformée de Fourier des signaux à énergie finie
 Qu'est ce qu'un bruit blanc ?

Un bruit blanc est un signal aléatoire qui contient toutes les fréquences

◆ Sa représentation fréquentielle est quasi plate : (SA -> densité spectrale)

◆ Pour un signal sonore, ceci correspond à un « souffle » Densité spectrale

(= TF de l'autocorrelation)

◆ Remarque : théoriquement, un tel signal ne peut exister puisque son énergie serait infinie ...

H. AMIRY 30/05/2022 52
 3. Transformée de Fourier des signaux à énergie finie
 TF Usuelles

H. AMIRY 30/05/2022 53
 Partie 3: Systèmes linéaires continus
Plan

1. Introduction

2. Réponse d'un système LTI (Linéaire à Temps Invariant) à une entrée :

caractérisation temporelle

3. Réponse fréquentielle d'un système

H. AMIRY 30/05/2022 54
 1. Introduction
 Exemples de systèmes

 Définition

Un système est un ensemble d'éléments fonctionnels interagissant entre eux et qui

établit un lien de cause à effet entre ses signaux d'entrées et ses signaux de sortie

Perturbations (souvent imprévisibles)

Signaux d’entrée Signaux de sortie

Système
ou excitations x ou réponses y
S

Notation : y  Sx
H. AMIRY 30/05/2022 55
 1. Introduction
Classification des systèmes
 Système statique

La réponse du système à une excitation est instantanée

i(t) R Équation

u(t) y(t)  i(t)  1 u(t)

R
 Système dynamique
La réponse est fonction de l'excitation et des réponses passées
i(t) R

u(t) C Vc(t)

 Systèmes mono variable et multivariable

 Monovariable : système à une entrée et une sortie

 Multivariable : nombre d'entrées + nombre de sorties > 2

H. AMIRY 30/05/2022 56
 1. Introduction
Classification des systèmes
 Linéarité

Si x(t)  a1 x1 (t)  a2 x2 (t) alors y(t)  a1S x1 (t) a2 S x2 (t)
 Causalité
La réponse du système ne peut pas se produire avant l'excitation qui l'engendre
Conséquence : si x(t)  0 pour t  0 alors y(t)  S x(t) 0 pour t  0
 Invariance temporelle
Un décalage temporel en entrée induit le même décalage en sortie. La réponse du
système est invariante par translation dans le temps. Le système est dit alors invariant.
Si y(t)  S x(t) alors y(t  t0 )  S x(t  t0 )
 Stabilité
Un système est dit stable si en réponse à une entrée bornée, sa sortie est bornée

Système qui, perturbé, revient à son état Stable

initial après disparition de la perturbation Instable

H. AMIRY 30/05/2022 57
 1. Introduction
Exemples
 Tachymètre
 Entrée : Vitesse d'un véhicule v(t)
 Sortie : Position angulaire de l'aiguille  (t)
Propriétés : linéaire, causal, invariant

 Exemple de système
 non linéaire : hauteur d’une vague en fonction du vent
 non causal : retour vers le futur
 non invariant : y(t) = t.x(t); parcmètre (le tarif dépend de l'heure)

Dans la suite, on étudiera les systèmes monovariables continus linéaires à temps

invariant (systèmes LTI)

H. AMIRY 30/05/2022 58
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Caractérisation d'un système LTI (Linéaire à Temps Invariant)
 Relation entrée/sortie

La plus courante : équation différentielle linéaire à coefficients constants

d i y(t)
avec y (i)  (dérivée d'ordre i)
dt i

 Caractérisation complète du système par la connaissance des coefficients

 Sortie y(t) calculable par la connaissance de x(t)

 Exemple

H. AMIRY 30/05/2022 59
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Caractérisation d'un système LTI
 Réponse impulsionnelle

La réponse impulsionnelle d'un système est sa réponse à une

entrée sous forme d'impulsion de Dirac

h(t)
(t)
h(t)  S  (t)
t
Système S t

 Avantages de la réponse impulsionnelle

 caractérisation complète du système

 permet de calculer la sortie du système LTI pour d’autres signaux d’entrée

Comment calculer la sortie du système avec un signal d’entrée quelconque à

partir de la réponse impulsionnelle ?
 notion de convolution
H. AMIRY 30/05/2022 60
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Notion de convolution
 Définition
On appelle produit de convolution de deux signaux f(t) et g(t) et on note f g , l'expression

Ressemble beaucoup à une corrélation

Rappel :

Pour la convolution, un des signaux est inversé

H. AMIRY 30/05/2022 61
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Notion de convolution

 Cas de signaux causaux ( f (t)  0, g(t)  0 pour t  0)

La convolution devient :

