Chapitre2 Pres

Chapitre II :
Généralités sur les signaux et les systèmes

I.Introduction...................................................................................................................................2
A. Généralités sur les signaux.........................................................................................................6
I.Classification des signaux.............................................................................................................6
II.Définitions de quelques signaux élémentaires...........................................................................22
B. Généralités sur les systèmes.....................................................................................................35
I.Introduction.................................................................................................................................35
II.Systèmes continus......................................................................................................................36
C. Signaux à temps continus.........................................................................................................54
I.Introduction.................................................................................................................................54
II.Signaux périodiques : série de Fourier......................................................................................55
III.Transformée de Fourier............................................................................................................58
D. Les signaux et systèmes à temps discret...................................................................................65
I.Les systèmes échantillonnés.......................................................................................................65
II.Les signaux à temps discret.......................................................................................................74
III.Transformation en Z.................................................................................................................74
IV.Transformée de Fourier Discrète (TFD)..................................................................................78
Licence 3 ESA et Mécatronique
I. Introduction
Objectifs du traitement du signal :
• Élaboration, détection et interprétation des signaux porteurs d’information.

• Moyens utilisés : principalement électronique et informatique.
Champs d’applications :
 Télécoms
 Instrumentation scientifique
 Intelligence artificielle
 Traitement de l’image
 etc.
Le traitement du signal :ensemble d’outils mathématiques.

Utilisation :  chaque fois que l’on a besoin de séparer un message du bruit qui le dégrade.
Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 2

1. Exemple : chaîne de transmission

Une chaîne de transmission se présente généralement sous la forme suivante :
Message Signal Signal Signal Signal de Message

d’entrée d’entrée émis reçu sortie de sortie
Système Transducteur Codeur/ Canal de Décodeur/ Transducteur

Emetteur transmission Récepteur
Bruit Bruit Bruit Traitement du

Interférences signal
Distorsions
Canal de transmission : câble, ondes dans l’atmosphère, fibre optique

Il est caractérisé par son atténuation.
Codeur / Emetteur : le signal doit être codé ou modulé afin d’être adapté au canal de transmission.
Décodeur / Récepteur : il restaure la forme initiale du signal. C’est ici qu’intervient le traitement du
signal afin de retrouver au mieux le signal original malgré le bruit qui lui a été
superposé.
Le Bruit : ce sont des signaux aléatoires dont les causes peuvent êtres provoquées ou naturelles. Il
constitue une limitation fondamentale pour tous les systèmes de transfert d’information.

2. Signal et information
Définition d’un signal : un signal est la représentation physique d’une information qui est transmise
d’une source à un destinataire.
Types de signaux :
Le signal électrique,
Le signal vocal
Le signal optique,
Etc.
Remarque : tout signal peut, suivant le phénomène envisagé, être considéré comme aléatoire.
Exemple : les ondes électromagnétiques d’origine galactique captées par les antennes sont des
bruits pour les ingénieurs télécom, mais sont le signal utile pour les astronomes.
Définition du signal électrique : un signal électrique est la représentation d’une grandeur électrique
en fonction du temps.
Puisqu’il est facile de transformer un signal électrique en autre type de signal, le traitement du signal
s’appliquera sur le signal électrique.

A. Généralités sur les signaux

I. Classification des signaux
Nombreux types de signaux  Différentes classifications :
• Phénoménologique
• Morphologique
• Spectrale
• Énergétique
1. Classification phénoménologique
On met en évidence le type d’évolution du signal, on peut donc distinguer les signaux déterministes et
aléatoires.
1.1 Signaux déterministes

Leur évolution en fonction du temps peut être parfaitement prédite par un modèle mathématique approprié.
 2 sous-classes de signaux déterministes :

 les signaux périodiques.
 les signaux non-périodiques.

1.1.1 Signaux déterministes périodiques :
 Obéissent à la loi x(t-kT) = x(t)
Exemple :
 Signaux sinusoïdaux
 Signaux pseudo-aléatoires
 Signaux composites reproductibles
x(t)

1.1.2 Signaux déterministes non-périodiques
Ce sont tous les signaux qui n’obéissent pas à la loi précédente.
Exemple :
 Les signaux quasi-périodiques
 Les signaux transitoires
x(t)

1.2 Signaux aléatoires

Leur comportement temporel est imprévisible, pour les décrire, il faut se contenter de l’observation
statistique.
Exemple : le bruit
 2 sous-classes de signaux aléatoires : les signaux stationnaires et non-stationnaires.
1.2.1 Signaux aléatoires stationnaires :
Ils ont des caractéristiques statistiques invariantes dans le temps.
1.2.2 Signaux aléatoires non-stationnaires
Ils ne jouissent pas de la propriété précédente.

1.2.3 Récapitulatif
Signaux
Déterministes Aléatoires
Non Stationnaires
Non
Périodiques Stationnaires
Périodiques
Périodiques Pseudo Quasi Non Classification

Sinusoïdaux Transitoires Ergodiques
composites aléatoires Périodiques ergodiques Spéciale

1.2.4 Quelques exemples

x ( t) x ( t)
To To
t t
S ig n a l s i n u s o ïd a l S i g n a l p s e u d o a lé a to ir e
x ( t) x ( t)
To
t
t
S i g n a l p é r io d iq u e c o m p o s ite S ig n a l a lé a to ir e s ta ti o n n a ir e
x ( t) x ( t)
T2
T1
t t
S i g n a l q u a s i p é ri o d iq u e S i g n a l a lé a to ir e n o n s ta t io n n a ir e

2. Classification morphologique
2.1 Signaux analogiques
Amplitude
continue
Variable
continue
2.2 Signaux quantifiés

Amplitude
discrète
Variable
continue

2.3 Signaux échantillonnés

Amplitude
continue
Variable
discrète
2.4 Signaux numériques

Amplitude
discrète
Variable
discrète
Exemples de systèmes de traitement :
Systèmes analogiques : amplificateurs, filtres, modulateurs, …

Systèmes échantillonnés : filtres à capacités commutées, …
Systèmes numériques : filtres numériques, corrélateurs, …

