Vous êtes sur la page 1sur 146

1

Organisation
Supports de cours: transparents - tableau
Accs via Internet aux transparents, complts par des liens
hypertextes vers des pages WWW
Travaux dirigs (M. Argence)
Prsentation multimdia (1 sance)
I) Thorie et traitement des signaux, F. de Coulon, Eds. Dunod
II) An introduction to the analysis and processing of signals, P.A. Lynn, Ed. Macmillan
III) Mthodes et Techniques de traitement du signal et applications aux mesures
physiques, tome 1, J. Max, Ed. Masson
IV)Traitement numrique des signaux , M.Kunt, Eds. Dunod
Rfrences:
DSP a multimedia approach; Life in the frequency domain;
Digital Signal Processing;
2
distributions spectrales,
convolution et
corrlation des signaux,
signaux numriques,
signaux alatoires
...
Traitement du Signal

Objectifs du cours :
* Enseigner les concepts et mthodes de bases en TS pour la Physique
systmes linaires et invariants,
chantillonnage,
modulation,
estimation et dtection,
analyse spectrale,
dtection synchrone,
filtrage,
...
spectroscopie,
interfromtrie,
diffraction,
modlisation,
.
3
Plan du cours:

I CONCEPTS
I.1 Introduction
I.2 Transformations des signaux
I.3 Fonctions de corrlation et densits spectrales
I.4 Impulsion de Dirac
I.5 Signaux numriques
I.6 Signaux alatoires

II METHODES
II.1 Systmes linaires et invariants
II.2 Dtection et Estimation des signaux
II.3 Modulation et dtection synchrone
II.4 Analyse spectrale
II.5 Filtrage des signaux

4
I Concepts I.1 Introduction:
signal = toute entit qui vhicule une information
Exemples:
onde acoustique
Musique,
parole,
...
onde lumineuse
source lumineuse
(toile, gaz, )
...
courant lectrique dlivr
par un microphone
courant lectrique dlivr
par un spectromtre
suite de nombres
Mesures physiques

Photographie
...
A) Que signifient signal et traitement du signal ?
5
Traitement du signal = procdure pour:

extraire linformation (filtrage, dtection, estimation, analyse spectrale...)

mettre en forme le signal (modulation, chantillonnage.)
(forme adapte la transmission ou au stockage)

reconnaissance des formes

En Physique:
Systme
Physique en
volution
signal
Transmission Dtection Analyse
Sources de
"bruit"
TS
interprtation

6
Exemples: Astronomie:
Ondes lctromagntiques
informations sur ltoile
V(t)
Trait. Signal.:
chantillonnage
* filtrage
analyse spectrale
...
Atmosphre bruit
Physique du solide:
Lumire
incidente
Lumire
transmise
Trait. Signal.:
analyse spectrale
dtection synchrone
...
fente ouverture
priodique
dtecteur
chantillon test
I(t)
signal
7
B) Classification des signaux :
Classification dimensionnelle : Nombre de variables libres.
Exemples : Tension lectrique V(t) = signal unidimensionnel

Image statique noir et blanc brillance B(x,y) = signal bi-dimensionnel

Film noir et blanc B(x,y,t) = signal tri-dimensionnel
...
Classification phnomnologique : volution dterministe ou alatoire du signal
Signal dterministe : volution temporelle peut tre parfaitement prdite par un
modle mathmatique appropri

Signal alatoire : comportement imprvisible description statistique
La thorie du signal est indpendante de la nature physique du signal et des variables libres
tout signal physique comporte une composante alatoire
(perturbation externe, phnomne quantique )
8
Classification morphologique:
[Fig.2.10,(I)]
9
Classification nergtique:
Dfinition: par analogie avec les signaux lectriques
Energie dun signal x(t) : ( )
}
+

= dt t x W
x
2
Puissance moyenne de x(t) : ( )
}

+
=
2
2
2
1
lim
T
T
T
x
dt t x
T
P
Classification: signaux nergie finie Puissance moyenne finie
Tout signal physique Idalisation
exemple: signal sinusodal
10
I.2 Transformations des signaux :
A) Srie de Fourier :
x
T
(t) signal priodique, avec T = priode
Superposition de signaux sinusodaux de frquences n
.
f
o
,
n entier et f
o
=1/T
Terme de frquence f
o
= le "fondamental"
Terme de frquence nf
o
= n
ime
"harmonique"
( ) ( ) ( )
( )
( ) ( ) ( ) ( )
} }
}

+
=
+
=
= =
= =
+ + =
2
2
2
2
2
2
1 1
2 sin
2
et 2 cos
2
) continue" composante ("
1
avec
2 sin 2 cos
T
T
o T n
T
T
o T n
T
T
T T o
o
n
n o
n
n o T
dt t nf t x
T
b dt t nf t x
T
a
x dt t x
T
a
t nf b t nf a a t x
t t
t t
Hypothse: signal uni-dimensionnel et analogique
Rappel:
Coefficients
de Fourier
(ou Reprsentation vectorielle des signaux)
11
En notation complexe :
( ) ( )
( ) ( ) 2 exp
1
c avec
2 exp
2
2
}

