Capture D'écran . 2023-11-24 À 07.29.35

S5 RST, GE Année universitaire 2018 / 2019
Cours Traitement de Signal 1

Plan du cours
Partie 1 : Traitement de signal analogique
• Généralités
– Classification des signaux
– Signaux de base
• Opérations mathématiques sur les signaux

– Etude temporelle des signaux : Convolution, Corrélation
– Etude fréquentielle des signaux
• Propriétés énergétiques des signaux

• Systèmes linéaires continus invariants dans le temps SLCIT
Partie 2 : Traitement de signal numérique
• Signaux à temps discrets
• Systèmes linéaires discrets invariants dans le temps SLDIT
• Transformée de Fourier Discrète TFD
• Filtrage numérique

Introduction
Les télécommunications comprennent l’ensemble de moyens

techniques nécessaires à l’acheminement aussi fidèle et fiable que
possible d’information (voix, image, texte…) entre 2 points quelconques
à une distance quelconque avec des coûts raisonnables.
Pour transmettre une information il est nécessaire de recourir à la

modification d’une grandeur physique.
Le signal est la représentation physique d’un phénomène qui évolue

dans le temps ou dans l’espace. C’est un support de l’information ou
d’une commande.
Le traitement de signal est la discipline technique qui s’appuie sur la

théorie du signal qui donne une description mathématique des signaux.

Introduction
Les domaines d ’application
Le signal intervient sous plusieurs formes :
Onde acoustique
Signal optique
Signal radioélectrique
Les applications sont nombreuses :
• Communications filaires, HF, optiques..
• Capteurs
• Sons, images…
• Appareils médicaux...
• Radars, sonars, télémètres…
• Automatique
• etc...

Introduction
La chaîne de transmission radio
Partie émission :
signal Cod Mod duplexeur ampli circulateur antenne

utile
BB
synthé fo
Partie réception :
signal
antenne duplex ampli Démod ampli Décod
utile
LNA
synthé fi

Introduction
Les principaux traitements
Les fonctions du TS peuvent se diviser en deux catégories :
• L’élaboration des signaux (incorporation des informations) :
– Synthèse : génération de signaux de formes appropriées
– Modulation/démodulation, changement de fréquence :
exemple adapter un signal aux caractéristiques fréq d’un canal de
transmission
– Codage/décodage : traduction en code binaire (quatification)
• Interprétation des signaux :
– Amplification
– Filtrage : élimination des composantes indésirables
– Détection : extraction du signal d’un bruit (corrélation)
– Identification : classement d’un signal dans des catégories identifiées
– Analyse :isoler, extraire des composantes, supprimer des composantes
– Mesure : estimation avec certitude
Introduction
Les modes de traitements
• Traitements analogiques
– par des circuits électroniques
– par des dispositifs optiques
• Traitements numériques
– par des algorithmes, programmes informatiques
• ordinateurs
• microcontrôleurs
• D.S.P
– par des circuits spécialisés

• CPLD, ASIC…
Les ressources
L’électronique, l’algèbre linéaire, l’analyse fonctionnelle
et l’étude des processus aléatoires

Plan du cours
• Généralités
– Signaux de base



Généralités
1- Définition
Un support physique d’une information ou d’une commande
Le modèle mathématique qui représente le signal
Pour faciliter l’étude des signaux modes de classification envisagés

2- Classification des signaux
Classification phénoménologique Classification morphologique
Classification énergétique
Généralités
• Classification phénoménologique
Elle met en évidence le type d’évolution du signal
– Signal déterministe ou certain : évolution parfaitement préditée

– Signal aléatoire : comportement temporel imprévisible
Etude des propriétés statistiques
– Sous-classe des signaux déterministes :

Périodiques et pseudo-aléatoires
e Deux représentations:
Représentation Représentation
temporelle fréquentielle
• Classification morphologique
Continu ou discret temps et amplitude

Généralités
Continu ou discret temps et amplitude

Généralités
amplitude continue amplitude discrète
temps continu
échantil-
lonnage
temps discret
quantification

Généralités
• Classification énergétique
– Signaux à énergie finie ( puissance moyenne nulle )
+∞ +∞
  x (t )
2
Wx = x ( t )x* ( t ) dt = dt ∞
−∞ −∞
– Signal à puissance moyenne finie

t0 + T '
1
 x (t )
2
P ( x ) = lim ' dt ∞
T →∞ T
'
t0
e Remarques:
– Les signaux périodiques sont à puissance moyenne finie
– Un signal à énergie finie a une puissance moyenne nulle P(x) = 0
– Un signal à puissance moyenne finie (non nulle) possède une énergie
Wx infinie

Généralités
3- Signaux de base
Echelon Unité (Distribution d’Heaviside)
1 si t>0
Γ (t ) = 0 si t<0
a si t=0
L’échelon unité Γ(t) permet l’étude des régimes transitoires des filtres.
Γ(t) permet de rendre causal un signal (nul si t <0 )
Fonction rectangle ou porte
On l’utilise pour exprimer qu’un signal x(t) est observé sur un horizon
fini de durée T
0 si |t|>1/2
rect ( t ) = 1 si |t|<1/2
a si |t|=1/2
Q1 : Tracer la fonction porte x(t)=A rectζ(t-t0)

Q2 : Exprimer la fonction rectζ(t) en fonction de la fonction Echelon Unité

Généralités
3- Signaux de base
x (t )
R1 : R2 : rectτ (t ) = Γ(t + τ 2) − Γ(t − τ 2)
A = Γ(t + τ 2) * .Γ( −t + τ 2)
0 t0 τ
Exercice x (t )
(
x(t ) = rectτ t − τ
2 )
0 τ
2
τ
Fenêtrage rectangulaire sur x(t)

x1 (t )
(
x1 (t ) = x(t )rectτ t − τ
2 )
0 τ
2 τ
Généralités
3- Signaux de base
Fonction signe
1 si t>0
Sgn ( t ) = -1 si t<0
0 si t=0
Fonction triangle
τ x(t ) = triτ (t )
t
=1- t ≤τ
τ
−τ τ =0 t >τ
x(t )
x(t ) = Atriτ (t − t0 )
t0 − τ t0 t0 + τ
+∞
La fonction triangle est normalisée  tri(t )dt = 1

−∞

Généralités
3- Signaux de base
Fonction sinus cardinal
sin(π t )
sin c(t ) =
πt
sin c(t ) sin c(t )2

+∞
La fonction sinus cardinal est elle aussi normalisée  sin c(t )dt = 1
−∞
Impulsion, distribution de Dirac
+∞
Mathématiquement 
−∞
f (t )δ (t )dt = f ( 0) V la fonction f
Physiquement (non réalisable) δ (t )
+∞
 δ ( t ) dt = 1
−∞
t
0

