Cours : Traitement du signal

Parcours : INFORMATIQUE APPLIQUÉE

Année universitaire 2023/2024

Prof. Selma SEFRITI

 Chapitre 1: Généralités sur les signaux
I. Introduction

1) Un signal est la représentation physique de

l’information qu’il transporte de sa source à son

destinataire. Il sert de vecteur à une information.

Exemple:

oTempérature de la pièce en fonction du temps

oSignal électrique capte lors d’un
électrocardiogramme
oSignal sonore capte par un microphone
oSignal émis sur un relais de la TNT
2)Traitement du signal concerne l’analyse; la modification et
l’interprétation des signaux pour extraire des informations utiles;
Par exemple:
• Filtrage : pour éliminer le bruit
• Compression: pour réduire la taille des données
• Détection de motifs :pour identifier des caractéristique
spécifiques
II. Classification des signaux
On peut envisager plusieurs modes de classification

pour les signaux suivant leurs propriétés :

❑classification phénoménologique,

❑classification énergétique,

❑classification morphologique,
1. Classification phénoménologique
On considère la nature de l'évolution du signal en fonction
du temps. Il apparaît deux types de signaux :
1.1 Signaux déterministes

Ils sont des signaux qui peuvent être décrits par une

fonction mathématique déterministe. Parmi les signaux

déterministes, on distingue les signaux périodiques.

Exemple: S(t)=A sin(ω𝑡), 𝑎𝑣𝑒𝑐 𝐴 = 1 𝑒𝑡ω=2πf
1.2 Signaux aléatoires

Ils sont des signaux qui ne peuvent pas être décrits par une fonction

mathématique .Par exemple , signaux électrocardiographiques(ECG).

 2. Classification énergétique

L'énergie et la puissance sont deux caractéristiques importantes

pour décrire les propriétés d’un signal. On distingue les signaux

à énergie finie et les signaux à puissance moyenne finie.

2.1 l'énergie d’un signal :
l'énergie totale Es d'un signal s(t) à temps continu est:
+∞
𝐸𝑠 = න 𝑠 𝑡 𝑠 ∗ 𝑡 𝑑𝑡
−∞

Exemple: calculer l'énergie de signal suivant:

𝑠 𝑡 = 𝐴𝑒 −𝑎 𝑡 ,a>0
2.2 puissance d’un signal
a) Puissance moyenne d’un signal
1 𝑡2
𝑃= ‫׬‬ 𝑠(𝑡) 2 dt
𝑡2 −𝑡1 𝑡1
b) Puissance moyenne totale d’un signal
𝑇
1 2
𝑃𝑇 = lim න 𝑠(𝑡) 2 dt
𝑇−>∞ 𝑇 −𝑇
2

c)Puissance moyenne d’un signal s(t) périodique de période 𝑇0

correspond à la puissance moyenne du signal s(t) sur une période 𝑇0 :
𝑇0
1
𝑃= ‫׬‬ 2
𝑠(𝑡) 2 dt
𝑇0 −𝑇0
2
 3. Classification morphologie (continu ou discret)

3.1 signal analogique (continu):

C’est un signal dont l’amplitude et le temps sont continus

3.2 signal échantillonnée

C’est un signal dont l’amplitude est continue et le temps discret

3.3 signal quantifie :
c’est un signal dont l’amplitude est discrète et temps est continu

3.4 signal numérique :

C’est un signal échantillonné et quantifie
III. Opération de base sur les signaux
1. Retournement:
2.Changement d’échelle:
3. Décalage temporel:
IV. Signaux élémentaires
Pour simplifier les opérations ainsi que les formules, certains
signaux fréquemment rencontrés en traitement du signal
disposent d'une modélisation propre. Il s’agit de :
▪ Signal échelon unité ou Heaviside,
▪ le signal Porte,
▪ impulsion de Dirac, peigne de Dirac
▪ le signal rampe.
1)Signal échelon unité (function de Heaviside)

