Académique Documents
Professionnel Documents
Culture Documents
Définitions
Définitions
Définitions
Définitions
Définitions
Définitions
Définitions
Définitions
Définitions
Définitions
Représentation Signal
CLASSIFICATION
Classification temporelle
Classification temporelle
Classification temporelle
Un signal s(t) est dit périodique s’il existe un nombre positif T0 tel
que :
s(t) = s(t + T0 ) (1)
s(t) = A cos(2πt/T0 + φ)
Le plus petit des nombres positifs T0 est période du signal.
Un signal pour lequel il n’existe aucune valeur T0 satisfaisant à la
relation de periodicité (1) est dit non périodique ou apériodique.
Classification temporelle
Classification morphologique
Classification morphologique
Classification morphologique
Classification énergétique
Classification énergétique
Classification spectrale
Système invariant
La fonction impulsion
La fonction impulsion
La fonction porte
La fonction porte
Modélise des signaux qui sont actifs sur une période spécifique et nuls
en dehors de cette période
La fonction porte est utilisée dans des opérations de convolution
Intervient dans l’analyse de systèmes linéaires invariants dans le temps
Elle peut représenter le temps pendant lequel un signal continu est
échantillonné
Modélise des phénomènes qui sont actifs sur un intervalle fini
La fonction signe
(
1 si t > 0
s(t) =
−1 si t < 0
La fonction signe
Elle peut être utilisée pour identifier les intervalles où une fonction est
positive, nulle ou négative
Est utilisée pour modéliser des systèmes dynamiques ou des
comportements de commutation
utilisée dans des algorithmes de contrôle automatique pour
déterminer la direction d’une correction nécessaire. Par exemple, dans
un régulateur proportionnel-intégral-dérivé (PID)
Est utilisée dans le traitement du signal pour extraire des informations
sur le signe d’une onde ou d’un signal
Pour définir des conditions aux limites en fonction de la direction de
l’évolution de la solution des équations différentielles
Fonction triangle
h i
1 − 2 t si t ∈ 0, T2
T
s(t) = h i
1 + 2 t si t ∈ − T2 , 0
T
Fonction triangle
Elle peut être utilisée pour représenter des signaux de forme d’onde
qui s’élèvent graduellement, atteignent un maximum, puis diminuent
de manière symétrique
a fonction triangle est parfois utilisée dans des techniques
d’interpolation pour reconstruire un signal continu à partir
d’échantillons discrets
La fonction triangle est utilisée dans des opérations de convolution
pour modéliser la réponse de systèmes à des signaux triangulaires
Pour modéliser des variations linéaires sur un intervalle borné
Rampe
Rampe
sin πt
sinc(t) =
πt
TRANSFORMATION DE FOURIER
Définitions
Définitions
Définitions
∞
X
s(t) = a0 + [an cos(2πnF0 t) + bn sin(2πnF0 t)] (2)
n=1
Z T0
1
a0 = s(t)dt (3)
T0 t=0
Z T0
2
an = s(t) cos(2πnF0 t)dt (4)
T0 t=0
Z T0
2
bn = s(t) sin(2πnF0 t)dt (5)
T0 t=0
Définitions
∞
X
L’équation (2) s’écrit aussi s(t) = a0 + cn cos[(2πnF0 t) + φn ]
n=1
q
cn = an2 + bn2 et φn = Arctan(− bann )
Série de Fourier à coefficients complexes
La décomposition sous forme exponentielle est donnée par :
+∞
X
x (t) = X (nF0 )e jn2πF0 t
n=−∞
R t0 +T0
X (nF0 ) = 12 (an − jbn ) = 1
T0 t0 x (t)e −jn2πF0 t dt n ≥ 1 (spectre)
q
1 cn
| X (nF0 ) |= 2 an2 + bn2 = 2
Définitions
Exemple
Exemple
Exemple
Exemple
Exemple
a 1 = 1 Z an = 0
T0
bn = T20 [cos(2πF0 t) sin(2πnF0 t)] dt
0
Exemple
a 1 = 1 Z an = 0
T0
bn = T20 [cos(2πF0 t) sin(2πnF0 t)] dt
0Z
T0
2 1
bn = T0 2 [sin(2πF0 (n + 1)t) + sin(2π(n − 1)F0 t)] dt
0
Exemple
a 1 = 1 Z an = 0
T0
bn = T20 [cos(2πF0 t) sin(2πnF0 t)] dt
