Analyse et Filtrage des signaux numériques M1 ST/TRM (2014/2015)

I. Introduction et rappels divers

1. Rappels sur la Transformée de Fourier

La transformée de Fourier est une technique mathématique

permettant de déterminer le spectre de fréquences d'un signal:

. +∞ +∞
TF {x(t )} = X ( f ) = ∫ x(t ) e − 2π j f t
dt x(t ) = TF −1
{X ( f )} = ∫ X ( f ) e 2π j f t df
−∞ −∞

o Linéarité : ax1 (t ) + bx2 (t ) → aX1 ( f ) + bX 2 ( f )

TF

o Décalage temporel : x(t − t 0 ) →

TF
X ( f )e −2π j f t0

o Décalage fréquentiel : x (t )e 2π jf0t

→
TF
X ( f − f 0 ) (MA)

o Dualité temps-fréq : x(t ) → X ( f ) ⇒ X (t ) → x(− f )

TF TF

1
o Changement d'échelle : x(at ) →
TF
X ( f / a)
a

d n x(t ) TF
o Dérivation : →(2π j f ) n X ( f )
dt n

x(−t ) →
TF
X (− f )
o Inversion et conjugaison :
x * (t ) →
TF
X * (− f )

o Convolution : x(t ) ∗ h(t ) → X ( f ).H ( f )

TF

TF au sens des distributions

Pour les signaux à puissance moyenne finie (Dirac, Echellon,

signaux périodiques, etc.),

o Dirac : δ (t − t 0 ) →
TF
e −2 π j f t0
⇒ δ (t ) →
TF
1

1 1 1
o Echelon et signe: U (t ) →
TF
+ δ( f ) Sgn( f ) =
2πjf 2 πjf
+∞ +∞
o Périodiques : ∑ C n exp(2πjnf 0t ) →
n = −∞
TF
∑ C δ ( f − nf
n = −∞
n 0 )

+∞ +∞
1
o Peigne de Dirac : ∑ δ (t − nT ) → X ( f ) = T ∑ δ ( f − nf
n = −∞
TF

n = −∞
0 )

1 1 1 1
o cos(2πf 0 t ) →
TF
δ ( f − f0 ) + δ ( f + f0 ) sin(2πf 0 t ) →
TF
δ ( f − f0 ) − δ ( f + f0 )
2 2 2j 2j
FEI,USTHB [assiakourgli@gmail.com
 Analyse et Filtrage des signaux numériques M1 ST/TRM (2014/2015)
+∞s +∞s
Ex = ∫ x(t ) dt = ∫ X( f )
2 2
Pour les signaux à énergie finie, la TF conserve l'énergie (relation de Parseval) : df
−∞ −∞
La densité spectrale d'énergie (DSE) est la TF de l'autocorrélation (Thèorème de Wiener-Kintchine)
+∞s

∫R (τ )e − 2 π j f τ dτ
2
Sx ( f ) = X ( f ) = x
−∞
Pour les signaux à puissance moyenne finie, on définit alors une densité spectrale de puissance (DSP):
2
X(f )
Px ( f ) = lim
T →∞ T
2. Quelques rappels sur l’échantillonnage

Soit x(t) un signal analogique de transformée de Fourier X(f). Echantillonner le signal x(t) consiste à
choisir une fréquence Fe et de construire un nouveau signal avec les x(nTe) avec n un entier et Te=1/fe.

On peut écrire le signal échantillonné xe(t) sous la forme : x e (t ) = ∑ x(nT )δ (t − nT )

n
e e

que l'on peut schématiser : x(t) xe(t)

xe (t ) = x (t ).∑ δ (t − nTe ) , ∑ δ (t − nT ) e
-3Te - 2Te -Te Te 2Te 3Te

n n

⇒ X e ( f ) = fe ∑ X ( f − nf
n
e ) -3Te - 2Te -Te Te 2Te 3Te X(f)

Le spectre Xe(f) est périodique de période fe et qu’il est la somme des -fmax fmax f
répliques (copies) du spectre original X(f) décalées de nfe . Xe(f)
L'échantillonnage dans le domaine temporel se traduit par une fe

"périodisation" de période fe dans le domaine fréquentiel

-2 fe - fe -fmax fmax fe 2fe
Si fe> 2 fmax , les motifs étant disjoints, on peut extraire X(f) grâce à un filtre passe-bas idéal et donc reconstituer
parfaitement le signal x(t) à partir des xe(t) sinon il y aura recouvrement.