1 𝑠𝑖 𝑡 ≥ 0
𝑢 𝑡 =ቊ
0 𝑠𝑖 𝑡 < 0
2)Signal Porte ou rectangle
 3)impulsion de Dirac
𝛿 𝑡 : 𝑒𝑠𝑡 𝑢𝑛 𝑜𝑝é𝑟𝑎𝑡𝑒𝑢𝑟 𝑑′ é𝑐ℎ𝑎𝑛𝑡𝑖𝑙𝑙𝑜𝑛𝑛𝑎𝑔𝑒
• Impulsion de Dirac correspond à une fonction Porte dont la largeur T tend vers 0
et dont l’aire est égal à 1.

∞ 𝑠𝑖 𝑡 = 0
𝛿 𝑡 =ቊ
0 𝑠𝑖 𝑡 ≠ 0
4) Peigne de Dirac
• Peigne de Dirac est une succession périodique d’impulsion de Dirac.

+∞

𝛿𝑇 𝑡 = ෍ 𝛿(𝑡 − 𝑘𝑇)
𝑘=−∞
5)signal rampe

Le signal rampe unitaire r(t) est défini comme la primitive de l’échelon

unitaire

𝑡 𝑡 𝑠𝑖 𝑡 > 0
r(t)= tu(t)=‫׬‬−∞ 𝑢 𝑣 𝑑𝑣 = ቊ
0 𝑠𝑖 𝑡 ≤ 0
 V. Bruit
Définition : Le bruit peut être défini comme tout phénomène perturbateur
gênant la perception ou l’interprétation d’un signal.

Rapport signal à bruit

Le rapport signal à bruit mesure la quantité de bruit contenue dans le signal.

C’est le rapport des puissances qui chiffre le degré de contamination du signal
utile par du bruit. Il s'exprime par :
𝑃𝑠
𝑅=
𝑃𝑏
 VI Système
1) définition: mathématiquement un système est un opérateur ou une
transformation qui a partir d’un signal d’entrée x(t) fournit un signal de sortie
y(t)

𝑦 𝑡 = 𝑇[𝑥 𝑡 ]
Exemples :
➢ Amplificateur,
➢système audio,
➢téléphone, système vidéo.
2) Système linéaire:
Un système est dit linéaire si :pour une entrée x1(t), on obtient une
sortie y1(t) et 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)
3) système invariant

Un système est invariant dans le temps si son comportement se

reproduit de façon identique au cours du temps càd: si à une
entrée x(t), on obtient en sortie y(t) alors à l’instant (𝑡 − 𝑡0 ), on
obtient la sortie y(𝑡 − 𝑡0 )
 4) Réponse impulsionnelle

• La réponse impulsionnelle h(t) d’un système est la réponse du

système lorsque le signal d’entrée est l’impulsion de Dirac δ(t)

• Dans le cas des systèmes linéaires et invariant en temps (SLIT), la

réponse impulsionnelle h(t) permet de caractériser le système.

 Chapitre 2: Convolution et Corrélation des
signaux analogiques
I. Produit de convolution:

le produit de convolution exprime la quantité de recouvrement

d’une fonction lorsqu’on la déplace sur une autre fonction.

Le produit de convolution est une opération mathématique
combine deux fonctions pour en produire une troisième. En
traitement du signal et en traitement d’image , il est utilise
pour effectuer des opérations telles que la filtration, la
détection des contours et la réponse impulsionnelle des
systèmes . c’est un outil puissant pour analyser et
transformer des signaux.
Exemple
1) Equation de convolution

Pour signal d’entrée quelconque, nous voulons établir une

relation mathématique qui lie le signal d’entrée e(t) et le signal
de sortie s(t) pour un système SLIT.