3. Classification spectrale
L’analyse spectrale (l’étude de la transformée de Fourier d’un signal) conduit à une classification basée sur
la répartition de l’énergie en fonction de la fréquence).
• Basse fréquence
• Haute fréquence
• Bande étroite
• Large bande

4. Classification énergétique
On peut classer les signaux en fonction de leur énergie, selon qu’elle soit finie ou infinie.
4.1 Définitions de l’énergie et de la puissance d’un signal

Puissance instantanée absorbée : p(t) = v(t)  i(t) (Watt = VoltAmpère)
1
Dans le cas d’une résistance linéaire : p (t ) Ri ²(t ) 
R
v ²(t )
t2 t2 t2
L’énergie absorbée dans un intervalle [t1,t2] : E=∫ p(t ) dt =R∫ i² (t ) dt= 1 ∫ u² (t )dt (Joules)
t t
1
Rt 1 1
La puissance moyenne dans la durée de l’intervalle [t1,t2] est :
t2 t2 t2
1 R 1 (Watt)
P= ∫ p(t) dt= ∫ i² (t ) dt= ∫ u² (t )dt
t 2 −t 1 t1
t 2 −t 1 t 1
R (t 2 −t 1 ) t 1

Pour caractériser un signal f(t) (i(t) ou v(t)) du point de vue énergétique, on définit l’énergie totale d’un signal de la
manière suivante :
+∞
E= ∫ f² (t ) dt (V².s ou A².s)
−∞
Ce qui correspond à l’énergie absorbée dans un intervalle (-,+) par une résistance de 1 .
De même on définit la puissance moyenne totale d’un signal de la manière suivante :

T
+
2
1
P= lim ∫ f² (t )dt (V² ou A²)
T →∞ T T
−
2
Ce qui correspond à la puissance moyenne absorbée dans un intervalle (-,+) par une résistance de
1 .

4.2 Signaux à énergie totale finie

Ce sont tous les signaux de type transitoire qu’ils soient déterministes ou aléatoires. Ils n’existent que d’un
temps t1 à un temps t2, ce sont des signaux de carré intégrable et définis par:
∞
E x = ∫ ∣xt ∣²dt∞
−∞
illustration:
x(t)
t
t1 t2
Leur puissance moyenne totale est nulle

4.2.1 Exemple : signal rectangulaire
f(t)
t
-/2 /2
+∞ + /2
Énergie totale : E= ∫ f² (t ) dt = ∫ E² (t ) dt =E² 
−∞ − / 2
T
+
2
1 E² 
Puissance moyenne totale : P= lim ∫ f² (t)dt =lim =0
T →∞ T T T →∞ T
−
2
4.3 Définition
+∞
Les signaux à énergie totale finie sont ceux pour lesquels l’intégration E= ∫ f² (t) dt est bornée. Leur
−∞
puissance moyenne totale est donc toujours nulle.

4.4 Signaux à puissance moyenne totale finie
4.4.1 Exemple d’un signal sinusoïdal
Soit le signal f (t )  A sin  t ,
Énergie totale :
+∞ +∞ +∞ +∞
2 A² +∞ 1
E= ∫ f² (t ) dt = ∫ A²sin (2  t )dt= ∫ (1−cos(2  t ))dt=[ A²t ]−∞−[ A² sin(2  t)] → ∞
−∞ −∞ 2 −∞ 2  −∞
Puissance moyenne totale :

T
+
2
1
P= lim
T →∞ T
∫ A²sin²  t dt = A²2 une valeur finie
T
−
2
4.4.2 Définition
Les signaux à puissance moyenne totale finie sont ceux qui satisfont à la condition suivante :
T
+
2
1
0< lim ∫ f² (t )dt < ∞ , leur énergie totale est infinie.
T →∞ T T
−
2

5. Signal causal
Un signal est dit causal si il est nul pour toute valeur négative du temps.
x(t) = 0 si t < 0
La réalité expérimentale ne connaît que des signaux causaux. Cependant, pour la commodité des calculs on
les définit souvent sur la totalité de l’axe des temps.
Remarque : Un signal expérimental est l’image d’un processus physique, il est donc soumis aux
contraintes suivantes :
 Énergie et amplitude bornées

 L’amplitude est une fonction continue car l’inertie du système interdit toute discontinuité
 Le spectre du signal est borné, il tend vers 0 quand t  

II. Définitions de quelques signaux élémentaires
1. Signal exponentiel
f (t) ke t où  est une valeur réelle, on distingue alors trois cas :
  > 0, la valeur du signal augmente avec le temps
  < 0, la valeur du signal diminue avec le temps
  = 0, c’est un signal avec une valeur constante
f(t)
 <0  >0
=0

2. Signal sinusoïdal :
f t = K sin  t 
où : K représente l’amplitude (valeur crête)
1
 représente la pulsation :  2f 2
T
 représente la phase initiale : = T 0

T

2
1
La valeur moyenne est donné par : F moy = ∫ K sin  t dt=0
T T
−
2
T


2
La valeur efficace est donnée par : F eff = 1 ∫ K² sin²  t dt = K2
T T
−
2
f(t)
To

3. Fonction signe
Sgn(t)  -1 t < 0
+1 t > 0
t
= t pour t  0
Sgn(t)
+1
-1
La valeur à l’origine est arbitraire (située entre -1 et 1) on prend généralement 0 qui est la valeur moyenne.

4. Fonction saut ou échelon unité (échelon d’Heaviside)

u(t) = 0 t<0
1 t>0 u(t-to)
1 1 +1
u(t)   Sgn(t)
2 2
t
t=to
u(t)
+1
Remarque : un signal saut avec retard t= to :
u(t) = 0 t < to
1 t > to

5. Fonction rampe
t
r t = ∫ u  d =t×ut 
−∞
dr t
ou u t = pour t  0
dt
r(t)
t
1

6. Fonction porte ou fonction rectangulaire

rect(t) = 1 |t| < ½
0 |t| > ½
1 1
donc : rect(t) u(t  )  u(t  )
2 2
Surface
unité rect(t)
1
t
-1/2 1/2

Remarque :
d
éca
lag
e
A.rect t 
 
tt  T
 
re
c 
 T

 ’e
nve
rgu
re’ S
urfa
ce=T
A
1
t t
T
  
 T -T/2 T/2
2 2
Cette fonction intervient fréquemment comme facteur multiplicatif pour localiser un segment de durée T
d’un signal quelconque.
x (t)
x (t).rec t  t   
 
