Académique Documents
Professionnel Documents
Culture Documents
Signaux Analogiques
n Les signaux périodiques x(t) = x(t+kT)
n Le signal sinusoidal est le plus représentatif de ces signaux périodiques:
n x(t) = A sin(2π t/T + a) = A Sin(ω t+a) ou ω = 2π /T = 2π f
Les signaux à énergie finie sont ceux pour lesquels l'intégrale suivante
est bornée :
∫ | x(t) | 2 dt < ∞
n Ces signaux sont nommés de carré intégrable (sommable), leur puissance
moyenne est nulle.
La fonction sinus/cosinus
Remarque Tout signal réel peut être décomposé : une partie "paire" et
une partie "impaire".
n Signaux causals :
n Un signal est dit causal s'il est nul pour toute valeur négative du temps x(t) =
0 t< 0. On peut le rendre causal si * u(t)
+ 6
Signaux numériques
n Un signal numérique est un signal discret dont l’amplitude a
été quantifiée
n Stationnaires : probabilités
u(t+1)- u(t-2)
t=0 t
Décalage Temporel : Time Shifting
t=0
n x(2-t): à 1) y(t)=x[-(t-2)];
Echelle
|A|>1à Gain
|A|<1à Attenuation
A>0àPas inverse
Echelle
A<0à Inverse
+ 12
Signaux périodiques
Effet Gibbs
15
+ 16
Convolution
n Définition:
Théorème de convolution
La TF du produit de convolution est le produit algébrique
Des TF des signaux du produit
S(ω)=S1(ω)S2(ω)
+ 17
Propriétés du produit de
convolution
n Commutativité
n Associativité
n Distributivité
d df dh
n Différentiabilité ( f ∗ h)(t ) = ∗ h(t ) = f ∗ (t )
dt dt dt
Algorithme de Convolution
convolution en temps
−at
x(t) = e u(t) y(t)=e−2atu(t)
+ 20
• convolution en temps
- Principe de la méthode
• convolution en temps
x(t)=e−atu(t) y(t)=e−2atu(t)
- Principe de la méthode
• convolution en temps
• convolution en temps
x(t)=e−atu(t) y(t)=e−2atu(t)
- Principe de la méthode
• δ correspond à la «
dérivée » de la fonction
∫ δ (t )dt = 1
R
de Heaviside (au sens
des distributions).
• fonction de Dirac n'est
pas une fonction, elle
étend la notion de
fonction.
Impulsion Unitaire δ(t)
n Impossible de réaliser– similair au j=sqrt(-1)
1 x2
lim e −
a2
a π a→0
+ 26
Distributions ≠ Fonctions
n Impulsion infinie pendant un intervalle de temps
infiniment court
δ(t)
∫ δ (t)dt = 1
t
n Remarque : Nous définissons l'impulsion de Dirac δ(t) au
sens des distributions. Elle a pour valeur en t=0, la valeur δ(t)
égale à 1 de l'intégrale de moins l'infini à plus l'infini d'une
impulsion idéale de largeur nulle centrée en t=0.
δ(t-to)
= φ(0)
t0
+ 27
n Un
Dirac a un support réduit à t=0 et associe à une
fonction continue φ sa valeur en t=0
+∞
∫δ(t)ϕ(t) dt = ϕ(0)
−∞
Propriétés:
+∞ +∞
+∞ +∞
Propriétés de δ(t)
n Localisation
⎧⎪ 0 si a ≠ b
[ Aδ ( x − a)][Bδ ( x − b)] = ⎨
⎪⎩ ABδ ( x − a) si a = b
n Élément neutre
Application
Conclusion :
n Définition
∞ ∞
Cx, y(τ)= ∫ x1(t+τ)x2(t)dt ϕx, y(k)= ∑ x(l)y(l +k)
−∞ l =−∞
n Propriétés
n Fonction paire
n Cx,y=0 les signaux sont décorrélés
+ 31
Algorithme
Autocorrélation
n Définition
∞ ∞
Cx,x(ττ)= ∫ x(t)x(t+τ)dt Cx,x(k)=ϕx,x(k)= ∑x(l)x(l+k)
-∞ l =−∞
n Propriétés
n Cx,x(0)= l’ énergie du signal
+ Transformées : Fourier/Laplace, Z 33
Transformée de Fourier
Étude des signaux déterministes continus
Représentation fréquentielle
34
35
TRANSFORMATION DE FOURIER
Définition
La transformation de Fourier permet de décrire dans l'espace des
fréquences un signal dont on connaît l'histoire au cours du temps, et
réciproquement.