On a:

𝛿 𝑡 − 𝑡0 SLIT ℎ(𝑡 − 𝑡0 )
On applique une impulsion de type porte de largeur ∆𝑡 et d’amplitude 1/∆𝑡 sur le SLIT
nous obtenons une réponse que nous allons noter ℎ∆𝑡 𝑡 :

1 SLIT ℎ∆𝑡 𝑡
П (t)
∆𝑡 ∆𝑡
la réponse à la même impulsion d’amplitude A et décalée
temporellement de i · Δt est :

A П∆𝑡 (t − i∆𝑡) SLIT A ℎ∆𝑡 𝑡 − i∆𝑡 ∆𝑡

Soit un signal d’entrée quelconque e(t), on peut le décomposer

en une suite d’impulsion de largeur ∆𝑡

𝑒∆𝑡 𝑡 = ෍ 𝑒(i∆𝑡)П∆𝑡 (t − i∆𝑡)

𝑖
 La réponse de signal 𝑒∆𝑡 𝑡 est la somme des réponses a
toutes les impulsions de largeur ∆𝑡 et d’amplitude e(i∆𝑡)

𝑠∆𝑡 𝑡 = ෍ 𝑒 i. ∆𝑡 . ℎ∆𝑡 t − i. ∆𝑡 . ∆𝑡
𝑖

le signal sortie s(t), réponse à e(t), soit :

+∞
s 𝑡 = ‫׬‬−∞ 𝑒 τ ℎ t − 𝜏 𝑑𝜏

Le produit de convolution: 𝑠 𝑡 = 𝑒 𝑡 ∗ ℎ(𝑡)

2) Calcul pratique de la convolution
Si l’on cherche la réponse s(t) à un instant donné t d’un signal e(t) passant dans le
filtre caractérisé par la réponse impulsionnelle h(t), Il faut :
• Réaliser la fonction h(t−τ) (en retournant la fonction h(τ) et décalant de t);
• Faire le produit e(τ)h(t − τ);
• Intégrer la valeur de ce produit (variable τ).
• La valeur de cette intégrale est la valeur de s(t) à l’instant t ; pour avoir
l’ensemble de la fonction s(t), on doit recommencer ces opérations.
3)Propriétés de la convolution
 II Corrélation
1) Définition
Les fonctions de corrélation traduisent la similitude d’un signal ou de deux signaux au
niveau de la forme et de la position en fonction du paramètre de translation 𝜏.
Soient deux signaux x(t) et y(t)d'énergie finie:
• La fonction d’autocorrélation d’un signal x(t) est définie par :

+∞
𝑅𝑥𝑥 𝜏 = න 𝑥 𝑡 𝑥 ∗ 𝑡 − 𝜏 𝑑𝑡
−∞

• La fonction d’intercorrélation de deux signaux x(t) et y(t) est définie par :

+∞
𝑅𝑥𝑦 𝜏 = න 𝑥 𝑡 𝑦 ∗ 𝑡 − 𝜏 𝑑𝑡
−∞
Exemple:
En communications numériques, il n’est pas rare que le récepteur
du système de communication reçoive un signal de l’émetteur qui
soit très brouillé.
Si le récepteur reçoit le signal x(t), et que ce signal est en réalité une suite de ports d’amplitude −1
(représentant le bit 0) ou +1 (représentant le bit 1), alors l’intercorrélation de x avec une porte y permet
de détecter à chaque instant si le signal reçu ressemble à y (dans ce cas, on a reçu un 1) ou pas (on a
reçu un 0)
2) Propriétés d’autocorrélation
• Pour des signaux réels, la fonction d’autocorrélation est paire, soit :

𝑅𝑥𝑥 −𝜏 = 𝑅𝑥𝑥 𝜏

• la fonction d’autocorrélation a sa valeur maximale pour 𝜏 = 0

+∞
𝑅𝑥𝑥 𝜏 ≤ 𝑅𝑥𝑥 0 = න 𝑥 𝑡 𝑥 𝑡 𝑑𝑡
−∞
 Chapitre 3: Transformation de Fourier

I. Introduction

Un signal peut être associé à deux représentations contenant la même

quantité d'information : représentation temporelle et représentation

spectrale. La représentation spectrale montre l'importance de la

contribution d'une composante à la fréquence dans le signal f(t). On passe

d'une représentation à l'autre par "transformation de Fourier".

