Cours 1 T. SIGNAL ESIM

Université de Jendouba 1
Ecole Supérieure des Ingénieurs de Medjez El Bab

(ESIM)
Traitement du Signal
Balti ALA, Phd
Assistant Professor, EniCarthage, ESIM, ISIMM, University of Carthage , University of
Jendouba , University of Monastir , Tunisia
2
Pourquoi les ingénieurs en mécanique devraient-ils se
pencher sur le traitement du signal ?
Les ingénieurs en mécanique des véhicules doivent connaître les

fondamentaux du traitement de signal pour plusieurs raisons, notamment:
Systèmes de Contrôle des Véhicules : De nombreux systèmes
modernes de véhicules, tels que les systèmes de contrôle moteur, les
systèmes de suspension adaptative et les systèmes de freinage ABS,
dépendent du traitement de signal. Les ingénieurs en mécanique des
véhicules doivent comprendre ces concepts pour concevoir, développer
et optimiser ces systèmes.
3
Assistance à la Conduite : Les ingénieurs en mécanique des véhicules
sont de plus en plus impliqués dans le développement de systèmes
d'assistance à la conduite qui reposent sur des capteurs et des algorithmes
de traitement de signal. Comprendre ces principes est crucial pour
concevoir des systèmes efficaces tels que le maintien de voie, l'assistance
au stationnement, la détection d'objets, etc.
Analyse des Vibrations : La compréhension du traitement de signal est
essentielle pour les ingénieurs travaillant sur l'analyse des vibrations et
l'acoustique des véhicules. Cela peut inclure la détection et la correction
des vibrations indésirables, ainsi que l'amélioration de la qualité sonore
dans l'habitacle.
4
Diagnostic des Problèmes : Lorsque des problèmes surviennent dans un

véhicule, les ingénieurs doivent souvent utiliser des techniques de
traitement de signal pour diagnostiquer et localiser les problèmes. Cela
peut concerner des domaines tels que la détection des défaillances dans
les capteurs, les systèmes de carburant, etc.
Communication Véhicule-Infrastructure et Véhicule-Véhicule : Avec
le développement croissant des communications entre véhicules et
infrastructures, les ingénieurs en mécanique des véhicules doivent
comprendre comment les signaux sont échangés et traités. Cela est
crucial pour les technologies de conduite automatisée et la sécurité
routière.
5
Intégration de Capteurs : Les véhicules modernes sont équipés

de multiples capteurs, tels que les capteurs de caméra, les
capteurs radar, etc. Les ingénieurs en mécanique des véhicules
doivent savoir comment ces signaux sont traités pour obtenir des
informations utiles, notamment dans le contexte des systèmes
avancés d'assistance à la conduite.
https://www.youtube.com/watch?v=wZ6zXNIL6u0&ab_channel=ADAMAUTO
I Etude des signaux déterministes continus
6
1)Notion de signaux et systèmes
1.1 Introduction à la théorie du signal
1.2 Quelques signaux élémentaires
1.3 Systèmes linéaires invariants dans le temps

7
1.1 Introduction à la théorie du signal

Définitions :
Le Traitement du Signal a pour but l’étude de l’information portée par des signaux.
La science fondamentale s’appelle la Théorie du Signal.
Elle a pour but la description mathématique des signaux et leurs algorithmes de traitement
La Technologie regroupe l’Electronique

• l’Informatique Industrielle
• Le TNS
On appelle signal toute variable qui porte une information.
Un signal est émis par un système physique et obtenu à l’aide d’un capteur.
Le traitement de cette information permet donc de caractériser l’évolution d’un système

physique
8
1.1 Introduction à la théorie du signal / suite
Comme exemple de signaux, on peut citer :

- les images satellite,
-les signaux biomédicaux tel l’électrocardiogramme,
- La parole
- Les sons musicaux,
…
Le Traitement d’Image est une extension du TS qui traite des signaux à 2 dimensions , les
images.
Le domaine d’application du TS est universel :