 T 
 t

7. Fonction triangle
tri(t) = 1 - |t| |t|  1
0 |t| > 1
tr
i(t
) t
r

it



 T


S
urf
ace
u
ni
té S
ur
fac
eT
1 1
t t
-
1 1 
-T 
+T

8. Fonction Delta ou impulsion de Dirac
8.1 Introduction
Impulsion de Dirac :  Signal particulier qui n’existe pas réellement dans la pratique
 mais qui est très utilisé en théorie des signaux et systèmes continus.
La description théorique complète de cette fonction est donnée par la « théorie des distributions ».
Ici : résumé sommaire de la fonction Delta et de ses propriétés les plus importantes
8.2 Définition
D’une manière générale on peut considérer l’impulsion de Dirac comme la limite d’un signal rectangulaire
de surface unité dont la largeur tend vers 0.
L’une des nombreuses définitions possibles de la fonction Delta est la suivante. Partons d’une impulsion
rectangle définie par :
1 t
f(t) = 1
2 |t| <  =
2  
rect
2
0 |t| > 

Si on diminue le paramètre , l’impulsion f(t) devient plus étroite et haute, tandis que l’aire demeure égale
à 1. Dans le cas limite où   0, on obtient la fonction delta (t) :
 t =lim f  t 
0
(t) est représenté symboliquement par une flèche verticale de longueur 1 :

f
(t
) 
(
t
)
1 1
2
 

 +
-  t 0 t
Il existe d’autres moyens de définir exactement la même fonction Delta :

1ère possibilité :
(t) = 0 t0
∞
∫ t  dt=1
−∞
2ème possibilité :
∞
∫ xt  t  dt=x 0

−∞
où x(t) est une fonction arbitraire sans discontinuité en t=0
Ces deux dernières définitions ne sont pas faciles à se représenter visuellement, mais elle permettent de
mieux comprendre certaines propriétés de (t).

8.3 Propriétés de (t)
 (t-to) et (to-t) représentent une fonction delta à t=to

∞ ∞ ∞
 ∫ t−t 0  x t dt= ∫  t 0−t  x t  dt=x t 0  rappel : ∫ xt  t  dt=x 0
−∞ −∞ −∞
1
 (at)  (t)
a
 x(t)(t) = x(0) (t) donc x(t) (t-to) = x(to) (t-to)
 x(t) * (t) = x(t)
 x(t) * (t-to) = x(t-to)
NB : * symbolise le produit de convolution

8.4 Remarques
8.4.1 Échantillonnage
L’impulsion de Dirac est un opérateur d’échantillonnage qui restitue la valeur x(0) d’un signal x(t) à t=0 ou
la valeur x(to) de x(t) à t=to si on utilise (t-to).

B. Généralités sur les systèmes

I. Introduction
Système : ensemble structuré transformant un signal d’entrée x(t) en un signal de sortie y(t)
où t peut être continu ou discret
 Deux grandes classes de systèmes :
 Système continus
 Systèmes discrets (systèmes échantillonnés)
Nombreuses manière de décrire un système donné :
La plus utilisée : description entrée-sortie

Permet de calculer le signal de sortie en connaissant le signal d’entrée.

II. Systèmes continus
1. Introduction
Un système est un ensemble structuré destiné à effectuer des opérations sur les grandeurs d’entrée.
Deux propriétés :
 Linéarité
 Invariance dans le temps
1.1 Linéarité
Un système continu est linéaire si :
ax1(t) + bx2(t)  ay1(t) + by2(t), (a et b constantes arbitraires)
La propriété de linéarité implique en fait deux autres propriétés :

1.1.1 Propriété de superposition
x1(t) Système y1(t)=f[x 1(t)]

linéaire
x2(t) Système y2(t)=f[x2(t)]

linéaire
y(t)=f[x1(t)+x2(t)]
x1(t)+x2(t) Système =f[x1(t)]+f[x2(t)]
linéaire =y1(t)+y2(t)

1.1.2 Propriété d’homogénéité
Si l’entrée est multipliée d’un facteur , alors la sortie est multiplié par .
x(t) Système y(t) =f[x(t)]

linéaire
x(t) Système y(t) = f[x(t)] = f[x(t)]

linéaire

2. Invariance dans le temps

Un système continu est invariant dans le temps si le signal d’entrée x(t-) produit un signal de sortie y(t)
 si un retard est appliqué à la grandeur d’entrée, il y a un retard identique sur la grandeur de sortie.
x(t1) x(t1)
x1(t) y1(t)
t S.L.I.T. t
x(t1) x(t1)
x1(t-) y2(t- )
S.L.I.T.
t t
 

Relation entre x(t) et y(t) dans tout système linéaire invariant dans le temps :
 équation différentielle linéaire en t à coefficients constants, par exemple :
dx(t ) d N x(t ) dy (t ) d M y (t )
y (t ) b0 x(t )  b1  ....  bN N
 a1  ....  aM
dt dt dt dt M
où les coefficients : a1, …, aM, b0, …,bM caractérisent le système.
Pb : La résolution n’est pas toujours simple
 Utilisation d’autres méthodes plus simple applicables aux systèmes stables et causaux.
2.1 Stabilité
Un système continu est stable si tout signal d’entrée arbitraire x(t) d’amplitude finie produit un signal de
sortie d’amplitude finie.
∣x (t )∣< A →∣y (t )∣< B

2.2 Causalité
Pour un système causal, lorsque l’entrée est un signal causal, la sortie correspondante est un signal causal.
La réponse est toujours après l’entrée. L’effet ne précède pas la cause.