Remarque : On utilise les lettres minuscules pour décrire l'histoire du signal au cours du temps et les lettres
majuscules pour le décrire dans le domaine des fréquences ou domaine spectral.
+ 36
Propriétés
1 F(f )
n Intégration ∫ f(t)dt ⇔ j2π f
j2πft
n Décalage temporel f(t−τ) ⇔ e F(f )
+ 37
j2πft
n Décalage fréquentiel F(f − f0 ) ⇔ e F(f )
*
f(t)⇔F(f ) f(-t) ⇔ F (f )
n Conjugaison
f(t)⇔F(ω) F(t)⇔2πf(-ω)
n Symétrie
+ 38
Propriétés
Définition
La bande passante B d'un signal est le domaine de fréquence où
se trouve l'énergie utile transportée par le signal.
Exemples :
Signaux Bande passante
Téléphonique 300Hz < f < 3300Hz
Audio haute fidélité 20 Hz < f < 20 kHz
Télévision 0Hz < f < 5 MHz
+ 39
Fourier
La transformée de Fourier inverse ( fˆ, f ∈ L1):
1 ∞
f (t ) = ∫ fˆ (ω )e jω t dω
2π −∞
Parseval:
∞
1 ∞
∫ f (t ) *
h (t ) dt = ∫ fˆ (ω )hˆ* (ω )dω
−∞ 2π −∞
Plancherel:
∞
2 1 ∞ ˆ 2
∫−∞| f (t ) | dt = ∫ | f (ω ) | dω
2π −∞
Et,
lim fˆ (ω) = 0
ω→ ±∞
+ 40
La Variation Totale
f v=2
n Exemple:
f(t)=exp(-t 2)
ˆf(ω) ≤ f v
n Relation avec la Transformée de Fourier ω
+ 41
La Phase de la TF
n Dans une TF, l’information sur le temps est cachée dans les
phases.
La transformée de Fourier
Exemple:
Soit la fonction indicateur
T
2 sin(ωT )
f = 1[ −T ,T ] fˆ (ω ) = ∫ e − jω t dt =
−T
ω
+ 43
Analyse de la Transformée de
Fourier des signaux d’énergie
finie
• - Le spectre du signal
s(t)=π θ (t)
2
• Module du spectre
S0
S(f) =
2
a2+4π 2 f
• Phase du spectre
ϕ(S(f))=−arctg(2πf )
a
+
Transformée de Fourier des signaux d’énergie finie
45
TF (A) = 2πAδ (ω )
{ }
TF e = 2πδ (ω − ω
jω0t
0
)
Donc la transformée Fourier de cos et de sin est :
TF {cos ω t} = π [δ (ω − ω ) + δ (ω + ω
0 0 0
)]
TF {sin ω t} = π
0
[j δ (ω − ω )− δ (ω + ω )]
0 0
+ 47
Échelle fréquence
X ( e jω ) X ( jΩ)
1 1
0 π 2π ω 0 π 2π
T T Ω
+ 48
L’Intégrale de Fourier
∞
F(ω)= fˆ(ω)= ∫ f(t) exp( − jωt ) dt ( f ∈ L1):
−∞
T(v)=λv
de Fourier
Fonction de Transfert:
Les exponentielles complexes sont les vecteurs propres
des opérateurs de convolution:jωt
e
∞
Les valeurs propres Le jωt
= ∫ h(u )e jω ( t −u ) du = hˆ(ω )e jωt
−∞
h
sont la Transformée de Fourier∞de f
à la fréquence . ω
hˆ(ω ) = ∫ h(u )e − jω u du
−∞
Notion de système
n Un système fait subir une transformation à un signal d’entrée x(t) et délivre un signal
de sortie y(t).