- les télécommunications,
- le traitement audio(parole et musique),
- le radar
- l’imagerie (médicale ou spatiale),
- l’automobile
- l’instrumentation
- l’électroménager
9
Le Traitement Numérique du Signal (Digital Signal Processing) abrégé en TNS ou DSP traite
les signaux numériques.
Il utilise des processeurs numériques de signaux appelés calculateurs ou DSP en anglais (Digital
Signal Processors)
Dans la plupart des cas, ces signaux numériques sont obtenus à l’aide de
Convertisseurs Analogiques/ Numériques (C. A. N.) à partir de signaux analogiques variant de
façon continue dans le monde réel .
Le bruit est un signal perturbateur qui gêne la caractérisation du signal et sa transmission.
signal analogique signal discret

5 5
4 4
3 3
2 2
1 1
amp. en Volts
amp. en Volts
0 0
-1 -1
-2 -2
-3 -3
-4 -4
-5 -5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
temps en sec. temps en sec.
10
Une chaîne de communication met en relation un système physique en évolution appelé

l’émetteur et un système, en général distant, qui doit recevoir l’ information transmise par
l’émetteur et l’exploiter malgré le bruit .
Ce système est appelé le récepteur.
De manière générale, on appelle système toute entité qui accepte des signaux d’entrée et qui
produit des signaux de sortie.
On distingue
- les systèmes analogiques dont les signaux d’entrée-sortie sont analogiques.
- les sytèmes dicrets dont les signaux d’entrée-sortie sont discrets.
signal analogique de sortie
signal analogique 5
5
4
4
2
Système 3
Analogique 1
amp. en Volts
1
amp. en Volts
0
0
-1
-2
H(f) -1
-2
-3
-3
-4
h(t) -4
-5
-5 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 temps en sec.
temps en sec.
11
Un exemple de sytème de communication discret
signal discret de sortie

signal discret
5
5
4
4
3 Système 3
2
2
Discret 1
amp. en Volts
1
amp. en Volts
0
0
-1
-2
H(z) -1
-2
-3
-4
h(n) -3
-4
-5
-5 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 temps en sec.
temps en sec.
12
Problèmes posés au TS :
On comprend donc les 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 ?

13
Solutions proposées par le TS :

- Estimer les caractéristiques d’un signal :
• L’Analyse Spectrale ( 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, …)
14
Objectif du cours :
- Classifier les différents types de signaux
- Présenter les bases mathématiques de la repésentation fréquentielle
- Comprendre les principes du filtrage
- Détecter un signal dans un bruit
- Comprendre pourquoi l’échantillonnage ne perd pas d’information
- Analyser les signaux discrets

15
1) Notion de signaux et systèmes
Classifier les signaux :
1) Signaux mathématiques et physiques
2) Classification temporelle
3) Classification énergétique
4) Classification morphologique
16
Classifier les signaux / Signaux mathématiques et physiques
- Un signal mathématique est une fonction d’un certain nombre de
paramètres dont l’un au moins est le temps. On l’appelle s(t).
- Cette fonction peut être discontinue ( le signal carré)
- Cette fonction peut avoir une énergie infinie.
- Elle a un support temporel infini
- Elle est à valeurs dans R ( s(t)=cos(wt) ) ou dans C ( s(t) = A exp (jwt) )
- Elle a un spectre à support fréquentiel

17
- Un signal physique est un signal expérimental physiquement réalisable et
mesurable par un capteur (ex un oscilloscope pour un signal électrique)
- Ce signal est continu, avec une énergie finie.
- Son amplitude maximale est bornée.
- Son support temporel est fini.
- Ce signal est réel et causal (il est nul si le temps t est négatif)
- Son spectre a un support fréquentiel fini mesurable par un analyseur de
spectre
18
signal inconnu
1
0.8
0.6
amp. en Volts
0.4
0.2
-0.2
-0.4
-50 -40 -30 -20 -10 0 10 20 30 40 50
temps en sec.
19
signal inconnu
0.6
0.5
0.4
0.3
amp. en Volts
0.2
0.1
-0.1
-0.2
0 1 2 3 4 5 6 7 8 9 10
temps en sec.
20
6000
4000
2000
amplitude
-2000
-4000
-6000
0 100 200 300 400 500
temps en ms
21
Classifier les signaux / Classification temporelle: :
- On distingue 2 classes de signaux suivant leur évolution temporelle :
- Les signaux déterministes :
On qualifie un signal de déterministe si on sait le prévoir à partir de lois
simples.
Ex. : La sortie d’un filtre électronique RC, ...
- Les signaux aléatoires :
Par opposition, on dira qu’un signal est aléatoire s’il est impossible de le
reproduire identique à lui même.