3. Réponse impulsionnelle
Un système linéaire invariant dans le temps (CLI) peut être entièrement décrit par sa réponse
impulsionnelle, c’est à dire par le signal de sortie h(t) obtenu si le signal d’entrée est une fonction delta
(t).
(t)
h(t)
(t)
Système h(t)
CLI
t t
0
La connaissance de h(t) permet de calculer le signal de sortie y(t) correspondant à un signal d’entée quelconque x(t).
Exemple
xˆ(t ) est une suite de rectangles adjacents d’épaisseur  et de hauteur égale à la valeur de la fonction de départ à la demi-
largeur du rectangle.

x(t) x(t)
t t

Système linéaire :  yˆ(t ) obtenu à partir de xˆ(t ) en calculant les signaux de sortie de chacun des petits
rectangles et en les additionnant.
Dans un système CLI il est donc uniquement nécessaire de connaître le signal de sortie d’un rectangle pour
pouvoir calculer, pour un xˆ(t ) donné, le signal de sortie yˆ (t ) .
De plus, plus  devient petit, plus xˆ(t ) devient une meilleure approximation de x(t) et yˆ(t ) de y(t).
Cas limite où   0 : on peut remplacer le rectangle à t= par une fonction delta x()(t-) et on peut donc
écrire :
+∞
x (t )=∫ x ( )(t − ) d 
−∞

 On peut donc déterminer y(t) pour un signal x(t) donné si on connaît le signal de sortie correspondant à
(t), et par définition cela constitue la réponse impulsionnelle notée h(t).
En résumé :
 Le signal d’entrée (t) produit le signal de sortie h(t),
En vertu de l’invariance dans le temps, le signal d’entrée (t-) produit le signal de sortie h(t-)
En vertu de la linéarité x()(t-)  x()h(t-)
+∞ +∞
Le signal d’entrée ∫ x ( ) (t−) d  produit donc le signal de sortie ∫ x ( ) h(t −)d 
−∞ −∞
En résumé, un système CLI dont la réponse impulsionnelle est h(t), produit à partir du signal d’entrée x(t)
un signal de sortie y(t) donné par :
+∞
y (t )= ∫ x ( ) h(t−) d 
−∞
Le membre de droite de cette équation représente une intégrale de convolution.

Remarque :
Il est possible de voir directement à partir de la réponse impulsionnelle d’un système CLI si celui-ci est
stable, causal, ou les deux à la fois.
Pour un système stable :

+∞
∫ ∣h(t )∣dt< ∞
−∞
Pour un système causal :

h(t) = 0 pour t < 0
4. Fonction propre
Considérons un signal d’entrée :
x f (t )= A e 2  jft A et f étant constants :
Alors y f (t )= x f (t ) H ( f )
H(f) étant un coefficient dont la valeur est :

+∞
−2  jf 
H ( f )= ∫ h( )e d
−∞
Donc l’exponentielle complexe est fonction propre des systèmes linéaires et invariants dans le temps.

5. Réponse en fréquence
La transformé de Fourier de la réponse impulsionnelle h(t) d’un système CLI est appelée réponse en
fréquence H(). Tout comme h(t), H() fournit une description complète de ce système.
L’importance de H() est due principalement au fait qu’elle permet de déterminer le signal de sortie y(t)
pour un signal d’entrée donné x(t) sans avoir à calculer l’intégrale de convolution.
En effet si X() et Y() désignent les transformées de Fourier de x(t) et y(t), nous avons la relation :
Y() = X().H()
La transformation inverse de Y() fournit y(t)
Les deux méthodes pour calculer y(t) à partir de x(t) et h(t) (convolution dans l’espace des temps et
multiplication dans l’espace des fréquences) sont schématisées ici :

x(t) h(t)
x(t) h(t) TF TF
X( ) H()
Y()
y(t)
TF -1
y(t)

6. Convolution
6.1 Définition
C’est l’effet que produit un instrument de mesure qui donne d’un phénomène, par exemple le signal
d’entrée, non pas une image nette, mais une image un peu floue. En optique l’image d’un point à travers un
instrument est une tache.
En électronique une impulsion infiniment brève injectée à l’entrée d’un système linéaire ne donne jamais
en sortie une impulsion infiniment brève mais un signal de durée non nulle (d’autant plus vite éteint que la
bande passante est grande).
Nous avons vu précédemment que ce signal, réponse à une impulsion infiniment faible, est appelé réponse
impulsionnelle.
Le fait que le système traduise un signal infiniment bref par un signal de durée infinie va évidemment
déformer un signal quelconque qui est injecté à son entrée.
Connaissant la réponse impulsionnelle h(t) d’un système linéaire et un système d’entrée e(t), peut-on
déterminer par le calcul, le signal de sortie s(t) ?
C’est le problème qui a pour solution l’équation de convolution.

6.2 Équation de convolution
6.2.1 Principe
e(t)
e(t) s(t) = ?
t
(t)

1
t
t
h1(t)
1
t
t.h1(t)
e(0)
t
1ère impulsion
e(0).h1(t).t
e(t)
t
2nde impulsion
e(0).h1(t-t).t
e(kt)
t
kième impulsion
e(kt).h1(t-kt).t

Puisque le système est linéaire nous pouvons lui appliquer le théorème de superposition où la sortie sera la
somme des contributions de chaque impulsion élémentaire jusqu’à l’instant considéré.
l
s(t)=∑ e (k  t ). h(t−k  t ).  t où l est la partie entière de t
t
k =0
Si t  0, alors e(kt) se rapproche de e(t), et h1(t) se rapproche de h(t)

t
s(t)=∫ e ( ) h(t − ) d  avec  = k.t

0
+∞
donc s(t)= ∫ e( ) h(t− ) d  car il n’existe pas de contribution au delà de t.

0
+∞
donc s(t)= ∫ e( ) h(t− ) d  puisque le système est causal

−∞
L’équation de convolution s’écrit symboliquement :
s(t) = e(t)  h(t)

Le produit de convolution est :
 Distributif :
a(t)  [b(t)+c(t)]=a(t)  b(t) + a(t)  c(t)
 Commutatif et associatif :
a(t)  b(t)  c(t) = a(t)  c(t) b(t) = c(t)  b(t) a(t) etc….
[a(t)  b(t)]  c(t) = a(t)  [b(t)  c(t)] = a(t)  b(t)  c(t)
6.2.2 Remarque
Il est inexact de représenter cette opération par le schéma de gauche car le signal de sortie à l’instant t ne
dépend pas de la seule valeur de h(t) à l’instant t et de la seule valeur de e(t) à l’instant t.
t
e
(
t) s
(
t) e
(
t)
 s
(
t)

h
(
t) h
(
t)
Le signal de sortie à l’instant t dépend théoriquement de toute l’histoire du signal e(t). Le schéma correct
est donc celui de droite.