+
=
=
=
T
T
o T n
o
n
n T
dt t nf i t x
T
t nf i c t x
t
t
2
,
2
,
n n
n
n n
n o o
ib a
c
ib a
c a c
+
=

= =

Cas particuliers:
( )
( )
( )
n n n T
n n n T
n n n n T
c c n t x
c c n b t x
c c b a t x
= =
= =
= 9 e

0 a impair
0 pair
, rel
*
* Notation complexe introduction de frquences ngatives
* Reprsentation graphique: Re(c
n
), Im(c
n
) ou |c
n
| , Arg(c
n
)
* centre de symtrie en t=T/4 : symtrie demi-onde absence dharmoniques paires
* si t = temps (s) f

= frquence (Hz); si t = distance(m) f = frquence spatiale (m
-1
) etc

Fourier Synthesis : Site 1 ou Site 2
Fourier Series Approximation Listen to Fourier Series
Sinusoids
12
B) Transforme de Fourier :
x(t) = signal quelconque
{ } ( ) ( ) ( ) ( )
( ) ( ) { } ( ) ( ) inverse" Fourier de e Transform " 2 exp
et
de Fourier" de e Transform " 2 exp ) (
1
.
=
}
= =
=
}
= =
+

+

df ft i f X f X F t x
t x dt ft i t x f X t x F
df
t
t
Dfinition :
* Notation: x(t) X(f);

* ,X(f), = spectre damplitude et Arg[X(f)] =spectre de phase du signal

* X(f) = fonction complexe mme si x(t) est rel

* X(f)

= fonction rel x(t) est paire; fonction imaginaire pure x(t) est impaire
Introduction to Fourier theory (cours)
13
Lien avec la srie de Fourier :
x
T
(t) signal priodique pair (pour simplifier)
x
T
(t)
T -T
t
f
f
o

> <
f
o
=1/T
c
n

Lorsque T+ :
x
T
(t) fonction non-priodique x(t)

f
o
=1/T df

intervalle infinitsimal

nf
o
f variable relle continue
( ) ( )
( ) ( ) { } f X F t x
f X T c
n
T
1

et
lim

+
= =
= =

* X(f) = gnralisation de la srie de Fourier aux fonctions non-priodiques


* , X(f), df = amplitude de la composante sinusodale de frquence e[f,f+df]
* Arg[X(f)] = phase
* x(t) et X(f) sont deux descriptions quivalentes du mme signal
Description frquentielle
Description temporelle
mme information
14
x(t) ( )
2
f X
* X(f)

information sur le systme physique lorigine du signal
Exemples :

( ) ( ) f X f X
trombone
son
trompette
son
=
Spectre dmission dun gaz temprature et composition chimique du gaz
(ex: x(t) signal dlivr par un interfromtre, cf. chap II.3 )
Quelques ondes crbrales
Ondes Alpha: engendres lorsque le
sujet change son niveau d'attention
(f modres, amplitude importante)
Ondes Bta: produites par une
activit mentale intense
(frq. leves, faibles amplitude)
Ondes Thta: accompagnent
des sentiments de stress
motionnel (f faibles)
15
Proprits de la transforme de Fourier :
critre d'existence:
Signaux nergie finie = condition suffisante
Signaux puissance moyenne finie =>T.F. existe au sens des distributions

dualit temps frquence: x(t) X(f) et X(-t) x(f)

autres proprits:
a x(t)+b y(t) a X(f)+b Y(f)

x(t)
.
y(t)

x(t) - y(t) X(f) Y(f)

x(t-t
o
) X(f) e
-i2tfto

x(t)
.
e
i2tfot
X(f-f
o
)

x(at)


( ) ( ) | |( ) | |( ) f X Y f Y X df f f Y f X
df
- = - =
}
+

!
' '
Modulation
a
a
f
X
|
.
|

\
|
Linarit
Retard
Modulation sinusodale
Changement dchelle
Produit de convolution
1 > A A G g
* The Joye of Convolution Magnitude and Phase Spectra
16
C) Transforme de Laplace: (aperu)
Dfinition :
( ) { } ( ) ( ) ( ) 9 e + = = =
}
+
e o e o , et avec , exp
0
i s dt t s t x s X t x L
L
* X
L
(s) = fonction complexe de la variable complexe s
* domaine de convergence c
* Pour un signal causal (x(t<0) = 0): X
L
(i2tf) = X(f)
* X
L
~ gnralisation de la T.F. dans le plan complexe
* X
L
=

outil de caractrisation des systmes de traitement des signaux (cf. chap II.1)

Transforme inverse : ( ) ( ) ( )ds t s s X
i
t x
i
i
L
=
}
+

exp
2
1
e o
o
t
mthode des rsidus
table de transformes de Laplace
mthode des fractions partielles
17
Autres proprits de la transforme de Laplace:
{ } ( )
o
st
L o
e s X t t x L