Généralités
3- Signaux de base
Impulsion, distribution de Dirac
Propriétés +∞
 δ (t )dt = 1
−∞ d Γ( t )
+∞ δ (t ) =
dt
 x(t )δ (t )dt = x(0) t
−∞
+∞
Γ( t ) =  δ (u )du
 x(t )δ (t − t )dt = x(t )
−∞
0 0
−∞
Elle servira pour l’étude des spectres des signaux à énergie infinie
Réponse impulsionnelle  La réponse d’un système physique dont
l’entrée est une impulsion de Dirac
 Elle permet de caractériser les systèmes
linéaires dans le domaine temporel

Généralités
3- Signaux de base
Peigne de Dirac
+∞
δ T (t ) =  δ (t − kT )
k →−∞
T : période du peigne
Peigne de Dirac : une succession périodique d’impulsions de Dirac

Suite : est parfois appelée train d’impulsions ou fonction d’échantillonnage
Principalement utilisé en échantillonnage
x[n] = δT (t ) . x(t )
x( t ) x[n]

Problématique ??
La chaîne de transmission radio
Partie émission :
signal Cod Mod duplexeur ampli circulateur antenne

utile
BB
synthé fo
Partie réception :
signal
antenne duplex ampli Démod ampli Décod
utile
LNA
synthé fi

Problématique ??
Problèmes posés au TS
- Comment extraire l’information d’un signal ?
- Comment transmettre l’information sans la dégrader ?
- Comment transformer cette information pour la préserver ?
- Comment détecter le signal utile noyé dans le bruit ?
- Comment filtrer le signal pour l’extraire du bruit ?

Problématique ??
Solutions proposées par le TS
- Estimer les caractéristiques d’un signal :
L’Analyse Spectrale ( DSF, TF, analyse temps-fréquence, …)
- Filtrer des signaux : Les Filtres ( analogiques ou numériques)
- Transmettre des signaux : Modulation et démodulation
- Détecter un signal dans un bruit
- Classifier un signal dans des catégories prédéfinies
- Soustraire du bruit ( bruit d’aéroport, GSM dans une voiture, …)
Analyse Statistique des signaux (signaux aléatoires)
- Synthétiser des signaux (text -to-speech en parole, mélodies en musique)

- Coder des signaux
Réduire l’information, corriger les erreurs de transmission, crypter, …

Plan du cours
• Généralités
– Signaux de base



Opérations math. / les signaux
1- Multiplication temporelle
Limitation par un échelon unité Limitation par une fct réctange

x(t ), t ∈ ]−∞, + ∞[ y (t ) = x(t ).Γ(t )
y(t) est un signal causal tel que f (t ) = x(t ) . rectτ (t − τ )

2
y(t ) = 0 ∀ t<0

2- Produit de convolution
Convolution : Opération qui régit le filtrage dans un système linéaire
Représente l’évolution de la valeur de l’aire contenue sous
le produit de deux fonctions en fonction du temps
x(t) S y(t)
h(t)
y ( t ) = x ( t ) * h( t )
+∞ Filtre de réponse
y (t ) = 
−∞
x(τ )h(t − τ )dτ impulsionnelle h(t)

Interprétation graphique
+∞
x(t) S
h(t)
y(t) y (t ) =  x(τ )h(t − τ )dτ
−∞
Le calcul de la convolution est complexe et nécessite de nombreuses étapes

Pour chaque point de la réponse x(t) :
• h(t-ζ) : retournement / l’axe des ordonnées + décalage temporel
• Multiplication par le signal d’entrée x(ζ)
• Intégration sur la variable ζ
Les filtres qui sont définis comme des systèmes de transmission

linéaires, continus et stationnaires, sont des systèmes de convolution

Propriétés
+∞ +∞
Commutativité : x(t) * h(t) = h(t) * x(t)  x(τ )h(t − τ )dτ =  h(τ ) x(t − τ )dτ
−∞ −∞
Associativité : x(t) * (y(t) * z(t)) = (x(t) * y(t)) * z(t)
Distributivité : x(t) * (y(t) + z(t)) = x(t) * y(t) + x(t) * z(t)
Dérivation : (x(t) * y(t))’ = x’(t) * y(t) = x(t) * y’(t)
Elément neutre (pic de Dirac) : x(t) * δ(t) = δ(t) * x(t) = x(t)

x(t) * δ(t-t0) = x (t-t0)

Théorème de Plancherel
La transformée de Fourier d’un produit de convolution est un produit
simple et réciproquement
Pour deux signaux x(t) et y(t) ayant pour TF respectives X(f) et Y(f) :
TF
x(t ) * y(t ) → X ( f ).Y ( f )
x(t ). y(t ) → X ( f ) * Y ( f )
TF
Convolution des signaux périodiques
Pour deux signaux périodiques réels x(t) et y(t) de période T0
T
1 0
Pcon (t ) = .  x(τ ). y(t − τ )dτ
T0 0

Exemple
+∞
Convolution par peigne de Dirac δ T (t ) =  δ (t − kT )
k →−∞
x(t ) * δ (t − kT ) = x(t − kT )
+∞ +∞
x ( t ) * δ ( t − t0 ) = x ( t − t0 )
x( t ) *  δ (t − kT ) =  x(t − kT )
k =−∞ k =−∞
x(t) δT(t) x(t) * δT(t)

*
tT 2T 3T0 0 T 2T 3T
Convolution par la peigne de Dirac Périodiser le signal
Toute fonction périodique peut être considérée comme le produit d’un
motif élémentaire par le peigne de Dirac
2- Représentation en fréquence des signaux périodiques
Les signaux n’ont pas toujours une forme simple
La nature de l’information Traitement qu’ils doivent subir
qu’ils portent
Représentation du signal en fonction Elle ne permet plus d’interpréter
du temps est insuffisante correctement l’information
Analyse spectrale : Analyser le contenu fréquentiel d’un signal par
transformée de Fourier
Décomposition en composantes fréquentielles Séries de Fourier
Sinusoïdales ou harmoniques
x(t ) périodique +∞ n t0 + T n
Xe
jk π t 1 − j 2π t
x( t ) = 
T
n Xn = x(t )e T
dt
n =−∞ T t0
Xn : raies, composantes ou harmoniques du signal

Xn complexe : |Xn|ejφ(Xn)
+∞ n
n
Xe
jkπ t
x( t ) = n
T f =
n =−∞
T
n = 0 le signal de pulsation ω0 le fondamental
n = 1, 2… les signaux de pulsation n.ω0 les harmoniques de rang n