6.3 Dé-convolution
On peut se trouver confronter à deux classes de problèmes :
 Connaissant le signal d’entrée et le signal de sortie d’un système linéaire , peut on en déduire sa réponse
impulsionnelle ?
 Connaissant la réponse impulsionnelle d’un système linéaire et son signal de sortie, peut-on obtenir son
signal d’entrée ?
Ces deux problèmes reviennent à résoudre l’équation de convolution inverse.

s(t) = e(t) * h(t)
Un tel problème n’a en général pas de solution, autrement dit, sauf cas particulier, il n’existe pas de
réponse impulsionnelle qui à un signal e(t) donné fasse correspondre un signal s(t) donné.
C’est un réel problème car l’essentiel des problèmes d’identification de processus ou de mesure réside dans
cette opération de dé-convolution.
En d’autres termes, si l’équation de convolution s(t) = e(t) * h(t) a toujours une solution, l’équation de dé-
convolution que l’on écrit :
h(t ) s (t )** e(t )
*
n’a pas toujours de solution (ou bien en a plusieurs)
e ( t )  s ( t )* h ( t )

Cas des systèmes réels physiques :
On pourrait supposer qu’en enregistrant simultanément le signal d’entrée et le signal de sortie réels d’un
système réel, on puisse, par dé-convolution, en tirer h(t), puisque le système existant, sa réponse
impulsionnelle existe aussi.
Or cette opération n’est en général pas réalisable. Elle n’est pas réalisable non plus dans le cas de systèmes
linéaires, car on ne mesure jamais exactement e(t) mais on mesure e(t) entaché d’une erreur (t), de même
pour s(t) on mesure s(t) + (t) donc l’équation de dé-convolution n’est pas forcément soluble.
7. Fonction de transfert
7.1 Définition
La fonction de transfert H(f) d’un système linéaire invariant dans le temps est égale à la transformée de
Fourier de la réponse impulsionnelle. La fonction de transfert est également appelée gain complexe.
+∞
−2  jf 
H ( f )= ∫ h( )e d
−∞
Remarque : La fonction de transfert est sans dimension, ce qui permet d’exprimer son module en décibels.

C. Signaux à temps continus

I. Introduction
Tous les signaux que l’on trouve dans la nature sont dépendants de manière continue du temps.
Systèmes de traitement : ces signaux sont échantillonnés :

 transformés en signaux à temps discrets
 exploitables par des méthodes numériques.
L’analyse d’un signal peut être faite de deux manières :

 analyse de l’évolution en fonction du temps
 analyse de sa représentation fréquentielle (spectre)
 2 représentations des signaux + 2 types de signaux (temps discret et temps continu)

 4 classes de signaux associées 4 transformations.
Les signaux à temps et fréquence continus  transformation de Fourier qui permet de passer de la
représentation en temps à la représentation en fréquence.
Les signaux à temps continu et fréquence discrète  série de Fourier.

II. Signaux périodiques : série de Fourier
1. Définition
Soit x(t) une fonction périodique de période T.
Elle doit de plus être telle que :
 elle est bornée
 elle présente un nombre fini de discontinuités

T

 l’intégration 2
a une valeur finie
∫ ∣x t∣dt
T
−
2

Ce signal peut alors se décomposer en une somme de sinusoïdes et s’écrire :
a0 ∞
x t = ∑  a n cos2  n  0 t b n sin 2 n  0 t
2 n=1
1
où 0 
T
est la fréquence fondamentale du signal x(t)
a0
x(t) est donc formé d’une composante continue ( 2 ), de la fréquence fondamentale (0), et des
harmoniques du fondamental.
Cette décomposition du signal x(t) en une série d’harmoniques est la série de Fourier.
an et bn sont donnés par :

T

2
2
a n= ∫ xt cos 2 n 0 t dt
T T
−
2
T

2
2
b n= ∫ xt sin 2  n  0 t  dt
T T
−
2

2. Série de Fourier complexe

En introduisant les nombres complexes :
1 1
Xn  ( an  jbn) X  n  ( an  jbn )
2 2
on obtient la série de Fourier complexe :
+T /2
∞
1 − j 2  n  t
x t =∑ X n e j 2 n  t
0
avec X n = ∫ x(t)e dt0
−∞ T −T /2
Xn est le spectre complexe qui fait apparaître des fréquences positives (n > 0) et négatives (n < 0).
Les composantes e j 2  n  t et e− j 2  n  t permettent de retrouver la composante en phase ( cos 2 n
0 0 0 t ) et la
composante en quadrature ( sin 2 n t ) apparaissant dans la série de Fourier.
0

2.1 Simplifications
 propriétés de symétrie :
 an = 0 si la fonction x(t) est impaire car x(t) = -x(-t)
 bn = 0 si la fonction x(t) est paire car x(t) = x(-t)
2.2 Autre forme

La décomposition peut également s’écrire de la manière suivante :
∞
a b
x t = D0  Dn cos2  n  0 t− n  avec D0  20 ,
∑ tan  n  n , et
an
Dn  an ²  bn ²
n=1
2.3 Spectre de fréquence

D’après la série de Fourier d’un signal périodique, chaque terme de la somme constituant x(t) est
représenté par son amplitude Dn et sa phase (-n)
Le spectre d’amplitude du signal correspond à Dn en fonction de la fréquence 
Le spectre de phase du signal correspond à n en fonction de la fréquence 
III. Transformée de Fourier
1. Définition
Soit un signal transitoire x(t) vérifiant :

+∞
∫ ∣x(t)∣² dt< ∞
−∞
La transformée de Fourier X() du signal x(t), appelée aussi spectre complexe est donnée par :
∞
X  = ∫ x t e− j 2   t dt
−∞
que l’on peut également noter : X ( ) TF  x (t ) 
Ce spectre est une fonction à valeurs complexes