= ) (
{ } ( ) a s X e t x L
L
at
+ =

) (
( ) ( ) 0
) (
x s X s
dt
t dx
L
L
=
)
`

( ) ( )
( ) ( )
1
1
2 1
0 0
0
) (


=
)
`

n
n
n n
L
n
n
n
dt
df
dt
df
s x s s X s
dt
t x d
L
dcalage temporel:
dcalage 'frquentiel':
drivation :
drivation multiple :
signal t=0
-

( )
( )
s
s X
dt t x L
L
t
=

}
0
' '
intgration :
linarit:
( ) ( ) { } ( ) ( ) s Y b s X a t y b t x a L
L L
+ = +
18
Ples et Zros dune Transforme de Laplace rationnelle:
( )
( )( )( )
( )( )( )

3 2 1
2 2 1
p s p s p s
z s z s z s
A s X
L


=
X
L
(z
i
)=0 z
i
= zros de X
L
p
i
e Dom. Convergence p
i
=ples de X
L

Estimation de la forme de X(f) partir des points singuliers (z
i
et p
i
):
( )
( )
( )

i
i
L
p f i
z f i
A f i X f X

= =
t
t
t
2
2
2 ) (
Hyp: signal causal
et
( )
( )

i
i
p f i
z f i
A f X

=
t
t
2
2
) (
* Exploring the s-plane
19
Reprsentation vectorielle:
Re(s)
Im(s)

p
i

z
i

i2t f
i
v

i
w

( ) ( ) | |
( ) ( ) | |
i i i
i i i
z f i Arg f z f i f w
p f i Arg f p f i f v
= =
= =
t u t
t u t
2 ; 2
2 ; 2
i
i
w
v

i
v
u
i
w
u
( ) ( ) | | ( ) ( )

= =
i
v
i
w
i
i
f f f X Arg
v
w
f X
i i
u u et

Exemple:
( )
1
o +
=
s
s X
L
( ) ( ) ( )

<
>
= 9 e =
+
0 pour 0
0 pour 1
et ,
t
t
t e t t x
t
c o c
o
20
Re(s)
Im(s)

i2t f
v

v
u
( ) ( ) | | ( ) f f X Arg
v
f X
v
u = = ;
1

1/o
o
( ) f X
f
( ) | | f X Arg
f
t/2
t/2
21
* un ple proche de laxe imaginaire tend augmenter |X(f) | aux alentours de
f=Im(p
i
)/2t
* un zro proche de laxe imaginaire tend diminuer |X(f) | aux alentours de
f=Im(z
i
)/2t
* dans des cas simples (nombre rduit de points singuliers) cette mthode permet de
rapidement tracer une esquisse de |X(f) |
* dans des cas plus complexes elle peut servir de base pour automatiser, par voie
informatique, le trac de |X(f) | et Arg[X(f)]
* pour tout signal physique: nombre de ples > nombre de zros
* pour un signal rel: les points singuliers apparaissent par paires de complexes
conjugus
22
I.3 Fonctions de corrlation et densits spectrales :
* Outils mathmatiques pour mesurer la similitude entre signaux
Composition spectrale
volution temporelle
Fonctions de corrlation
Densits spectrales
A) Fonction dintercorrlation
Dfinition
( ) ( ) ( )
}
+

+ =
*
dt t y t x
xy
t t

Fonction dintercorrlation des signaux


x(t) et y(t)
* convergence: au moins un des deux signaux doit tre nergie finie.
* Distribution nergtique du signal sur l'espace des frquences
23
Interprtation: dans lhypothse o x(t) et y(t) sont valeur moyenne nulle
Deux cas extrmes: a) pas de corrlation entre x et y
b) y(t-t
o
)=c x(t)
(a) le signe de x(t)
.
y(t+t) est en moyenne autant positif que ngatif
( ) ( ) ( ) 0 ~ + t t t y t x
xy

Valeur moyenne temporelle


(b) lorsque t = t
o
le signe de x(t)
.
y(t+t) est toujours positif
( )
o xy
t

= c W
x
= maximal
Similitude max. lorsque y(t) est dcal de t
o

* En termes mathmatiques:
( ) t

xy
= produit scalaire de x(t) et y(t)
Projection de x(t) sur y(t)
24
B) Densit interspectrale dnergie
On a:
( ) ( ) ( ) ( ) ( ) | |( )
}
+

- = + =
*
!
*
t y t x dt t y t x
xy
t t t

( ) { } ( ) ( ) ( )
df.
*
f f Y f X F
xy xy

| t = =
Densit interspectrale
dnergie
Consquence:
( ) 0 ) ( et 0 ) ( 0 = = = f Y f X f
xy

|
( ) t

xy
ne comporte que des frquences
partages par x(t) et y(t)
(il suffit que X(f) ou Y(f) soit nulle en f=f
o
pour que ) ( ) 0 =
o xy
f

|
25
C) Fonction dautocorrlation :
Cas particulier: y(t)=x(t)
( ) ( ) ( )
}
+

+ =
*
dt t x t x
x
t t

Fonction
dautocorrlation de x(t)
* Mesure la similitude de x(t) avec une version dcale de x(t)
ex: signal priodique priodique de mme priode

maximum de ressemblance ds que


t = multiple de la priode
Proprits
( )
x x
W dt t x
}
+

= = ) ( 0
2

x(t) ncessairement W
x
finie

( ) ( )
*
t t

x x
=
( ) t

x
paire si x(t) est rel
26
D) Densit spectrale dnergie
( ) { } ( ) ( )
df.
2
f f X F
x x

| t = =
Densit spectrale
dnergie
Proprits :
( ) ( )
}
+

= df e f X
f i
x
t t
t
2
2

Par transforme inverse:


( ) ( )
x x
W df f X
!
2
0 = =
}
+


x
|
mrite bien son nom!
( ) f
x

| dcrit la distribution frquentielle de lnergie du signal



( ) f
x

|
est indpendant de la phase du signal (Arg[X(f)])
insensible tout retard du signal
27
E) Cas des signaux puissances moyenne finie :
( ) t

xy
ne convergent pas

ncessite des dfinitions diffrentes
Fonction dintercorrlation: ( ) ( ) ( )
}

+
+ =
2
2
*

1
lim
T
T
T
xy
dt t y t x
T
t t
( ) ( ) ( )
}

+
+ =
2
2
*

1
lim
T
T
T
x
dt t x t x
T
t t Fonction dautocorrlation:
Densit spectrale de puissance:
( ) ( ) { } t |
x x
F f =
( )
x x
P = 0
on peut montrer que:
( ) ( ) ( ) ( ) ( )
|
.
|

\
|
= =
+ T
t
rect t x T t x T f X T f X
T
f
T
x
, , o ,
1
lim
2
|
(Coulon)
28
I.4 Impulsion de Dirac (en thorie du signal): ( ) t o
Par dfinition o(t) est un signal pour lequel on a :
( ) ( ) ( ) ( ) ( )
o
df
o o
t x dt t t t x dt t t x t = = +
} }
+

+

o o
quelque soit x(t).
o(t) = oprateur
dchantillonnage
Construction de o(t): Soit
( ) = T t x
o
,
Valeur moyenne dex(t) sur [t
o
-
T
/
2
, t
o
+
T
/
2
]
( ) ( ) ( )dt t t g t x dt t x
T
T t x
o T
T
t
T
t
o
o
o
= =
} }
+

+

2
2
) (
1
,
o
( )
|
.
|

\
|
=
T
t
rect
T
t g
T
1
g
T
(t)
t
1/T
T/2 -T/2
Surface = 1
A) Dfinition
29
t
o

t
o
+T/2 t
o
-T/2
T x(t)g
T
(t-t
o
)
t
x(t)
( ) ( ) ( ) t t x T t x
o
T
o de action , lim
!
0
0
= =

( ) T t x T
o
,
Do la conclusion que les proprits de limpulsion de Dirac sont identiques celles dun
signal rectangulaire dont la largeur tend vers 0 et la hauteur vers linfini, surface constante.
* le choix de g
T
(t) nest pas unique (cf. thorie mathmatique des distributions)
* o(t) = idalisation dune situation relle
ex: la rponse dun systme un signal extrmement bref sera dcrite par sa
rponse limpulsion de Dirac (cest--dire par la limite asymptotique o la dure
du signal tend vers 0)
30
Proprits
1) o(t) 1
2) o(t-t
o
) exp (-i2tft
o
) (cf. T.F. dun signal retard)
3) exp (i2tf
o
t) o(f-f
o
) (cf. rciprocit de la T.F.)

4) x(t)o(t-t
o
)=x(t
o
) o(t-t
o
) (proche de t
o
, le signal x(t) peut tre remplac par x(t
o
) )




5)
( ) ( ) ( ) ( ) ( ) 1
) 4 (
= =
} }
+

+

o o o o
t x dt t t t x dt t t t x t t o t t o
( ) ( ) | |( ) ( )
o o
t x t t t x = - t t o
t
o

t
o
+T/2 t
o
-T/2
t
x(t)
T
.
x(t
o
)g
T
(t-t
o
)
31
B) Signaux priodiques
( ) ( ) t nf i X t x
o
n
n T
t 2 exp =

+
=
( ) ( )

+
=
=
n
o n
f n f X f X o
o X
n
= coefficients de Fourier
f
o
= 1/T; T = priode
Reprsentation graphique
o(t-t
o
)
t
t
o

1
f
nf
o

X
n

X(f)
signal priodique nergie infinie
32
Produit dun signal dnergie finie par un signal priodique:
z(t) = x
T
(t)
.
y(t)
( ) ( ) ( ) ) ( ) ( f Y f n f X f Y f X f Z
n
o n
-
(
(

= - =

+
=
o
( ) ( )