X(t) réel et périodique 1
T0 T0
X0 = x ( t ) dt
∞
x(t ) = X 0 +  [ An cos( nω0t ) + Bn sin( nω0t )] 2
T0 T0
An = x ( t )cos( nω 0t )dt
n =1
Peu d’intérêt Translation 2

T0 T0
Bn = x ( t )sin( nω 0t ) dt
physique temporelle
∞
x(t ) = X 0 +  Cn [sin Φ n cos( nω0t ) + cos Φ n sin( nω0t )]
An = Cn sin Φ n n =1
∞
Bn = Cn cos Φ n x(t ) = X 0 +  Cn sin( nω0t + Φ n )
n =1
 An  An − jBn
Φ n = arctan  X n = 2
 Bn  ∀n > 0
C 2 = A 2 + B 2  X = An + jBn
 n
 − n
n n
2
Remarques : Décomposition en éléments sinusoïdaux
parce qu’ils sont les fonctions propres des filtres linéaires
Fréquences négatives
La TF fait intervenir également les fréquences négatives
Symétrie hermétique de la TF Accéder au prolongement de la

TF pour les fréquences négatives
X(f)
Impulsions
X0 d’amplitudes Xn
X
+∞
n
X( f ) =  X δ( f − T )
n =−∞
n
1
f
-1/T 0 1/T
Le spectre d’un signal périodique de période T est formé de séries
espacées de 1/T dont les amplitudes sont données par :
t0 + T n
1 − j 2π t
Xn =
T 
t0
x(t )e T
dt

Exemple x(t) ?? Xn
+∞ n
Xe
j 2π t
x( t ) = n
T
n =−∞
-ζ/2 ζ/2
t0 + T n
1 − j 2π t
Xn =
T  x(t )e T
dt
Xn =
Aτ n 
sin c  τ 
t0 T T 
τ /2 n
1 − j 2π t
T −τ/ 2
T
= Ae dt
X( f )
+∞
Aτ n   n
X( f ) = 
n =−∞ T
sin c  τ  δ  f − 
T   T
ζ ζ ζ ζ ζ ζ

Signal non périodique ???
Un signal non périodique peut être considéré comme un signal dont
la période T  ∞
Si T  ∞ 1/T  0 L’espacement entre les raies le
spectre devient continu
+∞
1
 x ( t )e
− j 2 π ft
X(f)= dt
T −∞
+∞
x(t ) = 
−∞
X ( f ) e j 2 π ft df
Somme discrète Intégrale continue

avec facteur 1/T et variation df

2- Représentation en fréquence des signaux apériodiques
Formulation TF
+∞
 x(t )e
− j 2π ft
TF ( x(t )) = X ( f ) = dt V/Hz
−∞
X ( f ) = X ( f ) e jϕ ( f )
Spectre de  Im [ X ( f )] 
Spectre de = Arctg 
Spectre phase  Re [ X ( f )] 
x(t)  
d’amplitude
2
X( f ) Spectre ou densité spectrale de puissance
+∞
 X ( f )e
j 2 π ft
x(t ) = df TF-1
−∞
TF TF-1
x(t ) X( f ) X( f ) x(t )
X(f) est la superposition d’une infinité de raies qui s’étendent dans le
domaine fréquentiel de - ∞ à +∞
Condition d’existence de la TF
- x(t) est une fonction bornée (pas de valeurs infinies)
+∞
- x(t) est sommable en | |

−∞
x(t ) dt < ∞
+∞

2
- Carré sommable x(t ) dt < ∞
−∞
Propriétés de la TF
- linéarité
x(t ) TF X ( f ) TF
ax(t ) + by(t ) aX ( f ) + bY ( f )
y (t ) TF Y ( f )

- Transposition - Conjugaison
x(t ) TF X ( f ) x(t ) TF X ( f )
TF
x( −t ) TF X ( − f ) x* ( t ) X *( f )
- Translation – théorie du retard
x(t ) TF X ( f )
x(t − t0 ) TF e − j 2π ft0 X ( f )
Déphasage fréquentiel
- Modulation – translation fréquentielle - Dérivation par raie à t
x(t ) TF X ( f ) x(t ) TF X ( f )
TF dx(t ) TF
e + j 2π ft0 x(t ) X ( f − f0 ) x ' (t ) = j 2π f X ( f )
dt
- Changement d’échelle sur les t - Changement d’échelle sur les f
TF
x( at ) TF
1
1
a
X f
a( ) a
( )
x t
a
X ( af )

- Convolution
TF
x( t ) * y (t ) X ( f ) . Y( f )
TF X ( f ) * Y( f )
x( t ) . y ( t )
- Théorème de Parseval
Energie tempo = Energie fréq
+∞ +∞
 
2 2
x(t ) dt = X ( f ) df
−∞ −∞
+∞ +∞
 x(t ) y* (t )dt =  X ( f )Y
*
( f )df
−∞ −∞
- Dualité tempo - fréquence
Un signal de durée fini a un spectre non borné
Un signal de spectre borné à une durée illimitée
Le spectre s’étend d’autant + en fréquence que la durée du signal est faible
Exemple de la TF
TF rectangle
x(t ) = Arectτ (t )
A
t
-ζ/2 +ζ/2
+∞
X ( f ) = A  rectτ (t )e − j 2π ft dt
−∞
+τ / 2
sin(π f τ )
=A 
τ
− /2
e − j 2π ft dt = Aτ
π fτ
X ( f ) = Aτ sin c( f τ ) = X ( f ) e jArgX ( f )

Plan du cours
• Généralités
– Signaux de base



Propr. Énergétique des signaux
Energie et puissance d’un signal
+∞ t0 + T '
1
 
2 2
E= x(t ) dt P = lim ' x(t ) dt
−∞ T →∞ T
'
t0
Si x(t) est tel que E<∞ x(t) est à énergie finie; P=0
Si x(t) est tel que E = ∞ x(t) est à puissance moyenne finie
Exemple x(t ) = A cos( 2π f 0t )
+∞ t0 + T '
1
A 
2 2
E= cos ( 2π f 0t )dt = ∞ P = lim ' A2 cos 2 ( 2π f 0t )dt
−∞ T ' →∞ T t0
Pour un signal périodique T’ = T =1/f0

t0 + T '
1 A2 A2 Cos est un signal à
P = lim '
T →∞ T
' 
t0 2
(1 + cos( 4π f 0t ))dt P=
2
= finie
puissance moyenne finie
Signal périodique ≡ Signal à puissance moyenne finie
Signal transitoire ≡ Signal à énergie finie
Signaux à énergie finie
Densité spectrale d’énergie DSE
+∞ +∞
+∞
 