Il peut donc s’écrire :
X ( ) R ( )  jI ( )  A( )e j ( )
Où R() et I() sont respectivement les parties réelles et imaginaires de X() et s’écrivent :
+∞ +∞
R()= ∫ x (t)cos(2  t)dt et I ()=−∫ x(t )sin(2  t)dt
−∞ −∞
Ce sont les composantes de x(t) en phase et en quadrature à la fréquence .
On donnera souvent le spectre complexe en module et phase
A( )  X ( )  R ( ) 2  I ( ) 2 est le spectre d’amplitude
I 
 =arctan [ ] R
est le spectre de phase

2. Transformée inverse
On peut reconstituer le signal x(t) à partir de son spectre complexe par :
+∞
j 2 t
x(t)= ∫ X ()e d
−∞
1
que l’on note également x(t ) TF  X ( ) 
La transformation de Fourier inverse (TF-1) permet d’interpréter x(t) comme une somme de composantes de
fréquence pure ( e ) dont le module et la phase sont fixés par le spectre.
2 j t
3. Condition d’existence de la transformée de Fourier

1. La fonction f(t) doit être bornée (pas de valeurs infinies).
2. L’intégrale de |f(t)| entre - et + doit avoir une valeur finie.
3. Les discontinuités de f(t) ainsi que ses maxima et minima doivent être en nombre fini.
Réciproque vraie :  il suffit que f(t) ainsi que sa transformée de Fourier soient à énergie finie.

4. Propriétés
Notation : x (t ) TF X ( )
→
Addition : x (t )+ y (t) TF X ()+ Y ()

→
Linéarité :  x (t) TF  X ()  1 x (t )+  2 y (t ) TF  1 X ()+  2 Y ()
→ →
Translation : x (t −a)= TF e− j 2   a X ()

→
Réciproquement : x (t )e+ j 2  a t = TF X (−a)

→
1
x (at) TF

Dilatation d’abscisses :
→ ∣a∣
X
a ()
Relation de symétrie :
x ∗ (t ) TF X ∗
(−)
→
en particulier si x(t) est réel alors x(t) = x*(t) donc :
X ( )  X * (   ) : Symétrie Hermitienne
dx(t ) TF
Dérivée : 2  j  X ()
dt →

5. Pourquoi la transformation de Fourier ?

La transformation de Fourier :  décomposition en éléments sinusoïdaux.
Or les éléments sinusoïdaux sont des fonctions propres des systèmes linéaires, c’est à dire qu’un tel signal
n’est pas déformé par passage dans un filtre linéaire.
 D’où l’intérêt d’utiliser cette décomposition.

D. Les signaux et systèmes à temps discret

I. Les systèmes échantillonnés
1. Introduction
Nous avons déjà vu que les signaux naturels sont représentés par des fonctions continues du temps :
signaux analogiques ou signaux à temps continus. Afin d’utiliser des systèmes de traitement numériques on
échantillonne ces signaux. En général on réalise un échantillonnage régulier parfait qui associe au signal
analogique x(t) la suite de ses valeurs aux instants nTE, TE étant la période d’échantillonnage. La suite
x(nTE) constitue le signal échantillonné ou signal digital x(n), car, afin de simplifier les notation, on ne fait
pas apparaître le période d’échantillonnage. Comme pour les signaux analogiques, les signaux
échantillonnés peuvent être traités en utilisant des systèmes linéaires invariants dans le temps, que l’on
appelle systèmes échantillonnés.
2. Définition des systèmes échantillonnés
Considérons le système échantillonné suivant soumis à signal d’entrée échantillonné x(n) :
x(n) Système y(n)

discret
Il délivre alors en sortie le signal échantillonné y(n). Comme dans le paragraphe précédent, le système est
linéaire s’il possède les propriétés d’homogénéité et d’additivité.
2.1 Homogénéité
Si l’entrée est multipliée d’un facteur , alors la sortie est multiplié par .
x(n) Système y(n) =f[x(n)]

Discret linéaire
x(n) Système y(n) = f[x(n)] = f[x(n)]

Discret linéaire
2.2 Additivité
La sortie globale d’un système linéaire pour une entrée composée de la somme de deux signaux x 1(n) et
x2(n) est égale à la somme de deux sorties y1(n) et y2(n).

x1(n) Système y1(n)=f[x1(n)]

Disc. Lin.
x2(n) Système y2(n)=f[x2(n)]

Disc. Lin.
y(n)=f[x1(n)+x 2(n)]
x1(n)+x 2(n) Système =f[x1(n)]+f[x2(n)]
Disc. Lin. =y1(n)+y 2(n)
D’où la propriétés de linéarité :
1x1(n)+2x2(n)  1y1(n)+2y2(n)
2.3 Invariance dans le temps

Si on décale dans le temps le signal d’entrée d’une durée n0 (en fait n0TE, soit un nombre entier de pas
d’échantillonnage) le signal de sortie est décalé de la même durée. On parle également de système
stationnaire.
Donc si un système échantillonné est linéaire et stationnaire, on aura :

x1(n) Système discret y1(n) =f[x1(n)]

linéaire station.
x2(n) y2(n) = f[x 2(n)]
1 x1(n-n 0) + 2x 2(n-n 0) Système discret 1 y1(n-n0) + 2y 2(n-n0)

linéaire station.
Dans un tel systèmes les signaux d’entrée et se sortie peuvent être reliés :
 en temps
 en fréquence (TZ)
 par une équation aux différences
3. Réponse impulsionnelle
Comme dans le cas d’un système continu, le système peut être entièrement décrit par sa réponse
impulsionnelle, c’est à dire par le signal de sortie obtenu si le signal d’entrée est une impulsion de Dirac.

Prenons en entrée une impulsion de Dirac discrète :
(n) = 0,n = 0 si n  0
1 si n = 0
Soit h(n) la réponse impulsionnelle du système, à une entrée x(n) correspond la sortie :
y ( n )=∑ h( n− p ) x ( p )=∑ h( p ) x ( n− p )
p p
Cette relation entre la sortie et l’entrée définit la convolution à temps discret qui est la version
échantillonnée de la convolution définie précédemment.
Nous verrons à la section suivante que les systèmes échantillonnés peuvent être décrit en fréquence
(fonction de transfert en z). Ils peuvent également être décrits par des équations aux différences qui sont
l’équivalent des équations différentielles décrivant les systèmes à temps continus.