II.Transformation de Fourier des fonctions périodiques : series de Fourier

Series de Fourier: permet d’exprimer le signal en fonction de ses

harmonique

1) Définition du spectre d’un signal

Le spectre d’un signal est la représentation en fréquence des

sinusoїdes qui le compose.

2)Série de Fourier

❑Une des méthodes les plus utiles dans l’analyse des signaux est la série
de Fourier.

❑La série de Fourier permet de transformer n’importe quel signal

périodique en une somme de sinusoïdes.

❑Le signal résultant est la somme de trois sinusoïdes dont la fréquence est
chaque fois un multiple de la fondamentale f0. On peut donc prendre un
signal périodique complexe et le simplifier à des sinusoïdes.
❑une fonction périodique quelconque f (t), Fourier démontra qu’on pouvait
faire l’équivalence suivante :

𝑓 𝑡 = 𝑎0 + ෍ 𝑎𝑛 cos 𝑛𝜔0 𝑡 + 𝑏𝑛 sin 𝑛𝜔0 𝑡

𝑛=1
𝜔0
Avec 𝑎0 , 𝑎𝑛 et 𝑏𝑛 sont les coefficients de Fourier et 𝐹0 = est la fréquence
2𝜋
fondamentale.

NB: Les fréquences qui sont des multiples entiers de 𝐹0 sont nommes les
harmoniques
Coefficients de Fourier:

Les coefficients de Fourier sont obtenus selon les équations suivantes :

1 𝑇
𝑎0 = ‫𝑓 ׬‬ 𝑡 𝑑𝑡
𝑇 0

2 𝑇
𝑎𝑛 = න 𝑓 𝑡 cos(𝑛𝜔0 𝑡)𝑑𝑡
𝑇 0

2 𝑇
𝑏𝑛 = න 𝑓 𝑡 sin(𝑛𝜔0 𝑡)𝑑𝑡
𝑇 0
3)Condition d’existence de la série de Fourier

▪ le signal s(t) doit être périodique

▪ La condition de convergence 𝒔(𝒕) < ∞

4) Symétrie et les coefficients de Fourier
Le type de symétrie d’un signal peut simplifier le calcul des coefficients de la
série de Fourier. Selon le type de symétrie, certains des coefficients de la
série de Fourier sont nuls.

Symétrie paire Pour des fonctions paires, on peut démontrer que les
coefficients de Fourier sont :

1 𝑇 2 𝑇
𝑎0 = න 𝑓 𝑡 𝑑𝑡 , 𝑎𝑛 = න 𝑓 𝑡 cos(𝑛𝜔0 𝑡)𝑑𝑡 et 𝑏𝑛 = 0
𝑇 0 𝑇 0
Symétrie impaire

Pour des fonctions impaires, on peut démontrer que les coefficients de

Fourier sont : 𝑎0 = 0, 𝑎𝑛 = 0 et

2 𝑇
𝑏𝑛 = ‫׬‬0
𝑓 𝑡 sin 𝑛𝜔0 𝑡 𝑑𝑡
𝑇
5) Forme alternatives de la série de Fourier
➢Forme polaire est la suivante:
𝑓 𝑡 = 𝑎0 + σ∞
𝑛=1 𝑐𝑛 cos(𝑛𝜔0 𝑡 + 𝜑𝑛 )

Avec 𝑐𝑛 = 𝑎𝑛2 + 𝑏𝑛2 et 𝜑𝑛 =Arctan( − 𝑏𝑛ൗ𝑎𝑛 )

❑La représentation graphique spectrale du signal dans un plan amplitude-

fréquence comme étant la succession des pics ou raies d’amplitude 𝑐𝑛 et
positionnés aux fréquences 𝑛𝐹0
Exemple :
s(t) est une tension en sortie d’un circuit (Fréquence= 50𝐻𝑧)