Filtre
n On appelle filtre, d’entrée x(t) et sortie y(t), un système défini par:
τ , fτ (t) = f (t − τ )
la sortie a aussi un retard g (t ) = Lf (t ) ⇒ g (t − τ ) = Lf τ (t )
Réponse impulsionelle
∞
f (t ) = ∫ f (u)δ u (t )du
−∞
n Définition
∞
ϕx, y(k)= ∑ x(l)y(l +k)
l =−∞
n Algorithme
n Le signal y(l) est décalé d’une certaine quantité k
n Le produit x(l)y(l+k) est effectué échantillon par
échantillon pour tous les k
n Les valeurs ainsi obtenus sont additionnées
+ 54
Propriétés
−2πjfk
Φxy(f )=∑ϕxy(k) e =X *(f )Y(f )
Théorème de Parseval
1/ 2
ϕ (0)=∑x (l)= ∫Φ (f ) df
2
x
k =0
x
−1/ 2
La Densité Spectrale
Conclusions
Défauts de la TF
Relation d’incertitude de
Heisenberg
n Le principe: Le produit de la variance de x pour |f|2 et de la
variance de x pour |F|2 est supérieur ou égal à
1 2
16π
Défauts ….
Transformée de Lapalace
Andrei Doncescu
andrei.doncescu@laas.fr
+ 61
Transformée de Laplace
Définition
où p est complexe
- l’existence de F(p) suppose la convergence de
l’intégrale
- on dit que F(p) est " l’image " de f(t)
Transformée de Laplace 62
n Exemples
U(t) Signal TL
1
1
Echelon unité U(t)
p
0 t
1
Echelon unité
Exponentielle décroissante U(t)e-at , a > 0
p+a
U(t)e-αt, a> 0
1 1
Exponentielle complexe U(t)eiωt , ω > 0
p-iω
n Propriété de linéarité
Signal TL
Théorème
Si V (t) a pour TL : v (p)
1 1 Exponentielle
et V (t) a pour TL : v (p) 1
2 2 complexe U(t)eiωt , ω > 0
alors , ∀ α et β ∈ £ p-iω
αV (t) + β V (t) a pour TL : p
1 2 Cosinus U(t)cos ( ωt )
αv (p) + βv (p) . p2+ω2
1 2
ω
Sinus U(t)sin ( ωt )
Exercices. Calculer les TF de p2+ω2
U(t)cos(ωt) et U(t)sin(ωt)
A. D. 19/11/2013
Transformée de Laplace 64
n Propriété de linéarité
Signal temporel TL
Exponentielle
−α+iω) t 1
complexe U(t)e( ,ω > 0
p+α − iω
p+α
Cosinus U(t)e−αt cos ( ωt ) , α > 0
(p+α )2 + ω2
U(t)e−αt sin ( ωt )
ω
Sinus
2
(p+α ) + ω2
Transformée de Laplace 65
n Propriétés
1. Théorème du retard
Si V(t) a pour TL : v(p),
1
alors V(t - T) a pour TL : e-pT v(p), ∀ T > 0.
Exercice. Montrer que la TL de l'impulsion
t
0 T 1 - e-pT
(cf . Fig.) est : .
Impulsion
p
2. Théorème de dérivation
R(t) Si V(t) a pour TL : v(p),
dV(t)
alors a pour TL : p.v(p).
dt
t Exercice. Vérifier que la TL de la
0 1
Rampe
rampe R(t) (cf . Fig.) est : .
p2
Transformée de Laplace 66
n Propriétés
n Convolution
Théorème
U(t)
Si X(t) a pour TL : x(p)
1 et Y(t) a pour TL : y(p),
alors le produit de convolution
U(t-τ)
∞
0 τ
∫ X(t)Y(τ − t)dt
0
a pour TL: x(p).y(p)
U(τ-t)
Exercice. Montrer de deux manières
différentes que U(t) ∗ U(t) = R(t)
0 τ
Transformée de Laplace 68
n Opérateurs
d
(dérivation d'un signal) ×p (multiplication de sa TL par p)
dt
1
T - périodisation x
1-e-pT
Transformée de Laplace 69
n Déconvolution
1. Décomposition en éléments simples de première espèce
1 A B C
= + +
(p - a)2(p - b) (p - a)2 (p - a) (p - b)
⎡ 1 ⎤ 1 ⎡ 1 ⎤ 1
A = ⎢ ⎥ p=a = C = ⎢ 2 ⎥ p=b =
⎣p − b ⎦ a−b ⎣ (p − a) ⎦ (b − a)2
n Déconvolution
2. Décomposition en éléments simples de deuxième espèce
C’est le cas où le dénominateur est un trinôme du second degré qui
n’a pas de racines réelles. On décomposition en éléments simples de
2ème espèce :
2
2
⎡ ⎛ b ⎞ 4ac − b2 ⎤ 2 2
ap +bp+c = a ⎢⎜ p+ ⎟ +
⎢⎣⎝ 2a ⎠ 4a2 (
⎥
⎥⎦
= a )
P + A ,
b 4ac − b2
avec P = p + et A =
2a 2a
1 1 1 1 1
= =
ap2+bp+c a P2+A2 aA2 P2 / A2+ 1
Transformée de Laplace 73
n Calcul opérationnel
Exercice.