4. Équations aux différences

La relation linéaire et invariante dans le temps la plus générale permettant de relier les signaux à temps
discret d’entrée x(n) et de sortie y(n) est l’équation aux différences :
+∞ +∞
∑a k
y ( n−k )= ∑ b k x( n−k )
k =−∞ k =−∞
En considérant que le système décrit par cette équation est causal, et qu’il ne peut pas faire appel à des
signaux d’entrées et de sorties futurs, et en normalisant par a0, on obtient :
+∞ +∞
y ( n )+ ∑ ak y ( n−k )=∑ bk x( n−k )

k =1 k =0

Cette relation décrit de manière générale les systèmes linéaires et stationnaires causaux. Dans la pratique,
on limite les valeurs des retards sur y(n) et x(n) ce qui conduit à :
P M
y ( n )+ ∑ ak y ( n−k )=∑ bk x( n−k )

k =1 k =0
Cette expression de la relation entrée-sortie est très utile puisqu’elle donne un algorithme facilement
implantable pour calculer la sortie à l’instant n lorsque l’on connaît les P sorties précédentes et les M
entrées concomitantes et précédentes.
Dans la littérature concernant les systèmes échantillonnés, on introduit la classification suivante :

5. Filtres numériques
5.1 Filtres à réponse impulsionnelle infinie (RII)

La sortie à l’instant n est calculée à partir des P sorties précédentes et de la seule entrée à l’instant n, soit :
bk = 0 pour k > 0
On choisit souvent b0 = 1 ce qui revient à une normalisation de l’entrée, et on obtient l’équation aux
différences :
P
y ( n )+ ∑ ak y ( n−k )= x ( n )
k =1

5.2 Filtres à réponse impulsionnelle finie (RIF)

La sortie à l’instant n est calculée en fonction de l’entrée à l’instant n et des entrées précédentes :
ak = 0 pour k  1
On obtient alors l’équation aux différences :
y ( n )=∑ b k x( n−k )
k =0
La réponse impulsionnelle, h(n) des filtres RIF est obtenue simplement en faisant :
x(n) = (n)
On obtient alors :
h(k) = bk
La réponse impulsionnelle de ces filtres est donc de longueur finie d’où leur dénomination.

II. Les signaux à temps discret

Dans cette section, nous nous intéressons aux signaux à temps discret que l’on obtient par une opération
que l’on appelle échantillonnage.
Pour les signaux à temps discret on fait appel à la transformation en Z. Étant donné que la notion de
fréquence est mal représentée par la transformée en Z, la transformation en fréquence réduite, qui permet
de retrouver la notion intuitive de fréquence, sera présentée. Ces signaux à temps discret dépendent d’une
variable continue en fréquence.
La deuxième partie de ce chapitre traitera donc des signaux à temps et fréquence discrets, exploitables par
des systèmes numériques dans les deux domaines temps et fréquence. Ces deux domaines sont reliés par la
transformation de Fourier discrète (TFD).
III. Transformation en Z
Les signaux à temps discret sont utilisés dans les systèmes de traitement numériques. On les obtient par
échantillonnage des signaux naturels. Pour étendre la représentation fréquentielle aux signaux à temps
discret on utilise la transformation en Z et la transformation en fréquence réduite.

1. Transformée en Z
La transformée en Z du signal à temps discret x(n) est la fonction de la variable complexe z :

X ( z ) TZ  x (n)    x (n) z  n
n  
Cette fonction est définie dans un disque du plan complexe.
La transformée en Z a la propriété de linéarité :
Si X(z) = TZ[x(n)] et Y(z) = TZ[y(n)] alorsTZ[ax(n)+by(n)] = aX(z) + bY(z)
La translation en temps donne le sens physique de z-1.

Si X(z) = TZ[x(n)] alors TZ  x(n  n0)  X ( z ) z  n 0
et en particulier : TZ  x ( n  1)   X ( z ) z  1
z-1représente donc l’opération de retard de 1 pas d’échantillonnage. Cette propriété rend la transformation
en Z très utile dans l’étude des systèmes échantillonnés.

2. Fonction de transfert en Z
Considérons un système échantillonné de réponse impulsionnelle h(n). Appliquons lui x(n) à l’entrée et soit
y(n) la sortie, on a alors la relation suivante :
y (n )  h (n  p ) x ( p )
p
Calculons Y(z), la transformée en Z de y(n) :
Y ( z )  y (n) z  n   h(n  p) x( p) z  n   h(n  p ) z  ( n  p ) x( p ) z  p H ( z ) X ( z )

n n p n p p
Donc Y(z) = H(z)X(Z)

La transformation en Z transforme donc le produit de convolution en un produit simple
H(z) qui est la fonction de transfert, correspond à la transformée en Z de la réponse impulsionnelle. On
retrouve donc les mêmes caractéristiques que la transformé de Fourier pour les signaux à temps continus.
3. Pôles et zéros
La sortie y(n) et l’entrée x(n) d’un système échantillonné sont reliées par l’équation au différences :
p M
y ( n)   aky (n  k )  bkx(n  k )
k 1 k 1

En prenant la transformée en Z de cette égalité et en utilisant les propriétés de linéarité et de translation

dans le temps, on obtient :
p
 k   M 
Y ( z )  1   ak z   X ( z )   bk z  k  soit Y(z)=H(z)X(z)
 k 1   k 0 
Où la fonction de transfert H(z) s’écrit :

M
k
N ( z) b z k
H ( z)   k 0P
D( z )
1   ak z  k
k 1
En factorisant le numérateur et le dénominateur on peut écrire :

M
( z  z 0i )
H ( z ) b0 z P  M i 1
P
( z  z
j 1
pj )
Les zéros du numérateur (z0i) sont les zéros du système (zéros de H(z)), les zéros du dénominateur (z pj) sont
les pôles du système (pôles de H(z)).
Les pôles et les zéros décrivent le système à une facteur d’amplitude (b 0) près et à un retard (zP-M) près.