Figure : Spectre en fréquence du signal s(t)

➢La forme exponentielle est :
∞

f t = ෍ Cn ejnω0 t
n=−∞

1 1 𝑇 −jnω0 𝑡
Avec 𝐶𝑛 = (𝑎𝑛 − j𝑏𝑛 ) = ‫׬‬ 𝑓(𝑡)𝑒 𝑑𝑡
2 𝑇 0
6) Limitation de la série de Fourier :

La série de Fourier s applique uniquement aux signaux:

✓Périodique

✓Continue

✓Non aléatoire
II. Transformée de Fourier

1) Definition : Transformée de Fourier

Soit un signal certain x(t), sa transformée de Fourier (TF) est une
fonction complexe de la variable réelle f définie par

+∞
𝑋 𝑓 = Ƒ {𝑥 𝑡 } = න 𝑥(𝑡)𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡
−∞
2) Définition : Transformée de Fourier inverse

transformée de Fourier inverse est donnée par:

−1 +∞ 𝑗2𝜋𝑓𝑡
x 𝑡 =Ƒ {𝑋 𝑓 } = ‫׬‬−∞ 𝑋(𝑓)𝑒 𝑑𝑓
3)Propriétés de la transformée de Fourier
Soient deux signaux x(t) et y(t) admettant pour transformées de Fourier, X(f) et
Y (f), respectivement.
a) Linéarité
𝑎𝑥 𝑡 + 𝑏𝑦 𝑡 ⥨ aX(f)+bY(f)
b) Changement d’échelle sur t

1 𝑓
𝑥(𝛼𝑡) ⥨ 𝑋( )
𝛼 𝛼
C) Translation
▪ Sur le temps:
𝑥(𝑡 − 𝜃) ⥨ 𝑋(𝑓)𝑒 −𝑗2𝜋𝑓𝜃

▪ Sur la fréquence:
X(𝑓 − 𝑓0 ) ⥨ 𝑥(𝑡)𝑒 𝑗2𝜋𝑓0 𝑡
d) Dérivation
• En temps
𝑑𝑥(𝑡)
𝑇𝐹 = (𝑗2𝜋𝑓). 𝑋(𝑓)
𝑑𝑡
𝑑𝑛 𝑥(𝑡) 𝑛 . 𝑋(𝑓)
𝑇𝐹 = (𝑗2𝜋𝑓)
𝑑𝑡 𝑛
• En fréquence
𝑑𝑋(𝑓)
𝑇𝐹 −1 = (−𝑗2𝜋). 𝑡𝑥(𝑡)
𝑑𝑓
e) Dualité

La propriété de dualité indique que si x(t) a pour transformée de Fourier X(f),

alors X(t) a pour transformée de Fourier x(−f) :

𝑇𝐹 𝑥(𝑡) = 𝑋 𝑓

Alors

𝑇𝐹 𝑋(𝑡) = 𝑥 −𝑓
f) Convolution
Le résultat de l’opération de convolution de deux signaux x1(t) et x2(t),
noté x1(t) * x2(t), est un nouveau signal x(t) défini par la relation :

+∞
𝑥 𝑡 = 𝑥1 t ∗ 𝑥2 t = ‫׬‬−∞ 𝑥1 τ 𝑥2 t − 𝜏 dτ

𝑇𝐹 𝑥1 t ∗ 𝑥2 t = 𝑋1 f . 𝑋2 f
i) Multiplication
La multiplication dans le domaine temporel devient une convolution dans
l’espace fréquentiel.