On définit la distribution de Dirac δ(t) de la manière suivante:
δ(t) δ(t) a pour TL: 1.
1 d2 Y dY
Résoudre l'équation différentielle: + 2αω0 + ω2
0
Y = δ(t)
dt2 dt
(α et ω0 sont réels et positifs et ne dépendent pas du temps).
0 t Discuter brièvement la nature de la solution en fonction de α.
Distribution de Dirac
Note
La méthode présentée dans cet exercice permet de retrouver
δ(t) H(t)= ? la réponse percussionnelle d'un système linéaire stationnaire
h(p)= ?
lorsque l'on connait l'équation différentielle à laquelle il obéit.
Transformée de Laplace 74
n Réponses
Exercice: identification d’un système linéaire stationnaire
1 1 1 1
= ; =
p3 + 3p2 + 2p p(p + 2)(p + 1) p3 − 1 (p − 1) p2 + p + 1
( )
1 1
et =
p3 + p2 − p − 1 (p − 1)(p + 1)2
+
Du signal analogique au
signal numérique
75
+ La Genèse du Signal Numérique 76
n Échantillonnage
n Compression
n Décomposition dans un espace orthogonal
x (n) x(t )
−1 0 1 2 3 4 5 6 7 n −T 0 T 2T 3T 4T 5T 6T 7T t
+ 78
Échantillonnage
n Signal Analogique
n Signal numérique
+ Modèlisation mathématique de 79
l’échantillonnage
+ 80
Échantillonnage
Transformée de X(f)
x(t)
Fourier
0 T t f
Transformée Echantillonnage
inverse de X e(f) en fréquence
x T (t)
Fourier
0 T 2T 0 1 2 f
T T
✓Signaux échantillonnés de durée finie
N −1
xe (t ) = ∑ x[ k ]δ (t − kT )
0
Transformée de X(f)
x e (t)
Fourier
0 NT t 0 1 f
T
Périodisation
Transformée Echantillonnage
de Fourier X e (f) en fréquence
x Te (t)
0 NT 2NT 0 1 1 f
NT T
∞
ˆ 1 ⎛ 2π ⎞
X ( ω) = ∑ X ⎜ ω − k ⎟
Ts k =−∞ ⎝ Ts ⎠
+ 86
Théorème de Shannon
Fe ≥ 2f max
Signal Analogique
Signal échantillonnage
+ 88
A la limite du théorème de
l'échantillonnage
On peut, intuitivement,
remarquer sur l'illustration
précédente, que relier les
échantillons à l'aide d'une
ligne courbe, aussi bien
choisie soit-elle, n'a que
peu de chances de
re p ro d u i re l e s i g n a l
or iginal, bien que le
t h é o r è m e d e
l'échantillonnage soit,
formellement, respecté.
+ 89
Sous-échantillonnage
La réponse est :
xr (t ) = xˆ (t ) ∗ hr (t )
Le spectre est :
X r ( ω) = Xˆ ( ω) ⋅ H r ( ω)
∞
1
= ∑ X ( ω − k ωs )Ts pωc ( ω) = X ( ω)
Ts k =−∞
xr (t) = x(t)
Théorème d’Echantillonnage :WKS
(Whittaker, Kotelnikov, Shannon)
Si le signal d’énergie finie x(t) a sa bande de fréquence limité à
ωM , ( X(ω)=0 for |ω | > ωM), il complètement représenté par ses
échantillons { x (nT ) n ∈ Z }
s si la fréquence d’échantillonnage
est deux fois la fréquence maximum du signal
ωs ≥ 2ωM
ωM ≤ ωc ≤ ωs − ωM
Reconstruction
⎧1, for n = k
δn,k = ⎨
⎩0, for n ≠ k
✓Échantillonnage et périodisation
• Échantillonnage idéal...