 Exemple
Calculer le produit de convolution des signaux suivants

H. AMIRY 30/05/2022 62
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Notion de convolution

H. AMIRY 30/05/2022 63
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Convolution

 Propriétés

 Commutativité : f (t)  g(t)  g(t)  f (t)

 Associativité : e(t)  f (t)  g(t)  e(t)  g(t)  f (t)   e(t)  f (t)  g(t)

 Distributivité par rapport à l'addition : e(t)   f (t)  g(t)   e(t)  f (t)  e(t)  g(t)

 Elément neutre du produit de convolution : impulsion de Dirac f (t)  (t)  f (t)

Translation temporelle (conv. avec un Dirac retardé) : f (t)  (t  t0 )  f (t  t0 )

H. AMIRY 30/05/2022 64
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Convolution
 Propriétés (suite)

 Convolution avec un peigne de Dirac


Peigne de Dirac Ш
𝜆 T (t)    (t  kT)
k 


f (t)  Ш
𝜆 T (t)   f (t)  (t  kT ) Linéarité de la convolution : on sort la somme
k

Convolution avec un Dirac retardé


 f (t) Ш
𝜆 T (t)   f (t  kT)
k
𝜆 T f 𝜆 T

f (t)

t * -2T -T 0 T 2T t
= -2T -T 0 T 2T t

On obtient une fonction périodique formée par la recopie de f autour de chaque dent
H. AMIRY 30/05/2022 65
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Réponse d'un système LTI à une entrée quelconque
 Application de la notion de convolution
x(t) Réponse du système
Système y(t)  ? on cherche y(t)  S x(t)
t


Élément neutre x(t)  x(t)  (t)  x(t)   x( ) (t  )d
de la convolution
 
 y(t)  S  x( ) (t  )d 
y(t)   x( ) S  (t  ) d

Propriété de linéarité du système : (Voir diapo 5)

Propriété d'invariance temporelle du système : S  (t  )  h(t  )

(réponse impulsionnelle décalée,
voir diapos 5 et 8)

On en déduit

y(t)   x( ) h(t  )d  y(t)  x(t)  h(t)
La réponse du système à une entrée quelconque x est la convolution de x avec la réponse impulsionnelle h du
système. h caractérise entièrement le système.
H. AMIRY 30/05/2022 66
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Stabilité et réponse impulsionnelle

On dit qu'un système est stable si sa sortie est bornée lorsque son entrée est bornée

 L'entrée x est bornée i.e.  M x / x(t)  M x t


 Réponse du système : y(t)   x( ) h(t  )d

Quelle est la condition sur h(t) pour que y(t) soit bornée ?

On montre que la sortie est bornée ssi  h( ) d  

Un système est stable ssi sa réponse impulsionnelle est absolument intégrable

Nous venons de présenter les aspects temporels des systèmes continus LTI
Maintenant nous allons nous intéresser aux aspects fréquentiels

H. AMIRY 30/05/2022 67
 3. Réponse fréquentielle d'un système
Systèmes et transformée de Fourier
x(t) Système y(t) Soit le système de réponse impulsionnelle h
Soit le signal d'entrée x(t)  Ae j 2ft
Que vaut la sortie y(t) ?
 Réponse fréquentielle des systèmes LTI

y(t)  h(t)  x(t)  

h(t)  x(t)   h( ) x(t  )d


h(t)  Ae j2ft   h( ) Ae j2f (t ) d


Sortons ce qui ne dépend pas de 𝗓: h(t)  Ae j2f 0t  Ae j2ft  h( ) e j 2f d
H( f ) TF de la réponse impulsionnelle

S(Ae j2𝜋 ft )= h(t)∗ Ae j𝜋 ft = H( f ). Ae j2𝜋 ft

La réponse d'un système LTI à une exponentielle complexe (resp. signal sinusoïdal) est
une exponentielle complexe (resp. signal sinusoïdal) multipliée par le gain complexe H( f )
H. AMIRY 30/05/2022 68
 3. Réponse fréquentielle d'un système
Systèmes et transformée de Fourier
 Réponse fréquentielle des systèmes LTI
x(t) Système y(t)

Si le signal d'entrée est quelconque, on peut l'exprimer sous la forme
d'une somme infinie d'exponentielles complexes : c'est la TF inverse
x(t)   X ( f )e j 2ft df


y(t)  S x(t)  y(t)   S X ( f )e j2ft df (linéarité du système)


En vertu du résultat précédent S X ( f )e j2ft  H ( f ).X ( f ).e j2ft


 y(t)   H ( f ).X ( f ).e j2ft df (définition de la TF inverse de Y)

Y( f )
(TF de la sortie y)