+
=
=
n
o n
f n f Y X f Z
f
Y(f)
f
o

Z(f)
-f
o

Cas y(t) = pair (Y rel):
Y(0)
Y(0)
.
X
1

f
33
I. 5 Signaux numriques
* En Physique il est frquent que les rsultats exprimentaux soient sous forme dune
suite de valeurs numriques. Pour caractriser et traiter un tel signal numrique on
peut utiliser les mme concepts mathmatiques quau chapitre prcdent, condition
de les adapter aux contexte numrique.
* Les possibilits dapplication du traitement numrique des signaux sont dautant
plus nombreuses que la vitesse de calcul des microprocesseurs est leve.
* Les signaux numriques drivent souvent d un signal analogique par
chantillonnage. En cas d chantillonnage idal : x(n) = x
a
(nT), o x(n) dsigne le
signal numrique, x
a
(t) le signal analogique, T la priode d chantillonnage et n un
entier. (Si t

reprsente le temps, n est un indice temporel )
* L amplitude des signaux numriques est quantifie en raison du nombre fini d octets
pour reprsenter x(n).
A) Introduction
34
B) Transforme de Fourier
Dfinition

+
=

=
n
fn i
e n x f X
t 2
) ( ) (
x(n)= signal numrique
Lien avec la transforme dun signal chantillonn :
signal chantillonn: ( ) ( )

+
=
=
n
a e
nT t t x t x ) ( o
chantillonnage idal
signal analogique
( ) ( ) ( ) ( )

+
=

+
=
= =
n
fnT i
a e
n
a e
e nT x f X nT t nT x t x
t
o
2
) (
(1)
(2)
(1)(2) condition de poser T = 1
exemple:
x(n)
n
35
f
max
comme ( )

+
=
+
=
|
.
|

\
|

n n
T
n
f
T
nT t o o
1
(T.F. d'un "peigne de Dirac",
cf cours de mathmatiques)
d'o
( ) ( )
|
|
.
|

\
|
|
.
|

\
|
-

+
= n
a e
T
n
f
T
f X t x o
1
( )

+
=
|
.
|

\
|
=
n
a e
T
n
f X
T
f X
1
= X(f) pour T=1
rptition priodique de priode 1/T de X
a
(f)
f
max
f
X
a
(f)
X
e
(f)
f 1/T
chaque priode de X
e
(f) reproduit fidlement X
a
(f) condition que la frquence
d'chantillonnage soit suprieure 2f
max
. (Thorme de Shannon)
36
Proprits de X(f):
1) priodicit:
( ) ( ) f X f X = = + 1
par dfinition
X(f) srie de Fourier
o x(n) = coefficients de Fourier !
priode = 1
2) Transforme inverse:
( ) ( )
}

=
2
1
2
1
2
df e f X n x
fn i t
3) Retard: pour y(n) = x(n-n
o
)
( ) ( )
o
fn i
e f X f Y
t 2
=
4) Produit de convolution:
( ) ( ) ( ) | |( ) | |( ) ( ) ( ) ( ) f G f X f Y k x g k g x n k g n x k y
n
= - = - = =

+
=
Joy of Convolution (Discrete time)
Spectrum analyser demo
37
C) Transforme de Fourier discrte (TFD) :
La Transforme de Fourier dfinie au paragraphe prcdent est impropre au calcul
numrique puisque f est une variable continue et que le calcul de X(f) ncessite la
connaissance dune infinit dchantillons du signal temporel.
Discrtisation de f : f = n
.
Af, o Af est l'incrment sur l'axe des frquences
En choisissant N valeurs de f sur une priode de X(f), on a Af=1/N
( ) ( ) ( ) ( )

}
=

= ~ =
2
2
2
1
2
1
.
2
2
1
N
N
N
m
m
p
df
k i
N
m
fk i
k x e X
N
df e f X k x
t
t
Qualit de cette approximation

( ) k i N k i
N
m
N
m
e e
t t 2 2
=
+
x
p
(k) est priodique de priode N
( ) ( )

+
=
+ =
l
p
k N l x k x
= superposition priodique de versions dcales
du signal x(k)
38
* si x(k) est dure limite infrieure ou gale N, chaque priode de x
p
(k) est une
rplique exacte de x(k)
* On doit choisir N > dure du signal pour viter la dformation par recouvrement

Pour des signaux dure limite, il existe une relation rciproque entre les N valeurs de
x(k) et les N valeurs prises par X(f) sur une priode :

+
=

=
1
2
) ( ) (
N n
n n
fn i
o
o
e n x f X
t
Pour x(n) non nul sur [n
o
, n
o
+N-1] :
d'o en notant
X(m) = X(
m
/
N
) :
( ) 1 , , , ) (
1
1
2
, ,
2
, ) ( ) (
1
2
1
2
2
2
+ = =
= =

=
+
=

N n n n e m X
N
n x
N N
m e n x m X
o o
m
n i
N n
n n
n i
N
N
N
m
o
o
N
m

t
t
"Transforme de
Fourier Discrte"
39
figure scanne #2
* Toute l'information sur le signal est
contenue dans les N valeurs de x(k)
ou de X(m)
* La "Transforme de Fourier
Rapide" (TFR) est un algorithme
efficace qui permet de calculer la
TFD en tenant compte des
redondances apparaissant dans
l'expression de la TFD. La TFR rend
accessible le calcul en temps rel de
la transforme de Fourier des signaux
dure limite.
* En cas de signal dure illimite, la
TFD ne s'applique que sur le signal
tronqu.
x(k)
[Fig 3.1, (IV)]
* FFT spectrum analyser demo
40
D) Transforme en z (un aperu)
Dfinition
( ) { } ( ) , ) ( .