+∞ +∞
xe (t ) = x (t ) δT (t ) = x (t ) ∑ δ (t − kT ) = ∑ x[ kT ]δ (t − kT )
k =−∞ k =−∞
• ...Transformée de Fourier...
1 1 +∞ k
X e ( f ) = X ( f ) *δ 1 ( f ) = ∑ X ( f − )
T T
T k =−∞ T
Quelques valeurs
n En téléphonie, on utilise une largeur de bande de 300 à 3400 Hz.
Dans le cadre du réseau numérique à intégration de services
(RNIS, ISDN pour les anglo-saxons), on utilise une fréquence
d'échantillonnage de 8000 Hz (au lieu des 6800 théoriquement
nécessaires).
n Remarque: Dans les deux cas, il est essentiel que l'on ait au
préalable limité la largeur de bande du signal original : des
fréquences inaudibles dans le signal original deviennent audibles
par le phénomène de repliement !
+
Encore ….
La Transformée de Fourier
mais
… Discrète
97
+ 98
Systèmes linéaires
X( f ) = ∑ x(t) e −2 jπ f t
La T.F. est périodique de période 1
t∈Z
n Et la transformée inverse
1/2
2 π jft
x(t) = ∫ x(t)e df
−1/2
+ 100
Propriétés
Remarques:
1. La transformée de Fourier de Xa(t) d’un signal analogique
n’est pas périodique
2. X(f) est périodique F0=1, tout intervalle de longueur unité
est suffisant pour décrire complètement cette fonction
+ Règle de construction de la TFtd à 101
partir de la TF de x(t)
x(t) continue en t
xe (t = nΔT ) la version échantillonnée ΔT période d 'échantillonnage
+∞ +∞
xe (nΔT ) = x(t). ∑ δ (t −nΔT ) = ∑ x(t)δ (t −nΔT )
n=−∞ n=−∞
∞ +∞
Xe ( f ) = ∫ ( ∑ x(t)δ (t −nΔT ))e −2 π jft
dt
t=−∞ n=−∞
+∞
Xe ( f ) = ∑ x(nΔT ).e
−2 π jf (nΔT )
n=−∞
1/2ΔT
+2 π jf (nΔT )
x(nΔT ) = ΔT ∫ X e ( f )e df
−1/2ΔT
conclusion :
x(nΔT ) ⇒ Xe ( f ) est une fonction périodique en f de période (1 / ΔT )
− f max + f max
− f max + f max
Observations spectrales
n Précision
n Pour mesurer la fréquence d’une seule sinusoïde
n Résolution
n La capacité de mesurer des fréquences distinctes
+ 105
n L
est le nombre de points de calcul de Tftd et N est le
nombre de points de la suite temporelle
N −1
x(n)= 1 ∑x(n)wN
nk
k∈{0,...,N-1} avec wN =exp(−2jπ / N)
N n=0
+ 106
2k 4k 6k k 2k 4k 6k
X k =(x(0)+x(2)w8 +x(4)w8 +x(8)w8 )+w8(x(1)+x(3)w8 +x(5)w8 +x(7)w8 )
n Ce qui donne
4k 2k 4k
(x(0)+x(4)w8 )+w8 (x(2)+x(6)w8 )
4k 2k 4k
(x(1)+x(5)w8 )+w8 (x(3)+x(7)w8 )
n Une
structure de papillon : addition, soustraction et
multiplication
+
Go ( p) = 1 / p − e pT / p = (1− e pT ) / p
2 2
⎛ ωTs ⎞ ⎛ ω ⎞
sin π ⎟
⎜ sin 2 ⎟ ⎜ ωs
H r ( ω) = Ts ⎜ ⎟ = Ts ⎜ ⎟
ωTs ⎜ ω π ⎟
⎜ ⎟
⎝ 2 ⎠ ⎜ ω ⎟
⎝ s ⎠
Reconstruction par Extrapolation :
Bloqueur d’ordre zéro
ωTs ωTs
ωT
−j s
2sin Ts sin
⎛ Ts⎞ 2 − jω
2
hr ( t ) = pTs ⎜ t − ⎟ →e 2
←⎯ =e 2T
s
2 ⎝
2 ⎠ ω ωTs
2
ωTs ω
T sin ω sin π
− jω s − jπ ωs
H r ( ω) = e 2 Ts 2 = e ωs
ωTs ω
π
2 ωs