𝑇𝐹 𝑥1 t . 𝑥2 t = 𝑋1 f ∗ 𝑋2 f
 4)Transformée de Fourier de signaux élémentaires

❑Fonction rectangulaire:

𝑇𝐹 𝑟𝑒𝑐𝑡𝑇 (𝑡) = 𝑇 𝑠𝑖𝑛𝑐(𝜋𝑓𝑇)

❑Fonction triangulaire

𝑇𝐹 𝑡𝑟𝑖 𝑇 (𝑡) = 𝑇² 𝑠𝑖𝑛𝑐²(𝜋𝑓𝑇)

❑ Fonction de Dirac

∞
𝑇𝐹 𝛿(𝑡) = න 𝛿 𝑡 𝑒 −𝑗2𝜋𝑓𝑡 𝑑𝑡 = 1
−∞

∞
𝑇𝐹 −1 1 = ‫׬‬−∞ 1𝑒 𝑗2𝜋𝑓𝑡 𝑑𝑡 = 𝛿(𝑡)

𝑇𝐹 𝑒 𝑗2𝜋𝑓0 𝑡 = 𝛿(𝑓 − 𝑓0 )

𝑇𝐹 𝛿(𝑡 − 𝑡0 ) = 𝑒 −𝑗2𝜋𝑡0
5) Théorème de Parseval

Le théorème de Parseval signifie qu’il y a conservation

de l’énergie dans les deux domaines : un signal

temporel et sa transformation de Fourier ont la même

énergie.
Le théorème de Parseval est :
∞ ∞
න 𝑥 𝑡 2 𝑑𝑡 =න 𝑋 𝑓 2 𝑑𝑓
−∞ −∞

Exemple: soit le signal 𝑠 𝑡 = 𝑠𝑖𝑛𝑐(𝜋𝑡), calculer l'énergie totale

de ce signal?
 Chapitre 4: L’échantillonnage
L’échantillonnage d’une fonction consiste a prélever un ensemble de valeurs
(échantillons) de la fonction.
Exemple:
magnétophone ou un dictaphone permet d’enregistre un son : le son est une
fonction continue du temps, mais lors de l’enregistrement on en prélevé des
valeurs toutes les fractions de milliseconde (généralement une valeur toutes les
1/44000 de seconde, on dit alors qu’on échantillonne a 44 kHz ).cette valeur
44khz correspond en fait au double de la fréquence de coupure de l'oreille
humaine.
L’échantillonnage consiste à représenter un signal analogique
continu x(t) par un ensemble de valeurs discrètes x(nTe) avec n
entier et Te constant appelé période d’échantillonnage.

Cette opération est réalisée par un circuit appelé « préleveur ou

échantillonneur » symbolisé souvent par un interrupteur.
1) Échantillonnage idéal:

Signal analogique x(t) et échantillonné x[n]

2) Modélisation mathématique de l’échantillonnage idéal

L’opération d’échantillonnage idéal d’un signal analogique revient à multiplier ce dernier par un peigne de

Dirac:

𝑠𝑒 𝑡 = 𝑠 𝑡 . 𝛿𝑇𝑒 𝑡

Avec
+∞

𝛿𝑇𝑒 𝑡 = ෍ 𝛿(𝑡 − 𝑘𝑇𝑒 )

𝑘=−∞

+∞

𝑠𝑒 𝑡 = ෍ 𝑠 𝑘𝑇𝑒 . 𝛿(𝑡 − 𝑘𝑇𝑒 )

𝑘=−∞
3)Illustration graphique de l’échantillonnage idéal dans le domaine temporel
4) Transformée de Fourier d’une fonction échantillonnée

Le spectre d’un signal échantillonné est donnée par :

+∞
1
𝑆𝑒 𝑓 = ෍ 𝑆(𝑓 − 𝑘𝑓𝑒 )
𝑇𝑒
𝑘=−∞

• Ce spectre correspond au spectre du signal à temps continu périodisé à

1 1
la période « fréquentielle » 𝑓𝑒 = et pondère par
𝑇𝑒 𝑇𝑒
 Exemple : Soit s(t) un signal à temps continu et S(f) son spectre
▪ S(f) est supposé à support borné : S(f)=0 pour |f|>fmax

▪ Illustration graphique de l’échantillonnage idéal 𝑆𝑒 (f) dans le

domaine fréquentiel
Condition de non-repliement spectral
▪ Illustration du repliement spectral
5) Théorème de Shannon:

La condition nécessaire et suffisante pour échantillonner un signal sans

perte d’information est la fréquence d’échantillonnage 𝐹𝑒 soit supérieure

ou égale au double de la fréquence maximale du signal.