2 2
x(t) à énergie finie 
2
x(t ) dt < ∞ x(t ) dt = X ( f ) df
−∞ −∞
−∞
E<∞
+∞

2
E= X ( f ) df S xx ( f ) = DSE
−∞
DSE
2
S xx ( f ) = X ( f ) = X ( f ). X * ( f ) en V2/Hz2
DSE pour x(t) à énergie finie
- f réelle non négative Insensible à toute translation
de x(t) sur l’axe des temps
- La DSE ne permet pas de reconstituer le signal Module pas de φase
- Elle donne des renseignements importants sur la répartition fréq des sign

Densité spectrale d’énergie : Définir Sxx(f) ???
x(t ) = Arectτ (t )
A
t
-ζ/2 +ζ/2
+∞ τ /2
 
2
E= x(t ) dt = A2 dt = A2τ < ∞
−∞ − τ
/2
énergie finie
TF
x(t ) X ( f ) = X ( f ) e jΦ
TF
x(t ) = Arectτ (t ) X ( f ) = Aτ sin c( f τ )
2
S xx ( f ) = X ( f ) = A2τ 2 sin c 2 ( f τ )

Fonction d’autocorrélation :
Que peut-on obtenir par TF-1 {SXX(f)} ?
TF −1[ S XX ( f )] = TF −1  X ( f ). X * ( f )  = TF −1 [ X ( f )] * TF −1  X * ( f )
=x(t ) * x* ( −t )
TF −1 [ S XX ( f )] = x(t ) * x* ( −t )
+∞
Posons u’ = u-t
 x(u ) x (u − t )du
*
=
−∞
+∞
TF −1
[ S XX ( f )] =  x(u ' + t ) x* (u ' )du '
−∞
=Rxx (t ) Fonction d’autocorrélation

V2/Hz ou V2.s

Autocorrélation de x(t) :
2 TF-1
S XX ( f ) = X ( f ) → R xx (t ) = x(t ) * x* ( −t )
+∞
 x(τ ) x (τ − t )dτ
*
Rxx (t ) =
−∞
+∞
=  x(τ + t ) x* (τ )dτ
−∞
Rxx (t ) = TF −1 [ S XX ( f )]
+∞
=  X ( f ) e j 2π ft df
2
−∞
Propriétés :
TF-1
SXX(f) = réelle Rxx(t) hermitienne
Module paire
Rxx(t)=R*xx(-t) Re paire
Img impaire

Propriétés :
TF
- si x( t ) ∈ ℝ → X ( f ) = X * (− f )
TF-1 2
Rxx(t) = réelle et paire S XX ( f ) = X ( f ) = réelle et paire
- Rxx (t ) ≤ Rxx (0) Autocorrélation max à t=0 et égale à l’énergie du signal

+∞

2
−1
Rxx (t ) = TF S XX ( f ) = X ( f ) e j 2π ft df
−∞
+∞
La fonction d’autocorrélation permet

2
Rxx (0) = X ( f ) e0 df = E X
−∞ d’obtenir l’énergie du signal
- Degré de corrélation ou coefficient de corrélation
Rxx (t ) 0 ≤ Γ xx (t ) ≤ 1
Γ xx (t ) =
Rxx (0)

Densité spectrale d’énergie croisée :
Corrélation croisée :
+∞ +∞
Parseval :  x(t ). y (t )dt =  X ( f ).Y S XY ( f ) = X ( f ).Y * ( f )
* *
( f )df
−∞ −∞
DSE croisée
SXY(f)
Rxy (t ) = TF −1 [ S XY ( f )] = x(t ) * y* ( −t )
+∞ +∞
 x(u ) y (u − t )du =  x(u + t ) y (u )du

* *
=
−∞ −∞
Ryx (t ) = y(t ) * x* ( −t ) = R* xy ( −t )
Ryx (t ) = R* xy ( −t ) Non commutative
S XY ( f ) ≠ SYX ( f ) 2
Rxy (t )
Rxy (t ) ≤ Rxx (0). Ryy (0) Γ xy (t ) = ≤1
*
X ( f )*Y ( f ) ≠ Y( f )* X ( f )* Rxx ( 0). Ryy ( 0)


Signification physique de la corrélation :
Elle mesure le degré de ressemblance (ou similitude entre deux signaux

x(t) et y(t)
Corrélation : opération mathématique qui permet de mesurer le décalage

entre deux signaux (d’où distance)
Principe sommaire du radar
Interprétation graphique – comparaison convolution corrélation
+∞
 x(u ) y (u − t )du
*
Rxy (t ) =
−∞
Idem convolution Pas de retournement

Interprétation graphique – comparaison convolution corrélation
convolution corrélation
z (t ) = x( t ) * y ( t ) Rxy (t ) = x(t ) * y* ( −t )
+∞ +∞
=  x(u ) y(t − u )du =  x(u ) y* (u − t )du
−∞ −∞
+∞
+∞
=  y(u ) x(t − u )du =  x(u + t ) y* (u )du
−∞
−∞
• Commutative • Rxy(t) ≠ Ryx(t) non commutative
Ryx(t) = R*xy(-t) max en 0 et Ex
• Représente l’opération qui relie le • Permet de comparer 2 signaux entre
signal d’entrée au signal de sortie eux (mesure le degré de similitude)
d’un système
• Opération physique • Opération mathématique
z(t) = Rxy(t) lorsque y(t) est réel et paire
Exemple d’application
x(t ) = Arectτ (t ) X(f), SXX(f)  tracer
Rxx(t), Ex, comparer avec Rxx(0)
Signaux à puissance moyenne finie

Densité spectrale de puissance DSP
Les signaux à PMF non réalisables mais permettent de modéliser les

signaux à caractère permanent (périodique)
On considère une version tronquée de x(t) x(t)
xT’(t)
xT ' (t ) = x(t ).rectT ' (t )
t
EF PMF

x(t)
Signaux à puissance moyenne finie xT’(t)
Densité spectrale de puissance DSP
+∞ T' t
TF
x dt =  x(t )e
− j 2π ft − j 2π ft
x ' (t ) → X T ' ( f ) = (t ) . e dt
T T'
−∞ 0
+∞ T' +∞
 xT ' (t ) dt =  x(t ) dt = 
2 2 2 2
ExT ' = X T ' ( f ) df XT ' ( f ) = D.S .E de xT ' (t )
−∞ 0 −∞
2
XT '( f )
D .S . P de xT ' (t ) = = S XXT ' ( f )
T' T' +∞
+∞ +∞ 1
 dt = lim  S XXT ' ( f )df
2
1
 xT ' (t ) dt =  S XXT ' ( f )df lim x ( t )
2
T ' −∞ T ' →∞ T ' 0 T ' →∞ −∞