IV. Transformée de Fourier Discrète (TFD)

1. La discrétisation en temps et fréquence
Les signaux réels sont toujours de durée finie D et de bande passante limitée B. Si un tel signal, x(t), est
échantillonné à la période d’échantillonnage TE, respectant la condition de Shannon, x(n) est formé de :
D
N
TE échantillons.
On sera souvent amené à prolonger ce signal sur tout l’axe réel, pour n variant de - à +. Ce
prolongement peut être fait par des zéros. La représentation fréquentielle de x(n) est donnée par la
transformée en fréquences réduites, X(). Cette fonction de la variable continue  n’est pas accessible à un
système numérique de traitement.
On peut aussi prolonger le signal x(n) en le périodisant, c’est à dire en lui ajoutant toutes ses translatées en
temps. Il est logique de réaliser des translations d’une durée D. Le signal ainsi obtenu est périodique, de
période D, sa représentation fréquentielle est donc discrétisée avec un pas en fréquence :
1
b
D

Pour décrire tout le signal en fréquence il faut donner ses composantes fréquentielles sur une bande totale
1
1 TE
de TE Hertz, il faut donc disposer de 1
N échantillons.
D
Un signal échantillonné de durée finie, prolongé par périodisation, est représenté :
 en temps par N échantillons x(n) :

x(n) 0  n < N
 en fréquence par N échantillons, que nous noterons X(m) :

X(m) 0m<N
Les opérations d’échantillonnage et de périodisations permettent donc de construire des représentation

temporelles et fréquentielles échantillonnées. Notons qu’à la représentation fréquentielle échantillonnée est
associé un signal périodique en temps. Ce signal périodique a été construit de manière à ce qu’une période
soit identique au signal de durée finie considéré. Il est important de garder à l’esprit cette périodisation.
La transformation qui associe les suites temporelles et fréquentielles est la version de la transformée de
Fourier échantillonnée en temps et en fréquence. On l’appelle transformation de Fourier discrète : TFD.

2. La Transformé de Fourier Discrète

La TFD est la transformation faisant passer du signal temporel :
x(n) 0  n < N
au signal fréquentiel :
X(m) 0m<N
Par :
X (m) TFD  x(n) 
N1 nm
 2 j
X (m)   x(n)e N
n 0
 est un facteur de normalisation arbitraire.

En général, on choisit  =1 ou  =1/N. On pourrait rendre plus symétrique la TFD et la TFD -1 en posant
 1 N .
Pour retrouver la TFD dans les mêmes dimensions que la TF, (X() est un signal multiplié par un temps),
on pourra prendre  =TE, période d’échantillonnage.

3. Propriétés de la TFD
3.1 Inversibilité
La TFD est inversible et on la note TFD-1. On peut retrouver la suite des échantillons temporels à partir des
échantillons fréquentiels par la transformée inverse :
x( n) TFD  1  X ( m) 
N1 2 j
nm
avec N = 1
x ( n )    X ( m) e N
m 0
Cette propriété est importante car elle établit l’équivalence entre les deux représentations. Notons que 
sera égal selon le cas à 1 ou à 1/N.
Si l’on rétablit la dimension de X(m) en choisissant =TE,  1 NT sera égal à l’écart entre deux canaux de
E
la TFD.
3.2 Linéarité
La TFD et la TFD-1 sont des transformations linéaires

3.3 Convolution
Compte tenu de la définition des signaux de la TFD sur l’intervalle [0-N[, la convolution fait apparaître la
notion de translation circulaire. En raison de l’aspect périodique des signaux traités (en temps et en
fréquence), en cas de translation vers les temps positifs, les échantillons sortant à droite rentreront a
gauche. On parle alors de convolution circulaire.
Ainsi, la convolution circulaire en temps ou en fréquence se transforme, par TFD, en un produit simple
dans le domaine dual :
 .TFD( x  y )  X (m).Y (m)

 .TFD  1 ( X  Y ) x (n). y (n)
3.4 Transformé de Fourier Rapide (TFR) ou (FFT)

Chapitre2 Pres

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

Chapitre2 Pres

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre II :

Généralités sur les signaux et les systèmes

• Élaboration, détection et interprétation des signaux porteurs d’information.

Le traitement du signal :ensemble d’outils mathématiques.

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 2

1. Exemple : chaîne de transmission

Message Signal Signal Signal Signal de Message

Système Transducteur Codeur/ Canal de Décodeur/ Transducteur

Bruit Bruit Bruit Traitement du

Canal de transmission : câble, ondes dans l’atmosphère, fibre optique

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 3

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 4

A. Généralités sur les signaux

1.1 Signaux déterministes

 2 sous-classes de signaux déterministes :

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 5

1.1.1 Signaux déterministes périodiques :

 Obéissent à la loi x(t-kT) = x(t)

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 6

1.1.2 Signaux déterministes non-périodiques

Ce sont tous les signaux qui n’obéissent pas à la loi précédente.

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 7

1.2 Signaux aléatoires

 2 sous-classes de signaux aléatoires : les signaux stationnaires et non-stationnaires.

1.2.1 Signaux aléatoires stationnaires :

Ils ont des caractéristiques statistiques invariantes dans le temps.

1.2.2 Signaux aléatoires non-stationnaires

Ils ne jouissent pas de la propriété précédente.

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 8

Périodiques Pseudo Quasi Non Classification

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 9

1.2.4 Quelques exemples

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 10

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 11

2.1 Signaux analogiques

2.2 Signaux quantifiés

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 12

2.3 Signaux échantillonnés

2.4 Signaux numériques

Exemples de systèmes de traitement :

Systèmes analogiques : amplificateurs, filtres, modulateurs, …

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 13

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 14

4.1 Définitions de l’énergie et de la puissance d’un signal

La puissance moyenne dans la durée de l’intervalle [t1,t2] est :

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 15

De même on définit la puissance moyenne totale d’un signal de la manière suivante :

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 16

4.2 Signaux à énergie totale finie

Leur puissance moyenne totale est nulle

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 17

4.2.1 Exemple : signal rectangulaire

puissance moyenne totale est donc toujours nulle.

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 18

4.4 Signaux à puissance moyenne totale finie

4.4.1 Exemple d’un signal sinusoïdal

Soit le signal f (t )  A sin  t ,

Puissance moyenne totale :

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 19

 Énergie et amplitude bornées

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 20

II. Définitions de quelques signaux élémentaires

Hervé BERVILLER - Université de Strasbourg Chapitre 2, page 21