+
=

= =
k
k
z
z k x z X k x z T avec z e
"Transforme en z de x(k)"
* X
z
(z) = fonction complexe de la variable complexe s
* Pour les signaux usuels le domaine de convergence de X
z
(z) est un anneau centr sur
l'origine du plan complexe
* pour z = e
i2t f
, X
z
(z) X(f) X
z
= gnralisation de la T.F.


* X
z
=

outil de caractrisation des systmes de traitement numrique des signaux (cf.
chap II.1)
exemple :
( ) ( )
( )
o
o
c c o

= <

<
>
= =
z
z
z X
k
k
k k k x
z
k
1 et
0 pour 0
0 pour 1
avec , ) (
41
Caractrisation du signal par les points singuliers de X
z
(z):
z = e
i2t f
, f e z e cercle unit du plan complexe
Re(z)
Im(z)
2tf
z = e
i2t f
0

p
i

i
v

i
w

( )
( )( )( )
( )( )( )

3 2 1
2 2 1
p z p z p z
z z z z z z
A z X
z


=
( ) ( ) | | ( ) ( )

= =
i
v
i
w
i
i
f f f X Arg
w
w
f X
i i
u u et

(voir I.3C)
exemple :
( ) 1 , <

= o
o z
z
z X
z
p
1
= o, z
1
= 0
Re(z)
Im(z)
z = e
i2t f
0

p
i

1
v

1
w

z
i

Cas des transformes en z rationnelles:
* ||w || n'intervient que sur la phase du signal
* |X(f)| est priodique
42
f
1 -1
|X(f)|
o 1
1
o + 1
1
* un ple proche du cercle unit tend augmenter |X(f) | aux alentours de f=Im(p
i
)/2t
* un zro proche du cercle unit tend diminuer |X(f) | aux alentours de f=Im(z
i
)/2t
* dans des cas simples (nombre rduit de points singuliers) cette mthode permet de
rapidement tracer une esquisse de |X(f) |
* dans des cas plus complexes elle peut servir de base pour automatiser, par voie
informatique, le trac de |X(f) | et Arg[X(f)]
* pour tout signal physique les ples sont l'intrieur du cercle unit
* pour signal rel: les points singuliers apparaissent par paires de complexes
conjugus
43
E) Corrlation des signaux
Par analogie avec les signaux analogiques on dfinit les fonctions de corrlations suivantes:
( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
2
f : nergie d' spectrale densit
: ation autocorrl d' fonction
f : nergie d' rale interspect densit
: lation intercorr d' fonction
f X
k l x l x k
f Y f X
k l y l x k
x
l
x
xy
l
xy
=
+ =
=
+ =

+
=
-
-
+
=
-

* = fonction priodique de priode 1



* W
x
=
( ) f
x

|
( ) ( ) ( )
}

+
=
= =
2
1
2
1
2 2
0 df f X l x
l
x

44
I. 6 Signaux alatoires
A) Introduction
* tout signal physique comporte une composante alatoire:
perturbation externe (ou "bruit").
ex: agitation thermique tension alatoire aux bornes d'une rsistance
perturbation atmosphrique fluctuations de la brillance des toiles
signal issus d'un systme trs complexe
ex: jet de ds, processus biologique, mtorologie, ...
processus quantique
ex: signal dlivr par un dtecteur Geiger
* l'volution du signal est imprvisible
* description statistique des signaux
45
B) Notion de Probabilit
Soit A un rsultat possible d'une exprience alatoire, N le nombre de ralisation de
l'exprience et n
A
le nombre de fois que le rsultat A est apparu, alors :
Probabilit de l'vnement "le rsultat de l'exprience est A" :
( )
N
n
A P
A
N
df
+
= lim
.
Probabilit d'un vnement :
Probabilit conjointe et conditionnelle :
Soient A et B deux vnement distincts alors:
Probabilit conjointe que A et B aient lieu : ( )
N
n
B A P
AB
N
df
+
= lim ,
.
avec n
AB
= nombre de fois que A et B sont apparus
46
or
( ) ( ) ( ) A P A B P
N
n
n
n
N
n
n
n
B A P
df
A
N
A
AB
N
A
A
AB
N
=
|
.
|

\
|

|
|
.
|

\
|
=
|
|
.
|

\
|
=
+ + +
/ lim lim lim ,
"P(B/A)" P(A)
( ) ( ) ( ) ( ) ( ) B P B A P A P A B P B A P = = / / ,
P(B/A) = Probabilit que B ait lieu sachant que A a eu lieu
Probabilit
conditionnelle