−∞
T' +∞ +∞
Px = lim 1
 x(t ) dt =  limS XXT ' ( f )df =  S XX ( f )df
2
T '→∞ T ' 0 −∞ T '→∞ −∞

2
DSP de x(t) S XX ( f )= lim S XX ( f )= lim XT '( f )
en V2/Hz T '→∞ T' T '→∞ T'

Fonction de corrélation
t0 + T '
1
On démontre que Rxx (t ) = lim '
T ' →∞ T 
t0
x(u ) x* (u − t )du
Rxx (t ) avec S XX ( f ) = TF [ Rxx (t )]

Γ xx (t ) =
Rxx (0)
t0 + T '
1
Rxx (0) = lim
T ' →∞ T ' 
t0
x(u ) x* (u )du
= Px
Corrélation croisée ou intercorrélation DSP croisée
t0 + T '
1
Rxy (t ) = lim '
T ' →∞ T 
t0
x(u ) y* (u − t )du
S XY ( f ) = TF [ Rxy (t )]
Application aux signaux périodiques
∞
n
 X δ( f − T )
n
n =+∞
TF

j 2π t
TF d’un signal périodique x(t ) = X ne T X( f ) = n
n =−∞ n = −∞
t0 + T n
1 − j 2π t
Xn =
T 
t0
x(t )e T
dt
Corrélation d’un cos x(t ) = A cos( 2π f 0t )

t0 + T '
1
Rxx (t ) = lim
T ' →∞ T '
t0
 A cos( 2π f 0u ). A cos [ 2π f 0 (u − t )] du
'
2 0 +T
t
A
T ' →∞ 2T '  
Rxx (t ) = lim cos( 2π f 0t ) + cos [ 2π f 0 ( 2u − t )]du
t0
 A2 t0 +T ' A 2 T' 
Rxx (t ) = lim  cos [ 2π f 0 ( 2u − t )]du 
T '→∞  2T '  
cos( 2π f 0t )du +
2T ' 0 
 t0

Corrélation d’un cos x(t ) = A cos( 2π f 0t )
A2 A2  1 T '
Rxx (t ) = lim cos( 2π f 0t ) + lim  sin  2π f 0 ( 2u − t )  
T ' →∞ 2T ' 4π f
T '→∞ 2
 0 0
bornée
A2
Rxx (t ) = cos( 2π f 0t )
2
À faire : même résultat
t0 + T ' t0 + T '
1 1
  cos( 2π f 0u ).cos [ 2π f 0 (u − t )]du
*
Rxx (t ) = x(u ) x (u − t )du =
T' t0 T' t0
t0 + T '
1
Corrélation des sign périodiques Rxx (t + T ) = ??? Rxx (t ) =
T T 
t0
x(u ) x* (u − t )du
1
Rxx (t + T ) =  x(u ) x* (u − (t + T ))du Rxx (t + T ) = Rxx (t )
T0
x* ( u − t )
La fonction d’autocorrélation d’un sign périodique est elle-même périodique
de la même période que le sign

Corrélation des signaux périodiques
Calcul du développement en série de Fourrier de Rxx(t) ???
∞ n
Re
j 2π t
Rxx (t ) = n
T
n =−∞
t0 +T n t0 +T t0 +T n n n
1 − j 2π t 1 − j 2π t − j 2π u + j 2π u
    x(u)x (u − t )du  e
*
Rn = Rxx (t )e T
dt = 2 T
dt .e T
.e T
T t0 T t0 t0
t0 + T n n t0 + T
1 1
− j 2π u − j 2π ( t − u )
 du .  x (u − t )e ϑ =t −u
*
Rn = x(u )e T T
dt
T t0 T t0
t0 + T n t +T n
1 − j 2π u 1 0 * − j 2π ϑ
Rn =
T t0 x(u )e T
du .  x (ϑ )e
T t0 X *
T
dϑ Rn = X n . X n* = X n
2
X n n
∞ n ∞ ∞
 
j 2π

2 t 2 2
Rxx (t ) = Xn e T
dt Px = Rxx (0) = Xn xeff = Px = Xn
n =−∞ n =−∞ n =−∞

Densité spectrale de puissance
2  n
∞
S XX ( f ) = TF [ Rxx (t )] S XX ( f ) = 
n =−∞
Xn δ  f − 
 T
A j 2π f 0 t
Exemple x(t ) = A sin( 2π f 0t ) x( t ) =
2j
e ( − e− j 2π f0t )
A
X( f ) =
2j
(δ ( f − f 0 ) − δ ( f + f 0 ) )
∞ n 1 ( −1) A A

j 2π t j 2π t j 2π t
x(t ) = X ne T
= X 1e T
+ X −1e T X1 = X −1 = −
2j 2j
n =−∞
n
∞
A2 j 2π T1 t A2 − j 2π T1 t A2 1

2 j 2π t
Rxx (t ) = Xn e T
= e + e = cos( 2π t )
n =−∞ 4 4 2 T
A2 x = R ( 0 ) = A S ( f ) = A  δ  f − 1  + δ  f + 1  
2
 
4   T   T  
Px = Rxx (0) = eff xx XX
2 2 
Plan du cours
• Généralités
– Signaux de base



Syst. Linéaires cont. Inv. dans le t.
SLIT
Notion de système
Dispositif qui permet la transformation des signaux
Signal Signal
d’entrée S de sortie
Excitation Réponse
Propriétés des systèmes
Linéarité x1(t) S y1(t)
x (t) S y (t) a x1(t) + b x2(t) S a y1(t) + b y2(t)
2 2
Invariance du système dans le temps

Décalage (t0) en entrée S
Décalage (t0) en sortie
x(t) y(t) y(t-t0)
x(t-t0) S
t0 t0
x(t) S y(t) x(t-t0) S y(t-t0)

SLIT continus
Propriétés des systèmes
Causalité x(t) = 0 t<0
x(t) causal S y(t) causal
Un système SLIT est toujours causal
Systèmes continus LIT
Représentation tempo. Représentation fréq.
x(t) S y(t) X(f) S Y(f)
h(t) = convolution H(f) = TF

SLIT en temporel
Opération de convolution
Réponse y(t) = x(t)*h(t)
y (t ) = x(t ) * h(t ) x(t) = δ(t) S
= δ(t)*h(t)
impulsionnelle
= h(t)
La réponse impulsionnelle est la réponse à une excitation δ(t) du système
SLIT continus
Systèmes continus LIT
SLIT en temporel
Réponse indicielle x( t ) = u ( t )
+∞ t t
y (t ) =  u(τ )h(t − τ )dτ =  h(t − τ )dτ =  h(t − τ )dτ
−∞ −∞ 0
Si h(t) causal
t
y(t ) =  h(τ ')dτ '
dy(t )
h( t ) =
0 dt
SLIT en fréquentiel
Définition
La fonction de réponse en fréquence : y (t ) = x(t ) * h(t ) → X ( f ). H ( f )
X(f) S Y(f) = X(f) . H(f)
H(f) = fonction de transfert en fréquence

Y( f )
H( f ) = Ou fct de transfert
X( f )

SLIT continus
SLIT en fréquentiel
Définition
TF H ( f ) = H ( f ) e jΦ ( f )
h(t) H(f)
Réponse fonction de réponse
impulsionnelle Fréquentielle
h(t) réelle - H(f) hermitienne
H(f) = H*(-f) |H(f)| paire ɸ(f) impaire
Exemples x(t ) = e j 2π f0 t x(t ) = A cos(ω0t ) h(t), H(f), y(t) ??