Donc si y(t)  h(t)  x(t) alors Y ( f )  X ( f ).H ( f ) H ( f ) : fonction de transfert

convolution en temporel  multiplication en fréquentiel

H. AMIRY 30/05/2022 69
 3. Réponse fréquentielle d'un système
Systèmes et transformée de Fourier
 Représentation fréquentielle des systèmes LTI

x(t) Système y(t)

Module H ( f )

Y ( f )  X ( f ).H ( f ) H( f )
Argument ( f )  argH ( f ) 
 H ( f ) : représentation fréquentielle du système
 Simplicité de la relation entrée/sortie en fréquentiel
 La représentation fréquentielle illustre l'aptitude du système à faire passer une
composante fréquentielle présente dans le signal d'entrée

 Relations entrée-sortie en fréquentiel

Module Y ( f )  X ( f ).H ( f )

Y ( f )  X ( f ).H ( f )   Argument argY ( f )   ( f )  argX ( f ) 

 Densité spectrale d'énergie S yy ( f )  S xx ( f ).S hh ( f )
H. AMIRY 30/05/2022 70
 3. Réponse fréquentielle d'un système
Systèmes et transformée de Fourier

 Théorème de Plancherel

La transformée de Fourier d'un produit de convolution est un produit simple

et réciproquement

x(t)  y(t)  X ( f ).Y ( f )

x(t).y(t)  X ( f ) Y ( f )

Attention : la TF d'un signal n'est pas toujours définie !

Comment faire lorsque x(t) n'a pas de TF ?
=> Introduction de la transformée de Laplace

H. AMIRY 30/05/2022 71
 3. Réponse fréquentielle d'un système
Transformée de Laplace (TL)
 De la TF à la TL

Soit la TF d'un signal x(t) : X ( f )   x(t)e  j 2ft dt . Cette TF existe si l'intégrale converge

Dans le cas contraire, multiplions x(t) par une exponentielle décroissante telle que

 x(t)e t dt   avec   . Calculons la TF de ce nouveau signal

 
X ( f , )   x(t)e t e  j2ft dt  X ( f , )   x(t)e ( 2f )t dt
 

Posons s    j2f On obtient :


X (s)   x(t)e st dt Définition de la transformée
 de Laplace du signal x

Transformée de Laplace = généralisation de la TF : décomposition de x(t)

sur une base de fonctions exponentielles est (avec s complexe)

Ne pas poser que X( f ) = X(s) pour s=j2f

(car X(s) existe toujours mais pas X(f)!)

H. AMIRY 30/05/2022 72
 3. Réponse fréquentielle d'un système
Transformée de Laplace (TL)
 Convergence de la TL

X(s) n'est défini que si l'intégrale converge
X (s)   x(t)e st dt

Définition : on appelle Région de Convergence (RC) de la TL,
s    j2f
l'ensemble des complexes s tels que l'intégrale converge.

 Exemple
Calculer la TL du signal x(t)  e at (t)

H. AMIRY 30/05/2022 73
 3. Réponse fréquentielle d'un système
Transformée de Laplace (TL)

H. AMIRY 30/05/2022 74
 3. Réponse fréquentielle d'un système
Transformée de Laplace (TL)
 Théorème de la valeur initiale x0   lim x(t)  lim sX (s)
t 0 s

 Théorème de la valeur finale x  lim x(t)  lim sX (s)

t  s0

 Transformée de Laplace et systèmes LTI

 Réponse du système à une entrée x(t) quelconque
y(t)  x(t)  h(t)
 TL de la réponse
Y (s)  X (s).H (s) H (s)  Y (s) Fonction de transfert ou transmittance
X (s) complexe du système

 Lien entre la transmittance et la représentation spectrale H(s)  H (f )

Si s=j2f appartient à la région de convergence de la représentation de Laplace,
alors on peut poser s = j2f, et on obtient la relation suivante :

H ( f )  H (s) s j2f
H. AMIRY 30/05/2022 75
 3. Réponse fréquentielle d'un système
TL de quelques signaux usuels

H. AMIRY 30/05/2022 76
 3. Réponse fréquentielle d'un système
Transformée de Laplace et systèmes LTI

H. AMIRY 30/05/2022 77
 3. Réponse fréquentielle d'un système
Transformée de Laplace et systèmes LTI

H. AMIRY 30/05/2022 78
 3. Réponse fréquentielle d'un système
Transformée de Laplace et systèmes LTI

H. AMIRY 30/05/2022 79
 3. Réponse fréquentielle d'un système
Conclusion

H. AMIRY 30/05/2022 80
 3. Réponse fréquentielle d'un système
Rappels sur la décomposition en éléments simples

H. AMIRY 30/05/2022 81
 3. Réponse fréquentielle d'un système

H. AMIRY 30/05/2022 82