Evnements indpendants :
L'apparition de B ne dpend pas de l'ventuelle apparition de A
( ) ( ) ( ) B P A P B A P B P A B P = = , ) ( ) / (
47
C) Processus alatoires
* un phnomne (ou processus) est dite alatoire lorsqu'il dpend d'une certaine manire
des lois du hasard
* les signaux produits par un processus alatoire sont imprvisibles ; ils ne possdent pas
de reprsentations temporelles analytiques
* un signal alatoire observ peut tre considr comme une ralisation particulire
d'un ensemble de signaux similaires qui sont tous susceptibles d'tre produits par le
mme processus alatoire

Exprience virtuelle :
Considrons le processus alatoire: "tension lectrique aux bornes d'une rsistance R
non polarise"
Des mesures de tension effectues simultanment sur plusieurs rsistances identiques
(mme R, mme environnement,...) donneraient lieu des signaux diffrents.
48
Description mathmatique:
* Le processus alatoire est reprsente par une famille de fonctions ou, plus
simplement,
* , est un lment de l'espace des preuves : il dcrit la nature alatoire du processus
* chaque membre de est un signal alatoire qu'il convient de noter simplement x(t)
( ) , , t x
( ) t x
( ) t x
t
,
1

,
2

,
3

t
1

t
2

= tension mesure sur la rsistance nu , (bruit "thermique")
( ) , , t x
signaux susceptibles d'tre
produits en mesurant la
tension aux bornes d'une
rsistance R
* A chaque instant le processus se rduit une variable alatoire not plus
simplement
( ) , , t x ( )
i
t x
i
x
49
Densit de probabilit
On peut reprsenter les rsultats de l'exprience virtuelle par un histogramme:
* Les proprits statistiques d'un processus alatoire peuvent tre dcrites au moyen
d'une densit de probabilit
Exprience virtuelle (suite...)
N(m, t
i
) = nombre d'vnements: "x
i
= x Ax prs"
x
m Ax
(m+1) Ax
N(m)
prcision de la mesure
( ) | |
( )
| |
( )
mes
p
m k
i
N
i
mes
i
N
i
N
t k N
x p x x m et
N
t m N
x x x m
mes
mes

=


= A < s A
= A + < s A
1
,
lim Prob
,
lim 1 m Prob
N
mes
= nombre totale de mesures
50
Idalisation:
Lorsque Ax dx l'histogramme devient une fonction continue de x.
( ) dx t x n t m N
i i
) , ( ,
nombre d'vnements par unit de x
= nombre d'vnements o x
i
e[x, x+dx]
| | ( )
}
= < s
2
1
, Prob
2 1
x
x
i i
dx t x p x x x
( )
( )
mes
i
N
i
N
t x n
t x p
mes
,
lim , o
+
= = densit de probabilit de
i
x
* p(x, t
i
) = concept purement thorique. En pratique la prcision et N
mes
sont finis
* variable gaussienne p(x, t
i
) = gaussienne.

*Normalisation de p(x, t
i
):
i
x
( ) 1 , =
}
+

dx t x p
i
* Probability distributions
51
Fonction de rpartition :
( ) ( )
}

=
x
i i
dx t x p t x F ' , ' ,
On appelle fonction de rpartition la fonction F(x, t
i
) = Prob[x
i
s x]
( )
( )
dx
t x dF
t x p
i
i
,
, =
* Il est parfois pus facile de calculer d'abord F(x, t
i
) pour ensuite en driver p(x, t
i
)
* Le comportement statistique d'une variable alatoire est dcrit par sa fonction de
rpartition ou par sa densit de probabilit
Processus multiples
En cas de plusieurs variables alatoires, , on peut dfinir des densits de
probabilits conjointes par:
j i
y x et
| | ( )
}}
A A
= A e A e
y x
j i j i
dxdy t t y x p y y x x , ; , et ob Pr
Pour des variables indpendantes : p(x,y; t
i
, t
j
) = p(x, t
i
)
.
p(y,t
j
)
52
D) Esprances mathmatiques
* Toute fonction f d'une variable alatoire est une variable alatoire .
{ } ( ) ( )
}
+

= dx t x p x f f E
i i
,

i
x
i
f

i
f

La connaissance des lois de probabilits nous permet de dterminer les valeurs


espres thoriquement - ou esprances mathmatiques - ou encore moyenne
statistique de :
Statistiques du 1
ier
ordre :
valeur moyenne statistique:
( ) { } ( )
}
+

= = dx t x p x x E t m
i i i
x
,
2 2
2
valeur quadratique moyenne:
( ) { } ( )
}
+

= = dx t x p x x E t
i i i x
,
variance :
( ) ( ) { } ( )
2 2 2
2

i x
x
i x i i x
t m t x E t o = =
cart -type : ( )
2 2
x x i x
m t o =
53
Statistiques du 2
nd
ordre :
Fonction d'autocorrlation statistique :
( ) { } ( )
} }
+