22
Classifier les signaux / Classification temporelle:
signal inconnu
1.5
0.5
amp. en Volts
-0.5
-1
-1.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
temps en sec.
23
signal inconnu
2.5
1.5
0.5
amp. en Volts
-0.5
-1
-1.5
-2
-2.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
temps en sec.
24
- Parmi les signaux déterministes on distingue : 1.5

signal inconnu
Les signaux périodiques : t, s(t )  s(t  T ) 0.5
amp. en Volts
0
-0.5
ex. s(t) Acos(2 t ) -1
T -1.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
temps en sec.
siganl pseudoaléatoire
8
Les signaux non périodiques : 6
amp. en Volts
• - les signaux pseudo-périodiques -2
0
-4
s(t )  A1 cos( w1t  1)  A2 cos( w2t   2 )

-6
-8
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
temps en sec.
signal inconnu
•
0.6
- les signaux transitoires (support temporel fini) 0.5
0.4
0.3
t1, t 2 / s(t )  0 t  t1 t  t2
amp. en Volts
si ou 0.2
0.1
-0.1
-0.2
0 1 2 3 4 5 6 7 8 9 10
temps en sec.
25
Classifier les signaux / Classification temporelle :
- La Théorie des Probabilités permet de représenter et d’extraire les
caractéristiques statistiques d’un signal aléatoire (sa valeur moyenne, sa
variance, son autocorrélation, …)
- Parmi les signaux aléatoires on distingue :

- Les signaux stationnaires : (les statistiques sont indépendantes du temps)
• ergodiques (une réalisation du signal permet d’estimer les statistiques)
• non ergodiques
- Les signaux non stationnaires
- Le Cours sur les signaux aléatoires ne considèrera que des signaux
stationnaires ergodiques.
I. Le DSP : Introduction 26
Classification temporelle globale Signaux
Signaux déterministes Signaux aléatoires
Signaux non Signaux non

Signaux périodiques périodiques Signaux stationnaires
stationnaires
Signaux
Signaux transitoires
pseudo-périodiques
Signaux non
Signaux ergodiques
ergodiques
27
Classifier les signaux / Classification énergétique
- On distingue les signaux à énergie finie
ex. les signaux transitoires
- les signaux à énergie infinie
• -à puissance moyenne finie
ex. les signaux périodiques
• -à puissance moyenne infinie
ex. la rampe s(t)=t, le bruit blanc

28
Classifier les signaux / Classification morphologique
- Si la variable t varie de façon continue, on parle de signaux continus s(t).
- Dans le cas de signaux physiques on parle également de signaux
analogiques.
- Si la variable t appartient à un ensemble dénombrable de valeurs
(t1, t2, …,tn, …, tN) on parle de signaux discrets s(tn)=s(n)
ex. La température d ‘un malade
- Si de plus tn+1 – tn = T constant, on a effectué l’échantillonnage des
signaux continus. On obtient des signaux échantillonnés s(n).
29
Classifier les signaux / Classification morphologique
- De plus l’amplitude du signal peut être continue ou discrète.

- La quantification est l ’approximation de chaque valeur du signal s(t) par un multiple d ’une
quantité q appelée pas de quantification.
- Le signal continu dont l’amplitude est discrète sq(t) est appelé signal quantifié.
- Si q est constant sur toute l ’amplitude du signal s(t), on dit que la quantification est uniforme.
- Un signal discret dont l’amplitude est discrète est appelé signal numérique.
- Il est obtenu à partir d’un signal continu à l’aide d’un convertisseur analogique/ numérique.
- La perte d’information par échantillonnage puis quantification.
- Les signaux numériques n’existent pas dans la nature puisque ce sont des suites de nombres.
30
Représenter les signaux
1) Représentation temporelle
2) Représentation fréquentielle
3) Représentation temps-fréquence
31
Représenter les signaux/ représentation temporelle
La représentation temporelle est la plus naturelle.
Elle peut être graphique :

signal cardiaque
15000
signal biomédical EEG 10000
50
5000
0
0 -5000
0 0.2 0.4 0.6 0.8 1
-50
0 1 2 3 4 5
32
Représenter les signaux/ représentation temporelle
La représentation temporelle peut également être analytique :
s(t)0 t0

 s(t)1 t0
NE JAMAIS OUBLIER AVANT DE TRAITER UN SIGNAL DE LE

REPRESENTER TEMPORELLEMENT
33
Représenter les signaux/ représentation fréquentielle
- La représentation fréquentielle appelée également spectre du signal
permet de voir beaucoup d’informations qu’on ne voit pas temporellement.
- Le spectre S(f) d’un signal s(t) est représenté graphiquement ou
analytiquement en fonction de la fréquence (positive ou négative) exprimée
en Hertz (Hz).
.
34
- On appelle support spectral l’ensemble des fréquences où le spectre est
non nul. F max  F min