0Z
T0
2 1
bn = T0 2 [sin(2πF0 (n + 1)t) + sin(2π(n − 1)F0 t)] dt
0
bn = 0
X (F0 ) = 12 (a1 − jb1 ) = 21
X (f ) = 12 [δ(f − F0 ) + δ(f + F0 )]
Propriétés
Linéarité
Soient deux signaux x (t) et y (t) avec les séries Fourier
correspondantes X (f ) et Y (f )
A.x (t) + B.y (t) est transformé en A.X (f ) + B.Y (f )
Parité
Si la fonction x (t) est paire alors les coefficients bn sont nuls
Si la fonction x (t) est impaire alors les coefficients an sont nuls
Propriétés
Translation
x (t − θ) est transformée en X (f ).e −j2πθf
Définitions
Condition d’existence
Propriétés
Linéarité (superposition)
a · x (t) + b · y (t) a la fonction a · X (f ) + b · Y (f ) comme transformée
de Fourier
Homothétie ou Changement d’échelle
F 1
x (at) ←→ |a| · X ( fa )
Translation
F
x (t − a) ←→ X (f ) · e −j2πaf
F
x (t) · e j2πbt ←→ X (f − b)
Propriétés
Parité
Si x (t) est un réel (quelconque) alors X (f ) est complexe (parties
réelle et imaginaire)
Si x (t) est réel pair alors X (f ) est réel pair
Si x (t) est réel impair alors X (f ) est imaginaire impair
Si x (t) est imaginaire quelconque alors X (f ) est complexe (parties
réelle et imaginaire)
Si x (t) est imaginaire pair alors X (f ) est imaginaire pair
Si x (t) est imaginaire impair alors X (f ) est réel impair
Si x (t) est complexe pair alors X (f ) est complexe pair
Si x (t) est complexe impair alors X (f ) est complexe impair
Propriétés
Dérivation
dx (t) F
dt ←→ (j2πf ) · X (f )
d n x (t) F
dt n ←→ (j2πf )n · X (f )
Dualité
F
X (t) ←→ 2πx (−f )
Propriétés
F
δ(t) ←→ 1
F
δ(t − t0 ) ←→ e −j2πft0
F
1 ←→ 2πδ(2πf )
F
e −j2πF0 t ←→ 2πδ(2πf − 2πF0 )
F
cos(2πF0 t) ←→ πδ(f − F0 ) + πδ(f + F0 )
F
sin(2πF0 t) ←→ πδ(f − F0 ) + jπδ(f + F0 )
F 1
u(t) ←→ πδ(2πf ) + j2πf
F
e −at u(t), a > 0, ←→ 1
j2πf +a
F
e −a|t| , a > 0, ←→ 2a
(2πf )2 +a2
Y = fft(x) ;
f = linspace(0, Fs, length(Y)) ;
plot(f, abs(Y)) ;
xlabel(’Fréquence (Hz)’) ;
ylabel(Amplitude) ;
title(’Spectre de frequence’) ;
[x , Fs] = audioread(0 nomdufichaud.wav 0 );
Y = fft(x) ;
f = linspace(0, Fs, length(Y)) ;
plot(f, abs(Y)) ;
xlabel(’Frequence (Hz)’) ;
ylabel(’Amplitude’) ;
title(’Spectre de fréquence’) ;
Propriétés
Propriétés
La transformée de Laplace
Z +∞
S(p) = s(t).e −pt dt
0
Définitions
Cela est utile pour l’analyse des systèmes dynamiques linéaires, tels que les
circuits électriques, les systèmes de contrôle, et d’autres systèmes
physiques.
Propriétés
Linéarité
L(λs(t) + µx (t)) = λS(p) + µX (p)
Retard
L(s(t − τ )) = e −τ p S(p)
Convolution
L(s(t) ? x (t)) = S(p).X (p)
Propriétés
Fonctions incorporées
exp(x ) : exponentielle de x
log(x ) : logarithme néperien de x
log10(x ) : logarithme en base 10 de x
xˆn : x à la puissance n
sqrt(x ) : racine carrée de x
abs(x ) : valeur absolue de x
conj(z) : conjugué de z
abs(z) : module de z
angle(z) : argument de z
real(z) : partie réelle de z
imag(z) : partie imaginaire de z
Le filtrage
x=3*sin(2*pi*f*t) ;
plot (t,x)
Impulsion unité
Impulsion unité
t = −2 : 0.5 : 2;
x = [zeros(1, fix (length(t)/2)), 1, zeros(1, fix (length(t)/2))];
Impulsion unité
t = −2 : 0.5 : 2;
x = [zeros(1, fix (length(t)/2)), 1, zeros(1, fix (length(t)/2))];
axis([−22 − 0.5 1.5]);
title(0 Impulsion dirac 0 );
xlabel(0 t 0 );
ylabel(0 Amplitude 0 );
plot(t, x )
t = −5 : 1/10000 : 5;
x = [zeros(1, fix (length(t)/2)), ones(1, fix (length(t)/2) + 1)];
plot(t, x )
t = −3 : 1/1024 : 3;
u = [zeros(1, fix (length(t)/2)), ones(1, fix (length(t)/2) + 1)];
x = exp(−0.2 ∗ t). ∗ u;
plot(t, x )
Tracer s(t) avec la somme des deux premiers termes, puis les trois
4, 5, ...