II. Analyse temporelle des systèmes linéaires et invariants discrets

1. Signaux déterministes à temps discret usuels

- Fonction signe - Fonction échelon (unité)

 1 n≥0  1 n≥0 Fonction Echellon

sgn(n) =  U ( n) = Γ ( n) = 
1

− 1 n<0  0 n<0 0.9

Fonction Signe 0.8

1

0.8 0.7

0.6 0.6

0.4
0.5
0.2
0.4
0
0.3
-0.2

-0.4 0.2

-0.6 0.1

-0.8
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
-1
-10 -8 -6 -4 -2 0 2 4 6 8 10

FEI,USTHB [assiakourgli@gmail.com
Analyse et Filtrage des signaux numériques M1 ST/TRM (2014/2015)
- Fonction porte - Fonction rectangle causal
Fonction Rectangle
1

1 − N / 2 ≤ n ≤ N / 2 1 0 ≤ n ≤ N −1 0.9

Π ( n) =  rect(n / N ) =  0.8

N +1
 0 ailleurs 0 ailleurs
Fonction Porte
1 0.7

0.9 0.6

0.8
0.5
0.7
0.4
0.6
0.3
0.5
0.2
0.4
0.1
0.3
0
0.2 -10 -8 -6 -4 -2 0 2 4 6 8
Fonction Dirac
0.1 1
0
-10 -8 -6 -4 -2 0 2 4 6 8 10 0.9

- Fonction Dirac (impulsion unité) 0.8

0.7

0.6

 1 n=0
δ ( n) =  = U (n) − U (n − 1)
0.5

 0 n≠0 0.4

0.3

0.2

o x(n). δ(n-n0)=x(n0) • x(n)* δ(n-n0)=x(n-n0) 0.1

0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Fonction Sinc
1

0.8

- Fonction sinus cardinal 0.6

0.4

sin(πθ n)
sin c(θ n) = 0.2

πθ n 0

-0.2

2. Energie et puissance -0.4

+∞ -50 -40 -30 -20 -10 0 10 20 30 40 50

∑
2
Soit un signal x(n) à temps discret, tel que x(n) existe et converge. Alors le signal est dit à énergie
+∞
−∞
finie et la valeur de cette somme est appelée énergie du signal : E x = ∑
2
x(n)
−∞
Pour un signal périodique, on peut définir la puissance d'un signal x(n) périodique de période N par :

N / 2 −1 N
1 1
Px = ∑ Px = ∑
2 2
x(n) ou x(n)
N −N / 2 2.N + 1 − N

Dans le cas général, on parle de signaux à puissance moyenne finie définie par:

N / 2 −1 N
1 1
Px = lim N →∞ ∑ Px = lim N →∞ ∑
2 2
x( n) ou x ( n)
N −N / 2 2.N + 1 − N

Remarques Signal à énergie finie ⇒ puissance nulle Signal à puissance finie ⇒ énergie infinie

3. Corrélation et auto-corrélation

La fonction de corrélation permet de mesurer le degré de ressemblance entre deux signaux en fonction
d’un décalage. Considérons x(n) et y (n) deux signaux d'énergie finie, la fonction d'intercorrélation Rx,y(k) est
∞
définie par: R xy ( k ) = ∑ x ( n) y
n = −∞
*
(n − k )

L’inter-corrélation entre x(t) et y(t) atteint un maximum pour un retard k si x(n)=y(n-k)

FEI,USTHB [assiakourgli@gmail.com
Analyse et Filtrage des signaux numériques M1 ST/TRM (2014/2015)
N
1
Pour des signaux à puissance moyenne finie, elle vaut : Rxy (k ) = lim
N →∞ N
∑ x ( n) y ( n − k )
n=k
*

∞
Pour l'auto-corrélation, on remplace y(n) par x(n) R x (k ) = ∑ x ( n) x
n = −∞
*
(n − k ) dont les propriétés sont :

- Pour k= 0, on retrouve l’énergie du signal Rxx(0) = Ex et Rxx(k) est maximale en k=0

- Si x(n) est réel, l’auto-corrélation est réelle et paire.