Fmoy 
2
-On définit la fréquence moyenne comme
- Si Fmoy < 250 kHz on parle de signaux BF (Basses Fréquences)
- Si 250 kHz < Fmoy < 30 MHz on parle de signaux HF (Hautes Fréquences)
- Si 30 MHz < Fmoy on parle de signaux THF (Très Hautes Fréquences)

S(f)
-Fmax -Fmoy -Fmin Fmin Fmoy Fmax

f
35

représentation fréquentielle
250
200
150
module
représentation temporelle
100
6
4 50
2 0
-500 -400 -300 -200 -100 0 100 200 300 400 500
amp. en Volts
Freq en Hertz
0
200
-2
150
-4 100
50
phase en degrés
-6
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 0
temps en sec.
-50
-100
-150
-200
-500 -400 -300 -200 -100 0 100 200 300 400 500
Freq en Hertz
36

250
200
150
module
représentation temporelle
10
100
5
50
0
amp. en Volts
0
-500 -400 -300 -200 -100 0 100 200 300 400 500
Freq en Hertz
-5 représentation fréquentielle
200
-10 150
100
-15
50
phase en degrés
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1
temps en sec.
0
-50
-100
-150
-200
-500 -400 -300 -200 -100 0 100 200 300 400 500
Freq en Hertz
37
Représenter les signaux/ représentation temps - fréquence
Analyse temps-fréquence
F
r
é
q
u
e
n
c
e
Temps
38
Représenter les signaux/ représentation temps - fréquence
Représentation temporelle
1
0.8
0.6
0.4
0.2
0 Représentation fréquentielle 0
10 -0.2
-1 -0.4
10 -0.6
-2 -0.8
10
-1
0 0.5 1 1.5
-3 Temps en sec.
10 Analyse temps-fréquence
-4
10
-5
10
-6
10 F
0 1000 2000 3000 4000 5000 r
Fréquence en Hz é
q
u
e
n
c
e
Temps
39
Représenter les signaux/ signal inconnu
Représentation temporelle
1
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2
Temps en sec.
40
2
Représentation fréquentielle
10
0
10
-2
10
-4
10
-6
10
0 1000 2000 3000 4000 5000
Fréquence en Hz
41

Zoom en temps
0.25
0.2
- entre 0.01 et 0.02 sec,
0.15
0.1
il y a 9 périodes,
0.05
soit une période de 0.0011sec. 0
-0.05
-0.1
Ou une fréquence de 900 Hz
-0.15
que l’on retrouve dans le spectre précédent.-0.2

-0.25
0 0.005 0.01 0.015 0.02
Temps en sec
42

Représentation temps-fréquence
F
r
é
q
u
e
n
c
e
Temps en sec
43
1) le signal échelon unité
2) le signal porte
3) l’impulsion de dirac
4) le signal sinusoidal et l’exponentielle complexe
5) l’exponentielle réelle
7) la rampe
44
1) le signal échelon unité
- L’échelon unité u(t) permet l’étude des régimes transitoires des filtres.
- u(t) permet de rendre causal un signal ( u(t).s(t) est nul si t <0 )
u (t )  0 t0


 u (t )  1 t0
 u(t)
1
t
45
2) le signal porte
- Le signal porte  T (t ) est un signal transitoire de durée 2T.
 T (t )  0 t T


  (t )  1 t T
 T
 T (t )
1
-T T t
46
3) l’impulsion de Dirac
- L’impulsion de Dirac  (t ) est une limite de fonction.
1
lim   (t )  0 t0
 0