On considère T0 = 2 et A = 1
On considère T0 = 2 et A = 1
s0 = π4 sin( π2 t)
4
s1 = 3π sin( 3π2 t)
ss = s0 + s1;
plot(t, ss,0 red 0 )
4
s2 = 5π sin( 5π
2 t)
ss = ss + s2;
plot(t, ss,0 brown0 )
4
s2 = 5π sin( 5π
2 t)
ss = ss + s2;
plot(t, ss,0 brown0 )
4
s3 = 7π sin( 7π
2 t)
ss = ss + s3;
plot(t, ss,0 green0 )
4
s4 = 9π sin( 9π
2 t)
ss = ss + s4;
plot(t, ss,0 yellow 0 )
4
s4 = 9π sin( 9π
2 t)
ss = ss + s4;
plot(t, ss,0 yellow 0 )
4
s5 = 11π sin( 11π
2 t)
ss = ss + s5;
plot(t, ss,0 mangeta0 )
t = 2s, f = 20Hz et A = 4
signal bruité
t = [0 : 0.001 : 1];
x = 0.6 ∗ sin(2 ∗ pi ∗ 50 ∗ t) + sin(2 ∗ pi ∗ 120 ∗ t) + randn(size(t));
plot(t, x )
plot(abs(fft(x )));
signal bruité
t = [0 : 0.001 : 1];
x = 0.6 ∗ sin(2 ∗ pi ∗ 50 ∗ t) + sin(2 ∗ pi ∗ 120 ∗ t) + randn(size(t));
plot(t, x )
plot(abs(fft(x )));
signal bruité
t = [0 : 0.001 : 1];
x = 0.6 ∗ sin(2 ∗ pi ∗ 50 ∗ t) + sin(2 ∗ pi ∗ 120 ∗ t) + randn(size(t));
plot(t, x )
plot(abs(fft(x )));
fonction de transfert tf
tf (num, den)
data = readmatrix(’nomfichier.csv’) ;
data = csvread(’nomfichier.csv’) ;
data = load(’nomfichier.txt’) ;
data = xlsread(’nomfichier.xlsx’) ;
dataTable = readtable(’nomfichier.xlsx’) ;
jsonData = fileread(’nomfichier.json’) ;
data = jsondecode(jsonData) ;
imageData = imread(’nomimage.jpg’) ;
FILTRES
Définition
e(t) s(t)
Système de tramission
Définition
Types :
Les filtres passe-bas permettent de laisser passer les basses fréquences du
signal
Les filtres passe-haut permettent de laisser passer les hautes fréquences du
signal
Les filtres passe-bande permettent de laisser passer les fréquences situées
dans une bande de fréquences spécifique
Les filtres coupe-bande permettent datténuer les fréquences situées dans
une bande de fréquences spécifique tout en laissant passer les autres
fréquences.
Un système de transmission :
ST
− linéaire (pour deux signaux e1 et e2 −→s1 et s2 ,
ST
a × e1 (t) + b × e2 (t)−→a×s1 (t) + b × s2 (t))
ST
− continue (sn (t) réponse à la suite en (t)), lim en (t) −→ sn (t))
n→∞
ST ST
− stationnaire (e(t) −→ s(t), e(t − θ) −→ s(t − θ))
Définition
Télécommunications, télémétrie
Convolution : définition
Convolution : propriétés
TF {x ? y (t)} = X (f ).Y (f )
Convolution : exemple
(
2 si 0 ≤ t ≤ 2
x (t) =
0 sinon
Ps
Adb = 10.log10
Pe
En fonction des tensions,le gain (ou l’affaiblissement) s’écrit :
Vs
Adb = 20.log10 Ve
E (f ) Système S(f )
H(f )
Une représentation graphique de | H(f ) | permet d’avoir une vue sur les
fréquences privilégiées par le filtre.
Fenêtrage temporel
Fenêtrage temporel
sin(πτ f)
s(t) = e(t) ? Πτ (t) et S(f) = E (f) ?
πτ f
Fenêtrage temporel
L’influence de cette fenêtre temporelle sur le signal et sur son spectre peut
être très importante. L’effet de la troncature temporelle sera d’autant plus
importante que sera petite la fenêtre
Figure 1: hanning
Figure 2: hamming
wvtool(hamming(128))
wvtool(hann(128))
wvtool(kaiser(128,1.5))
Ces filtres sont idéalisés. Ils font apparaı̂tre des fréquences de cassure très
brutales.