TF
y(t ) = x(t )* h(t ) = h(t )* e j 2π f0t Y( f ) = H( f ).δ( f − f0 ) = H( f0 ).δ( f − f0 )
TF-1
x ( t ) = e j 2π f 0 t S y(t ) = H ( f 0 ).e j 2π f0t
Ej2πf0t est appelée le signal propre du SLIT

SLIT continus
Filtrage
Définition
L’opération de filtrage en fréquence consiste à interrompre ou atténuer
certaines fréquences contenues dans le signal
X(f) Stop bande
filtrer
Pass bande
réaliser H ( f ). X ( f )
Passe - bas
(SLIT)
Passe - haut
X( f ) Filtre Y ( f ) = X ( f ).H ( f )
x(t ) Filtre y ( t ) = x ( t ) * h( t )

SLIT continus
Filtrage
Filtre physiquement réalisable
S’il est causal et si sa réponse impulsionnelle h(t) est réelle (h(t)=0 pout t<0)
Exemple Filtre passe – bas idéal
H(f)
A H(f) = A rect (f) 2fc
f
-fc fc
B = 2fc
h(t) = TF-1[H(f)] = TF-1[A rect2fc(f)] h(t) = 2Afcsinc(2fct)
hh((t t) )
h(t) n’est pas causale donc non réalisable

PB non réalisable idéalement −
1 1 t
2 fc 2 fc

SLIT continus
Distorsion
Un système est sans distorsion si le signal de sortie est égal, à une cste
k près, au signal d’entrée, retardé d’un certain temps t0 correspondant au
temps de propagation à l’intérieur du filtre.
x (t ) Filtre y(t ) = kx(t − t0 )

x(t) y(t)
t t
t0
y(t ) = kx(t − t0 ) Y ( f ) = kX ( f ).e − j 2π ft0 = X ( f ) H ( f )
y(t ) = kx(t ) * δ (t − t0 ) H ( f ) = k .e − j 2π ft0
H( f ) = k Arg [ H ( f )] = −2π ft0

SLIT continus
Distorsion
FRF filtre sans distorsion
• gain est en fonction de |H(f)| = k
• Déphasage linéaire en fonction de f Arg [H(f)] = -2πft0 = αf νf
• n distorsion d’amplitude |H(f)| ≠ cst
• n distorsion de phase Arg[h(f)] ≠ αf νf
Filtres idéaux
Un filtre idéal dans 1 bande passante B est sans distorsion sur cette bande
Passe – bas idéal A |H(f)|
|H(f)| = A |f|<B
Arg [H(f)] = ɸ(f) = -2πft0 |f|<B -B B f
H(f) = A rect2B(f) e-j2πft0 ɸ(f)
2πft0
h(t) = 2AB sinc(2Bt) * δ(t-t0) f
h(t) = 2AB sinc[2B(t-t0)] -2πft0
SLIT continus
h(t )
Filtres idéaux h(t )
2AB
Passe – bas idéal 1 1
t− t+
2B 2B
h(t) = 2AB sinc[2B(t-t0)]
t0 t
Pour qu’un filtre soit sans distorsion sur un signal x(t), il faut que le spectre
de ce signal soit contenu en entier dans la bande du filtre
Exemple x( t ) = δ ( t ) H ( f ) = Arect2 B ( f )e − j 2π ft0
y ( t ) = x ( t ) * h( t ) = δ ( t ) * h ( t ) Y ( f ) = H ( f ) = Arect2 B ( f )e − j 2π ft0
x(t ) = δ (t ) Filtre PB y (t ) = ?
idéal
y (t )
y(t ) = 2 AB sin c 2 B(t − t0 ) ()
ht
x( t ) 2AB
δ (t ) t−
1 1
t+
2B 2B
X(t) donc X(f) n’est pas contenu en t0 t

entier dans la bande du filtre idéal
SLIT continus
Filtres idéaux
Passe – bas idéal
Du point de vue pratique les filtres ne sont que des approximations de filtres
idéaux
Pour la réalisation des filtres on impose des spécifications sur le gabarit
|H(f)|
Bande Bande atténuée

passante
f
f1 f2
Bande de transition
• ondulations dans la bande passante • Butterworth
• largeur de la bande de transition cf filtres • Chebycheff
• ondulations dans la bande atténuée • elliptique

Plan du cours
• Généralités
– Signaux de base


Partie 3 : Systèmes linéaires et signal aléatoire
Numérisation du signal
Introduction
Comment se fait le passage du domaine analogique au numérique??
il est nécessaire de mettre en place des propriétés permettant
ce passage sans détériorer l’information véhiculée
En réception
Segment analogique Segment numérique
En émission

Chaîne du traitement numérique du signal

Chaîne de numérisation
Système continu Numérisation Calculateurs
Données anal Données num
- Support continu - Valeurs discrètes

- Amplitude continue CAN - Codage en mode binaire


Echantillonnage : Pour rendre le signal discret

Prélèvement sur le signal continu des valeurs de m(t) à des instants tn
régulièrement espacés d’une valeur Te = tn+1 – tn (période d’échantillonnage)

Quantification : Associer à chaque échantillon une valeur

C’est l’approximation de chaque valeur m à l’instant tn par un multiple entier
de quantité élémentaire q appelée « échelon de quantification »

Codage : quantification + codage donne un accès numérique

À chaque valeur quantifiée, est associé un code (mode binaire)
m(tn) exploité par le calculateur (traduction en langage machine)

Echantillonnage
x(t) Echantillonneur xe(t) = x(nTe)
Signal original Signal échantillonné
Le signal échantillonné xe(t) contient toute l’information utile; x(t) peut être
extrait à partir de xe(t)
En pratique l’échantillonnage est obtenu par commande d’interrupteur