Il faut respecter la condition: 𝑭𝒆 ≥ 𝟐𝑭𝒎𝒂𝒙

Avec 𝐹𝑚𝑎𝑥 : la fréquence maximal de signal analogique

6) Extraction du signal initial à partir du signal échantillonné

En supposant le signal initial à spectre borné par 𝐹𝑚𝑎𝑥 et la condition du

théorème d’échantillonnage remplie, le spectre de base 𝑆𝑒0 𝑓 peut être

facilement isolé. ce spectre de base est :

1
𝑆𝑒0 𝑓 = 𝑆 𝑓 𝑜𝑢 𝑏𝑖𝑒𝑛 𝑆𝑒0 𝑓 = 𝐹𝑒 𝑆 𝑓
𝑇𝑒
• En appliquant la transformée de Fourier inverse, nous avons la relation

temporelle entre le signal 𝑠𝑒0 𝑡 correspondant à ce spectre de base

𝑆𝑒0 𝑓 et le signal initial s(t) :

𝒔𝒆𝟎 𝒕 = 𝑭𝒆 s(t) (1)

❑ On peut exprimer le spectre de base 𝑆𝑒0 𝑓 de

l’ échantillonné sous la forme suivante:

𝑺𝒆𝟎 𝒇 = 𝑺𝒆 𝒇 . П𝑭𝒆 (𝐟) (2)

• Formule d’interpolation de Shannon :

l’expression du signal temporel ayant le spectre de base 𝑆𝑒0 𝑓 du signal

échantillonné :

𝒔𝒆𝟎 𝒕 = 𝒔𝒆 𝒕 ∗ (𝑭𝒆 sinc(𝝅𝑭𝒆 t)) (3)

Donc

𝒔𝒆𝟎 𝒕 = 𝑭𝒆 σ+∞
𝒌=−∞ 𝒔(𝒌𝑻𝒆 ) sinc(𝝅𝑭𝒆 (t−k𝑻𝒆 )) (4)
Interpolation de Shannon

+∞

𝒔 𝒕 = ෍ 𝒔(𝒌𝑻𝒆 ) sinc(𝝅𝑭𝒆 (t−k𝑻𝒆 ))

𝒌=−∞

➢Cette formule permet de reconstituer exactement le signal et donc

l’échantillonnage idéal, dans les conditions du théorème de Shannon,

conserve la totalité de l’information contenue dans le signal.

7) Échantillonnage réel
Le signal échantillonné réel sera constitué alors d’une suite d’impulsions
distantes de Te et de largeur τ. L’amplitude de ces impulsions sera fonction
du procédé d’échantillonnage utilisé

• naturel : amplitude égale à s(t) pendant la durée τ ;

• régulier : amplitude constante et égale à s(nTe) pendant la durée τ ;

• moyenneur : amplitude égale à la moyenne de s(t) sur l’intervalle τ.

7.1)La modélisation de l’échantillonnage réel
La modélisation de l’échantillonnage réel qui utilise des
impulsions distantes de Te et de largeur τ. Ce signal, appelé
𝑖 𝑇𝑒,𝜏 (t), s’exprime mathématiquement sous la forme
suivante :
• En utilisant la propriété de périodisation avec le peigne de Dirac et le
produit de convolution, nous avons l’autre expression équivalente
suivante :

• Le spectre de ce signal s’exprime donc par

7.1.1) Échantillonnage naturel

le spectre Se(f) de se(t) s’exprime par la relation suivante :

• l’échantillonnage naturel (avec une impulsion de largeur non nulle), il est

possible d’obtenir le spectre du signal initial avec un filtre passe-bas idéal.

• La proportionnalité entre les deux spectres montre que l’échantillonnage

naturel n’introduit pas de déformation.