2  t 0 1
  (t )
1
  (t ) 
 (t )  lim 1 2
 
 0 2

1
   (t )dt  1
 2
 
 t
2 2
47
4) le signal sinusoidal et l’exponentielle complexe
- Le signal sinusoidal est le signal de base des signaux mathématiques
périodiques.
- Il représente la partie réelle ou imaginaire de l’exponentielle complexe.
s (t )  A cos( 2F 0t   ) v(t )  A sin( 2F 0t   )
s (t )  Re( x(t )) v(t )  Im( x(t ))
x(t )  Ae j 2F 0t 
48
5) l’exponentielle réelle
t
s (t )  Ae  u (t )
s(t)
A
t
49
1.2 Quelques signaux élémentaires/fin
7) la rampe
s (t )  Atu (t )
s(t)
A
1 t
50
1.3 Systèmes linéaires invariants dans le temps
- Un système est linéaire ssi
pour une entrée x1(t), on obtient une sortie y1(t)
pour une entrée x2(t), on obtient une sortie y2(t)
alors pour une entrée a1.x1(t)+a2.x2(t), on obtient en sortie a1.y1(t)+a2.y2(t) a1, a 2  C
- Un système est invariant dans le temps si son comportement se reproduit
de façon identique au cours du temps: si à une entrée x(t), on obtient en sortie y(t)
alors à l’instant t-, on obtient la sortie y(t-).
- Un système est stable si à une entrée bornée correspond une sortie bornée

Cours 1 T. SIGNAL ESIM

Transféré par

Informations du document

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

Cours 1 T. SIGNAL ESIM

Transféré par

Droits d'auteur :

Formats disponibles

Université de Jendouba 1

Ecole Supérieure des Ingénieurs de Medjez El Bab

Les ingénieurs en mécanique des véhicules doivent connaître les

Diagnostic des Problèmes : Lorsque des problèmes surviennent dans un

Intégration de Capteurs : Les véhicules modernes sont équipés

1.1 Introduction à la théorie du signal

1.2 Quelques signaux élémentaires

1.3 Systèmes linéaires invariants dans le temps

1.1 Introduction à la théorie du signal

La science fondamentale s’appelle la Théorie du Signal.

La Technologie regroupe l’Electronique

On appelle signal toute variable qui porte une information.

Le traitement de cette information permet donc de caractériser l’évolution d’un système

1.1 Introduction à la théorie du signal / suite

Comme exemple de signaux, on peut citer :

Le domaine d’application du TS est universel :

1.1 Introduction à la théorie du signal / suite

signal analogique signal discret

Une chaîne de communication met en relation un système physique en évolution appelé

Un exemple de sytème de communication discret

signal discret de sortie

1.1 Introduction à la théorie du signal / suite

On comprend donc les 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 ?

1.1 Introduction à la théorie du signal / suite

Solutions proposées par le TS :

- Transmettre des signaux

- Détecter un signal dans un bruit

1.1 Introduction à la théorie du signal / suite

- Classifier les différents types de signaux

- Présenter les bases mathématiques de la repésentation fréquentielle

- Comprendre les principes du filtrage

- Détecter un signal dans un bruit

- Comprendre pourquoi l’échantillonnage ne perd pas d’information

- Analyser les signaux discrets

1.1 Introduction à la théorie du signal / suite

Classifier les signaux :

1) Signaux mathématiques et physiques

1.1 Introduction à la théorie du signal / suite

Classifier les signaux / Signaux mathématiques et physiques

- Un signal mathématique est une fonction d’un certain nombre de

paramètres dont l’un au moins est le temps. On l’appelle s(t).

- Cette fonction peut être discontinue ( le signal carré)

- Cette fonction peut avoir une énergie infinie.

- Elle a un support temporel infini

- Elle est à valeurs dans R ( s(t)=cos(wt) ) ou dans C ( s(t) = A exp (jwt) )

- Elle a un spectre à support fréquentiel

1.1 Introduction à la théorie du signal / suite

Classifier les signaux / Signaux mathématiques et physiques

- Un signal physique est un signal expérimental physiquement réalisable et

mesurable par un capteur (ex un oscilloscope pour un signal électrique)

- Ce signal est continu, avec une énergie finie.

- Son amplitude maximale est bornée.

- Son support temporel est fini.

- Son spectre a un support fréquentiel fini mesurable par un analyseur de

1.1 Introduction à la théorie du signal / suite

Classifier les signaux / Signaux mathématiques et physiques

1.1 Introduction à la théorie du signal / suite

Classifier les signaux / Signaux mathématiques et physiques

1.1 Introduction à la théorie du signal / suite