(c’est un train d’impulsions étroites)
Te
x(t) xe(t)
Echantillonnage idéal
Il s’agit de prélever un temps infiniment court des valeurs de x(t) à tn = n Te
Une multiplication du signal x(t) par le peigne de Dirac de période Te
 ШTe
Réalisation mathématique (modèle)
x(t)
xe(t) = x(t) . ШTe(t)

t +∞
= x(t )  δ (t − nTe )
ШTe(t) n =−∞
En utilisant la propriété
tn x(t ).δ (t − t0 ) = x(t0 ).δ (t − t0 )
Te
xe(t)
+∞
xe (t ) =  x( nT ).δ (t − nT )
e e
tn n =−∞
Te
Spectre du signal échantillonné
 +∞ 
X e ( f ) = TF  x ( t )  * TF   δ (t − nTe ) 
 n =−∞ 
+∞
1
= X ( f ) *  δ ( f − nf e )
Te n =−∞
1 +∞
=  X ( f − nfe )
Te n =−∞
+∞
X e ( f ) = fe  X ( f − nf )
n =−∞
e
Le spectre de Xe(f) est celui de X(f) périodisé avec une période fréquentielle
1
fe =
Te

Interprétation du spectre échantillonné
|X(f)|
X(f) borné en fréq.
Fmax
Fe >2Fmax Fmax
|Xe(f)|
Les motifs élémentaires

du signal sont disjoints
Fe < 2Fmax |Xe(f)|

Les motifs élémentaires
du signal se recouvrent
Repliement du spectre

Théorème de Shannon
But : retrouver intégralement x(t) à partir de xe(t)
Théorème : Un signal analogique x(t) dont la TF=0 à l’extérieur
de l’intérvalle [-Fmax , Fmax] est particulièrement défini par ses valeurs
échantillonnées x(nTe) si la fréquence d’échantillonnage Fe = 1/Te
satisfait à l’innégalité Fe ≥ 2 Fmax
En pratique afin de garantir la condition de Shannon, on utilise un filtre

passe-bas anti-repliement de fréquence de coupure Fc ≤ Fe/2
Ex : On considère une sinusoïde x(t) = A sin(Ωt), avec Ω = 2πF = 2π/T0
On échantillonne x(t) aux instants tn = n/fe. fe = 1/Te est le fréq. d’échant.

Si fe >> F Reconstitution de x(t) peut se faire facilement
Si fe ↓↓ F Le signal reconstruit ressemble ((moins)) à une

sinusoïde, mais reste reconnaissable
Le signal reconstruit ne ressemble en rien au signal

Si fe ↓↓↓ F
original. On perd l’information sur la fréquence du signal
échantillonné

Echantillonnage réel
En pratique, il est impossible d’obtenir des échantillons de durées
infiniment brèves (durée de mesurage)
Échantillonnage réel : on ne peut plus utiliser le peigne de Dirac
On prend la valeur moyenne sur l’intervalle θ de la pondération de

x(t) par une fonction h(t-nTe) (fonction de hanning ou de fenêtrage)
Pour un échantillon :
x(t) h(t-nTe) nTe +θ
xh (nTe ) = 
nTe
x(t )h(t − nTe )dt
Le signal échantillonné total :

+∞
nTe nTe+ θ xhe (t ) =  xh ( nTe ).δ (t − nTe )
θ
−∞

Échantillonnage réel par moyennage simple
Échantillonnage par moyenneur donne des échantillons correspondants

à la moyenne de x(t) sur un intervalle de durée θ
x(t) 1 θ
h( t ) = Π (t − )
θ 2
nTe +θ
1
nTe θ nTe+ θ xh (nTe ) =
θ 
nTe
x(t )dt
Temps d’ouverture et de fermeture

de l’interrupteur

Spectre du signal x(t) après l’échantillonnage réel
+∞
xhe (t ) =  xh ( nTe ).δ (t − nTe )
−∞
nTe +θ +∞
xh (nTe ) = 
nTe
x(t )h(t − nTe )dt =  x(t )h(−nT + t )dt
−∞
e
xh (nTe ) = x(t )* h(−t )

+∞
xhe (t ) =  xh ( nTe ).δ (t − nTe )
−∞
+∞
= [ x(t ) * h( −t )]. δ (t − nTe )
−∞
+∞
X e ( f ) = Fe [ X ( f ). H ( − f )]*  δ ( f − nFe ) Distorsion
−∞
+∞
fréquentielle
X e ( f ) = Fe  X ( f − nFe ). H * ( f − nFe )
−∞

La reconstitution
On a échantillonné un signal x(t) en respectant le théorème de Shannon
Comment fait-on pour reconstruire x(t) à partir des échantillons xe(t) ??
Peut-on régénérer le signal analogique?
Reconstitution par interpolation de Shannon
Il suffit de prendre la TF-1 du motif de base Xe(f)
1
Y ( f ) = X e ( f ). Π Fe ( f )
xr (t ) = TF −1[Y ( f )] +∞
Fe
X e ( f ) = Fe  X ( f − nFe )
−∞
+∞
 sin(π tFe )
xr (t ) =   x( nTe )δ (t − nTe )  *
 −∞  π tFe
+∞
sin(π (t − nTe ) Fe )
xr (t ) =  x( nTe )
−∞ π (t − nTe ) Fe
La reconstitution
Interprétation
La formule d’interpolation montre qu’on peut reconstituer exactement le
signal x(t) point par point en ajoutant la contribution d’une infinité de sinus
cardinaux centrés
La connaissance de tous les échantillons est nécessaire pour
reconstruire le signal
La reconstitution mathématique est possible mais physiquement
irréalisable.
Reconstitution par extrapolation d’ordre 0
Cette méthode consiste à bloquer l’échantillon x(nTe) jusqu’à l’apparition
de l’échantillon suivant x((n+1)Te)
+∞
Te
xr (t ) = [ x( nTe).δ (t − nTe)]* ΠTe (t − )
−∞ 2
+∞
Te
xr (t ) =  x( nTe)ΠTe (t − nTe − )
−∞ 2
La reconstitution
Reconstitution par extrapolation d’ordre 0

+∞
Te
xr (t ) =  x( nTe )ΠTe (t − nTe − )
−∞ 2
La TF du signal reconstruit par l’extrapolateur d’ordre zéro s’écrit :
+∞
sin(π fTe ) − jπ fTe
Y ( f ) = X r ( f ) = Fe [ X ( f − nFe )] e
−∞ πf
Le spectre Xr(f) obtenu par BOZ est celui du signal échantillonné

pondéré par la TF du signal porte de reconstitution
c’est une reconstitution causal