Le filtre passe-bas idéal laisse passer les basses fréquences mais aucune au
dessus de fc
Le filtre passe-haut idéal laisse passer les hautes fréquences mais aucune
au dessous de fc
Le filtre passe-bande idéal laisse passer les fréquences entre fc1 et fc2 mais
rien à l’extérieur.
Le filtre coupe-bande idéal (ou réjecteur de bande) laisser passer toutes les
fréquences sauf celles comprises entre fc1 et fc2
Puissance et énergie
Sxx (f ) = X (f ).X ∗ (f ) =| X (f ) |2
L’énergie totale :
Z +∞ Z +∞
Ex = Sxx (f ) · df = | X (f ) |2 ·df
−∞ −∞
h(t) causal Z t
s(t) = e(t).h∗ (t − τ ).dτ
−∞
e(t) causal Z +∞
s(t) = e(t).h∗ (t − τ ).dτ
0
F
Pour un signal x (t), Cxx ←→ Sxx (f )
F F
Et pour des signaux x (t) et y (t) on a : Cxy ←→ Sxy (f ) ou Cyx ←→ Syx (f )
+∞
X
Or x (t) = a0 + an cos(2πnF0 t) + bn sin(2πnF0 t)
n=1
+∞
X
Cxx (t) = a02 + (an2 + bn2 ) cos(2πnF0 t)
n=1
Commandes matlab
Convolution : w=conv(x,y)
MODULATIONS ANALOGIQUES
c’est ainsi qu’on peut avoir une transmission en bande base, une
transmission par modulation
modulation d’amplitude
kSi (t)
Vm = A.[1 + A ] cos(ωp .t + ϕ)
modulation d’amplitude
Si Si (t) = cos(ωt),
modulation d’amplitude
modulation d’amplitude
modulation d’amplitude
Modulation de fréquence
1 dϕ(t)
2π . dt = Kf .m(t)
Z t
Φ(t) = ωp t + 2πKf m(u)du
0
Z t
s(t) = Ap cos(Φ(t)) = Ap cos ωp t + 2πKf m(u)du
0
Modulation de phase
s(t) = A cos(ωt + ϕi )
ϕi varie suivant le type de signal à transmettre.
Les phases sont régulièrement répartis sur l’intervalle disponible [O, 2π]
s(t) = Ai cos(ωt + ϕi )
Définitions
Un signal est dit aléatoire si ses valeurs dépendent du hasard et qu’il n’est
pas reproductible
Cela renvoie à une expérience aléatoire et les résultats possibles sont ceux
d’une variable aléatoire
La variable aléatoire est une application définie sur l’ensemble des résultats
possibles d’une expérience aléatoire
Cas discret
Cas continu
Dans le cas continu le signal aléatoire est défini par sa loi de probabilité
(ou de distribution) p(s)
La valeur moyenne ou espérance est donnée par :
Z +∞
ms = E (s) = s · p(s)ds
−∞
Γs (τ ) ≤ Γs (0)
Covs (τ ) = E [(s − ms ) · (s 0 − ms 0 )] = Γs (τ ) − m2 s
ms = ms 0 stationnarité
Moyenne temporelle
Z T /2
1
s(t) = lim s(t) · dt
T →∞ T −T /2
Puissance Z T /2
1
Ps = s 2 (t) = lim s 2 (t) · dt
T →∞ T −T /2
Valeur efficace q q
Ps−ms = Ps − s(t)
Ccss (τ ) = Css (τ )
Bruit
Le rapport signal/bruit (snr pour signal noise ratio) est une caractéristique
de la dégradation d’un signal.
ÉCHANTILLONNAGE
+∞
X
Il s’écrit aussi : xe (t) = x (t). δ(t − nTe )
−∞
+∞
X
Xe (f ) = Fe · X (f ) · δ(f − nFe )
−∞
+∞
X
Xe (f ) = Fe · X (f − nFe )
−∞
Les différentes transformations étudiés pour les signaux continus ont leur
corrolaire pour les signaux discrets
La transformée en Z
Le filtrage
1 N−1 nk
x (n)e −j2π N
X
X (k) =
N n=0
Propriétés
n=0
N
n(N−k)
e −j2π
X
La symétrie X (N − k) = N = X (k)
n=0
N−1
X
Convolution circulaire y (n) de x (n) et h(n), y (n) = x (l)h(n − l)
l=0
Sa TFD Y (k) = H(k) · X (k)
Propriétés
(
0 si k > n
yn =
xn−k sinon
Z(y ) = z −k Z(x )
Propriétés TFZ
Signal avancé
: SoitP
yn = xn+k ,
Z(y ) = z Z(x ) + k−1
k
n=0 xn z
−n
Inversion de la TFZ
1 Z(x )
Z
xn = dz
j2π γ z −n+1
Corrélation