• Cet échantillonnage correspond simplement à une augmentation de la

durée d’observation du signal. Mais il est non réalisable pratiquement.

 7.1.2) Échantillonnage régulier ou bloqueur
▪ Dans le cas de l’échantillonnage régulier, l’amplitude de chaque
impulsion est constante et égale à l’amplitude du signal initial au temps
nTe

Ou bien :
le spectre Se(f) de se(t) s’exprime par la relation suivante

Ou bien
 le spectre de base du signal échantillonné Se0( f) est donnée par:

Remarque:

❑L’échantillonnage régulier introduit donc une déformation par rapport à

l’échantillonnage idéal ou naturel. Mais il faible si 𝜏 < 𝑇𝑒 .

 7.1.3 Echantillonnage moyenneur
L’échantillonneur moyenneur donne des échantillons se(kTe) qui
correspondent à la valeur moyenne du signal s(t) prise sur la durée τ. Ainsi,
l’expression de l’échantillon k est :
Le signal échantillonné se(t) est exprimé par suite par
Le spectre Se(f) du signal échantillonné se(t) est alors :

Après un filtre passe-bas de largeur Fe, la relation liant le spectre de base du signal

échantillonné et celui du signal S(f) est pour k= 0 on a alors :

Exemple:
On considère le signal 𝑥(𝑡) qui est observé sur une fenêtre de duré
finie. On observe alors le signal 𝑦(𝑡) défini par :

Déterminer le spectre de y(t) . Représenter graphiquement Y(f) pour

A=1, T=10 et f0=1,5 Hz.
 8) Quantification
La quantification consiste à associer à une valeur réelle x quelconque,
une autre valeur x’ appartenant à un ensemble fini de valeurs.
• Si q est le pas de quantification :

𝑞 𝑞
x’=q si 𝑛𝑞 − <x< 𝑛𝑞 +
2 2
NB:

L’erreur commise x’q-x est appelé bruit de quantification.

Par exemple : une tension de 3,56767895324Volt mesurée à q=1mv

près sera notée 3,568 car elle est comprise entre 3,5675 et 3,5685

mais les autres décimales sont perdues.

Exercice :
Soit un signal x(t) = a(t) + b(t), dont le spectre X (f) est représenté sur la
figure 1. Le signal a(t) est un signal apériodique d'énergie finie dont le
spectre correspond à la partie continue de X (f) (spectre de support
borné [- f0 ; f0]).
1) Donner l'expression de b(t).

2) On échantillonne x(t) à la fréquence fe= 3f0.

a) Représenter le spectre du signal échantillonné.

b) Représenter le spectre du signal reconstruit xr(t), obtenu par filtrage

passe-bas de fréquence de coupure 3/2 f0.

c) Exprimer xr(t) en fonction de a(t). Expliquer brièvement ce qui s'est

passé.
 Exercice :
1) Calculer la transformée de Fourier S(f) du signal :
𝐴 𝑠𝑖 − 𝑇/2 < 𝑡 < 𝑇/2
П 𝑡 =ቊ
0 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠
2) s(t) est un signal électrique A=4 volts et T =3secondes Quelle est
l’amplitude maximale de S(f) ?
3) Pour quelles fréquences S(f)=0 ?
4) Quelles sont les amplitudes des pics latéraux (calcul approché)de
𝑆( 𝑓 )2
5) Quelle est la largeur utile du spectre de 𝑆( 𝑓 )2 est ≤ 1% d’amplitude
maximale ?
6) Quelle est approximativement la surface limité par le carré du spectre
utile ? En quelle unités s’exprime –t-elle ?
Exercice :
Soit les fonction f et g définies par:

𝑡 𝑝𝑜𝑢𝑟 0 < 𝑡 < 1

𝑓 𝑡 =ቊ
0 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠

𝑔 𝑡 =𝑢 𝑡

Avec u(t) est la fonction échelon

1) Représenter f et g

2) Donner l’expression analytique de la convolution dans les différentes régions de

définitions