La reconstitution
Cas général
Reconstitution du signal Echantillons en cherchant un système
dont la réponse impulsionnelle est h(t)
 +∞ 
xr (t ) =   x( nTe )δ (t − nTe)  * h(t )
 −∞ 
+∞
xr (t ) =  x( nTe )h(t − nTe)
−∞
Réponse fréq. la plus constante

possible dans la bande [-Fmax Fmax]
Filtre qui atténue les distorsions
La plus faible possible au dela de la
bande [-2Fmax 2Fmax] = [-Fe/2 Fe/2]

Conclusion
La condition de Shannon garantie au mieux possible la non perte de l’info.
Prendre des précautions pour reproduire le signal le + fidèlement possible
• Fmax, Fe, Fc, choix judicieux du filtre
Quantification
Elle permet le stockage informatique des données binaires.
Elle consiste à remplacer chaque valeur du signal échantillonné
xe(t) par une autre valeur q(x) = xn la plus proche de X choisi mais
suivant une certaine loi
Xn-1 Xn Xn+1
X
Si X − X n < X − X n −1 Q( X ) = X n
Si X − X n > X − X n −1 Q ( X ) = X n +1
X + X n +1
Si X= n Q( X ) = X n ou X n +1
2
Quantification
2 types de quantification
Q linéaire (uniforme) Q logarithmique (non linéaire)
[Xn, Xn+1] ont la même longueur Ecart entre les valeurs de

quantification pas constant
q= |Xn - Xn+1| Pas de la quantification
Rapport Signal/bruit
Erreur : Bruit de quantification
constant
(aléatoire)
x Compression Y=C(x) Quantification Z Expansion Q(x) =

d’amplitude uniforme d’amplitude C-1(Z)
C(x) : Loi de compression 2 lois C(x) sont utilisées :
C-1(Z) : Loi d’expansion
Loi A Europe loi u (USA – Japon)
Z : Signal quantifié
Quantification
x(t) xq(t)
Signal quantifié xq: approximation des
xmax
valeurs xn par un multiple entier du « q »
10
Xn= x[nTe] sq=k.q q 11
01
Double discrétisation:
• En temps (échantillonnage n Te) 00
• En amplitude (quantification k.q) xmin
Par défaut Par arrondi

Quantification
ε (t ) = xe (t ) − xq (t )
xe(t) : signal échantillonné non quantifié
xq(t) : signal échantillonné quantifié
Valeur max de ε(t): xmin≤xe≤xmax, |ε|max=q/2
Valeur moyenne de ε(t)=0(pour une Q par
arrondi) et =q/2 pour Q par troncature)
Le rapport signal sur bruit de q<<xmax, ε est linéaire
2
quantification 1 2e  q 
T
q2
V PB =  Te  t  dt =
( RS / B )q = eff ,sin T e − 2  Te  12
Veff ,bruit
Vmax 2N −1 q
PS : puissance du signal m(t) Veff ,sin u = = ,Veff ,bruit = PB
PB : puissance du bruit de quantification 2 2
2 N −1 q
(R )
S
B dB
= 20 log ( SNR ) =
q 12
2 = 6.02 N + 1.76

Quantification
x Compression Y=C(x) Quantification Z Expansion Q(x) =
d’amplitude uniforme d’amplitude C-1(Z)
Loi A
C(x) : Loi de compression Loi µ

C-1(Z) : Loi d’expansion
Z : Signal quantifié
2 lois C(x) sont utilisées :

Loi A Europe loi u (USA – Japon)

Plan du cours
• Généralités
– Signaux de base



Capture D'écran . 2023-11-24 À 07.29.35

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

Capture D'écran . 2023-11-24 À 07.29.35

Transféré par

Droits d'auteur :

Formats disponibles

S5 RST, GE Année universitaire 2018 / 2019

Cours Traitement de Signal 1

• Opérations mathématiques sur les signaux

• Propriétés énergétiques des signaux

Cours Traitement de Signal 2

Les télécommunications comprennent l’ensemble de moyens

Pour transmettre une information il est nécessaire de recourir à la

Le signal est la représentation physique d’un phénomène qui évolue

Le traitement de signal est la discipline technique qui s’appuie sur la

Cours Traitement de Signal 3

Cours Traitement de Signal 4

signal Cod Mod duplexeur ampli circulateur antenne

Cours Traitement de Signal 5

– par des circuits spécialisés

Cours Traitement de Signal 7

• Opérations mathématiques sur les signaux

• Propriétés énergétiques des signaux

Cours Traitement de Signal 8

Pour faciliter l’étude des signaux modes de classification envisagés

Classification phénoménologique Classification morphologique

– Signal déterministe ou certain : évolution parfaitement préditée

– Sous-classe des signaux déterministes :

Cours Traitement de Signal 10

Cours Traitement de Signal 11

Cours Traitement de Signal 12

– Signal à puissance moyenne finie

Cours Traitement de Signal 13

Q1 : Tracer la fonction porte x(t)=A rectζ(t-t0)

Cours Traitement de Signal 14

Fenêtrage rectangulaire sur x(t)

La fonction triangle est normalisée  tri(t )dt = 1

Cours Traitement de Signal 16

sin c(t ) sin c(t )2

Cours Traitement de Signal 17

Cours Traitement de Signal 18

Peigne de Dirac : une succession périodique d’impulsions de Dirac

Cours Traitement de Signal 19

signal Cod Mod duplexeur ampli circulateur antenne

Cours Traitement de Signal 20

- Comment transmettre l’information sans la dégrader ?

- Comment transformer cette information pour la préserver ?

- Comment détecter le signal utile noyé dans le bruit ?

- Comment filtrer le signal pour l’extraire du bruit ?

Cours Traitement de Signal 21

- Synthétiser des signaux (text -to-speech en parole, mélodies en musique)

Cours Traitement de Signal 22

• Opérations mathématiques sur les signaux

• Propriétés énergétiques des signaux

Cours Traitement de Signal 23

Limitation par un échelon unité Limitation par une fct réctange

y(t) est un signal causal tel que f (t ) = x(t ) . rectτ (t − τ )

Cours Traitement de Signal 24

Cours Traitement de Signal 25

Le calcul de la convolution est complexe et nécessite de nombreuses étapes

Les filtres qui sont définis comme des systèmes de transmission

Cours Traitement de Signal 26

Associativité : x(t) * (y(t) * z(t)) = (x(t) * y(t)) * z(t)

Distributivité : x(t) * (y(t) + z(t)) = x(t) * y(t) + x(t) * z(t)

Dérivation : (x(t) * y(t))’ = x’(t) * y(t) = x(t) * y’(t)

Elément neutre (pic de Dirac) : x(t) * δ(t) = δ(t) * x(t) = x(t)

Cours Traitement de Signal 27

Cours Traitement de Signal 28

x(t) δT(t) x(t) * δT(t)