- L’auto-corrélation d’un signal de durée N aura une taille 2*N-1

N −n
1
- L’auto-corrélation d’un signal périodique est elle même périodique. R x (k ) =
N
∑ x ( n) x ( n − k )
n =1
*

. Le rapport signal/bruit est défini par: SNRdb=20 Log(PS/PB)

4. Théorie des systèmes linéaires et invariants discrets (SLID)

- Si l'entrée x(n) produit une sortie y(n), quand on applique une entrée k.x(n) , la sortie sera k.y(n). Si deux
entrées x1(n) et x2(n) engendrent deux sorties y1(n) et y2(n) alors x1(n) + x2(n) engendrera y1(n) + y2(n)

x1(n)+α x2(n) Système discret y1(n)+α y2(n)

- S’il y a invariance dans le temps, une translation de l'entrée (x(n)⇒x(n-m)) se traduira par une même
translation dans le temps de la sortie (y(n)⇒y(n-m)).

x(n-m) Système discret y(n-m)

Si le système est invariant, cela implique que le système réagit de la même façon quelque soit l’instant auquel
nous appliquons ses excitations.

Si les hypothèses de linéarité et d'invariance temporelle sont vérifiées, on peut caractériser le système par sa
réponse impulsionnelle h(n).
∞ ∞ x(n) y(n)
y ( n) = h( n) ∗ x( n) = ∑ h( m) x (n − m) =
m = −∞
∑ x( m) h(n − m)
m = −∞
SLI: h(n)

La réponse impulsionnelle h(n) est le signal qu'on obtient en sortie y(n)=h(n) si on applique en entrée une
impulsion "de Dirac'' x(n)=δ(n). Le Dirac est l'élément neutre de l'opération de convolution: δ (n) ∗ x( n) = x (n)

Un système linéaire invariant est un système dont le comportement dans le temps, peut-être décrit par une
M N
équation aux différences : ∑ ai y (n − i) = ∑ bi x(n − i) ,
i =0 i =0

- Si les ai sont ≠ de 0, le système est dit récursif (RII), il est non récursif s'il ne dépend que des x(n-i) (RIF)
K
- Si le système est à réponse impulsionnelle de durée finie (RIF), alors : y ( n) = ∑ h(m) x( n − m)
m =0

Dans ce cas, le système numérique est une fenêtre centrée sur les K plus récents échantillons.
+∞
- Si le système est à réponse impulsionnelle de durée infinie (RII) : y ( n ) = ∑ h ( m) x ( n − m)
m =0

FEI,USTHB [assiakourgli@gmail.com
 Analyse et Filtrage des signaux numériques M1 ST/TRM (2014/2015)
5. Stabilité et causalité d'un SLID

La causalité se traduit par le fait que pour: h(n) = 0 pour n<0.

n
x(n) = 0, n < n0 alors y(n) = 0, n < n0 ⇒ h ( n ) = 0, n < 0 , y (n) = ∑ x ( m) h ( n − m ) ,
m = −∞

n
- si h et x sont causaux y ( n ) = ∑ h(n − m) x (m )
m =0

On dit qu'un système est stable si, en lui appliquant une entrée bornée quelconque, la sortie reste bornée,
ce qui implique dans le cas des SLIT: h( n) < ∞ ∑n

III. Transformée de Fourier Discrète (TFD)

1. Transformée de Fourier à temps discret (TFTD)

Lorsque le signal à traiter n’est plus analogique mais numérique, la relation de la TF devient :
. +∞ +∞ +∞ +∞ +∞
TF {s (t )} = S ( f ) = ∫ s(t ) e − 2π j f t dt ∫ se (t ) e ∑ s(nTe )δ (t − nTe ) e −2π j f t dt = ∑ s(nT )e
− 2π j f t − 2π j f nTe
⇒ Se ( f ) =
−∞
dt = ∫
−∞ n = −∞ n = −∞
e
−∞

L'échantillonnage périodise le spectre du signal avec une période de répétition fe ainsi Se(f)=Se(f+fe):
fe / 2
+∞ 1
Se ( f ) = ∑C e n
− 2π j n Te f
Avec s (nTe ) = C n = ∫S e ( f ) e 2π j n Te f df
n = −∞
fe − fe / 2

2. Transformée de Fourier discrète (TFD) et propriétés

N −1

Cette transformée, popularisée par son calcul rapide (TFR ou FFT : Fast  S k = ∑
n =0
s n e − 2π j n k / N
Fourier Transform), fait correspondre une suite de N valeurs à une autre de  1 N / 2−1

suite de N valeurs numériques également

 sn =
 ∑ S k e 2π j n k / N
N k =− N / 2
On confirme que la TFD n'est que l'échantillonnage de la TFTD. sn et Sk sont périodiques de période N

N −1 N −1
1
∑ = ∑S
2 2
Par ailleurs, comme l'énergie se conserve, on obtient : sn k .
0 N 0

x(n) x(n-3)
o La translation d'un signal se traduit par un
décalage circulaire

o Linéarité : ax1 (n) + bx2 (n) →

 aX1 (k ) + bX 2 (k )
TFD

−2π j k m 2π j k 0 n
o Décalage temporel : x (n − m) TFD
→ X ( f )e N
Décalage fréquentiel : x ( n )e N
TFD
→ X ( k − k 0 )

FEI,USTHB [assiakourgli@gmail.com
Analyse et Filtrage des signaux numériques M1 ST/TRM (2014/2015)
o Dualité temps-fréquence : x(n) →
 X (k ) ⇒ X (n) → N .x(−k )
TFD TF

1
o Changement d'échelle : x(an) → Convolution périodique : x(n) ∗ h(n) 
→ X (k ).H (k )
TFD TFD
X (k / a )
a

o δ (n) 
→1
TFD
→ e −2πjmk / N
δ (n − m) TFD

La précision fréquentielle dépend du nombre de points adoptés pour le 16

TFD

calcul de la TFD (NF). Les points en fréquences, sont espacés de 1/NF (ou 14 TFTD

fe/NF). Quant à la résolution en fréquence est liée au nombre de points du 12

signal (N) 10

Phase
8
2. TFD des signaux de longueur illimitée
6

La troncation du signal échantillonné par une fenêtre de largeur T0 a 4

pour effet de convoluer le spectre avec un sinus cardinal qui s’annule tous 2

les 1/T0 avec T0 = NTe soit tous les fe /N. L'importance de ses lobes peut être 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
réduite par l'emploi d'autres fenêtres.

Fenêtres Largeur de Lobe

Transition :∆f Principale/Secondaire
Rectangle  N −1 2 fe/N -13 db
1 pour n ≤
wRe ct (n) =  2
0 ailleurs
Triangulaire  N −1 4 fe /N - 25 db
1 − 2 n /( N − 1) pour n ≤
wTrian (n) =  2
0 ailleurs
Hanning
 2πn N −1 4 fe /N - 31 db
0.5 + 0.5 cos( ) pour n ≤
wHan (n) =  N −1 2
0 ailleurs
Hammming
 2πn N −1 4 fe /N - 41 db
0.54 + 0.46 cos( ) pour n ≤
wHam (n) =  N −1 2
0 ailleurs
Blackman  2πn 4πn N −1 6 fe /N - 57 db
0.42+ 0.5 cos( ) + 0.08cos( ) pour n ≤
wBlack (n) =  N −1 N −1 2
0 ailleurs

3. TFR S0  W80 W80 W80 W80 W80 W80 W80 W80 s0  W80 W80 W80 W80 W80 W80 W80 W80 s0 
S   0     
 1  W8 W81 W82 W83 W84 W85 W86 W87 s1  W80 W81 W82 W83 W84 W85 W86 W87 s1 
S2  W80 W82 W84 W86 W88 W810 W812 W814 s2  W80 W82 W84 W86 W80 W82 W84 W86 s2 
   0     
S3  = W8 W83 W86 W89 W812 W815 W818 W821 s3  W80 W83 W86 W81 W84 W87 W82 W85 s3 
=
S   W 0 W84 W88 W812 W816 W820 W824 W828 s4  W80 W84 W80 W84 W80 W84 W80 W84 s4 
 4   80     
S5  W8 W85 W810 W815 W820 W825 W830 W835 s5  W80 W85 W82 W87 W84 W81 W86 W83 s5 
S   W 0 W86 W812 W818 W824 W830 W836 W842 s6  W80 W86 W84 W82 W80 W86 W84 W82 s6 
 6  8     
S7  W80 W87 W814 W821 W828 W835 W842 W849 s7  W80 W87 W86 W85 W84 W83 W82 W81 s7 
FEI,USTHB [assiakourgli@gmail.com