+

= =
2 1 2 1 2 1 2 1 2 1 2 1
, ; , , dx dx t t x x p x x x x E t t R
x
Fonction d'autocovariance statistique :
( ) ( ) | | ( ) | | { } ( ) ( ) ( )
2 1 2 1 2 2 1 1 2 1
, , t t t t R t x t x E t t C
x x x x x x
= =
* Pour des processus centrs (
x
(t)=0): C
x
(t
1
, t
2
) = R
x
(t
1
, t
2
)
Fonction d'intercorrlation statistique : ( ) { }
2 1 2 1
, y x E t t R
xy
=
Fonction d'intercovariance statistique :
( ) ( ) ( ) ( )
2 1 2 1 2 1
, , t t t t R t t C
y x xy xy
=
54
Processus Stationnaires
On dsigne par stationnaire les processus dont les caractristiques statistiques sont
indpendantes du temps :
( ) ( )
( )
( ) ( )

1 2 2 1
avec ,
; ,
t t R t t R
t
x p t x p
xy xy
x i x
i
= =
=
=
t t

* Il ne faut pas confondre "processus stationnaire" avec "processus indpendant de t"
* On parle de stationnarit au sens large lorsque seul
x
et R
x
sont indpendants de t
* De nombreux phnomnes sont approximativement stationnaires sur des dures
d'observation finies
Exemples:
- les numros gagnant de la loterie national obissent un processus stationnaire!
- les chutes de pluies Strasbourg sont issues d'un processus non stationnaire: il peut en
moyenne plus souvent au mois de novembre qu'au mois d'aot...
55
E) Moyennes temporelles et ergodisme :
* Il n'est pas toujours possible de raliser un nombre suffisant de mesures pour tablir les
proprits statistiques d'un processus alatoire.
* On peut calculer les valeurs moyennes temporelles d'un signal alatoire pour extraire des
informations complmentaires sur le comportement moyen du processus
Dfinition
f = fonction d'un signal alatoire x(t) :
( ) | | ( ) | |
}

+
=
2
2
1
lim
.
T
T
dt t x f
T
t x f
T
df
= valeur moyenne temporelle de f
* l'inexistence d'expressions analytiques pour dcrire les signaux alatoires rend les valeurs
moyennes temporelles impropres au calcul. Elles indiquent cependant la procdure
exprimentale suivre. (p.ex. calcul numrique sur un tableau de valeurs exprimentales)
*Par convention on considre les signaux alatoires comme ayant une puissance moyenne finie
*La dure d'observation est ncessairement finie...
56
Principales moyennes temporelles :
valeur moyenne :
}

+
=
2
2
) (
1
lim
T
T
dt t x
T
x
T
valeur quadratique moyenne :
x
T
P dt t x
T
x
T
T
!
2 2
2
2
) (
1
lim = =
}

+
fonction d'autocorrlation : ( ) ( ) ( ) ( ) ( )
}

+
+ = + =
2
2
1
lim
T
T
dt t x t x
T
t x t x
T
x
t t t
fonction d'intercorrlation : ( ) ( ) ( ) t t + = t y t x
xy
variance temporelle :
( ) | |
2 2
x t x
x
= o
cart-type temporel : ( ) | |
2
x t x
x
= o = " valeur efficace"
57
Ergodisme
Un processus alatoire est dit ergodique lorsque les valeurs moyennes statistiques
et temporelles sont identiques :
( ) ( ) t t
x x
x
x
R x m x = = = ; ;
2
2
* un processus ergodique est ncessairement stationnaire, mais la rciproque n'est pas vraie
* lorsque l'hypothse d'ergodisme est justifie, on est en droit d'estimer les proprits
statistiques d'un processus alatoire par l'analyse temporelle d'un signal x(t) unique.
58
F) Densit spectrale
* Comment dcrire la distribution spectrale moyenne d'un signal alatoire?
* La transforme de Fourier d'un signal alatoire est elle mme alatoire...
* La densit spectrale de puissance d'un signal x(t), donne par:
( )
( )
( ) ( )
|
.
|

\
|
= =
+
T
t
rect t x T f X
T
T f X
f
T
x
, avec
,
lim
2
|
Lorsque x(t) reprsente un signal alatoire |
x
est aussi alatoire, d'o la ncessit de
redfinir la densit spectrale de puissance par:
( )
( )

,
lim
2

=
+
T
T f X
E f
T
x
|
x
i
(t)
T/2
-T/2
( ) ( ) ( )
( )
T
T f X
f T f X T t x
i
xi i i
2
,
, , = |
59
Thorme de Wiener-Khinchine : (sans dmonstration, cf Coulon)
On montre que pour des signaux stationnaires au sens large :
( ) ( ) t |
x x
R f
Cas des signaux ergodiques:
( ) ( ) ( ) ( ) t | t t
x x x x
f R =
* Dfinition unique de la densit spectral d'un signal, qu'il soit dterministe ou alatoire
Procdure "exprimentale" pour estimer |
x
: dure d'observation T = finie
( ) ( ) ( ) ( ) t t t
x
T
x
dt t x t x
T
~ + =
}
0
1
~
( ) ( ) f f
x x
| | ~
~

dt
T
T }
0
1
A/D
FFT
retard
x(t) ( )
o x
n |
~
60
F) Processus alatoires corrls et processus indpendants
* Deux systmes physiques en interaction produisent frquemment des signaux
corrls existence d'une relation entre signaux
* Rciproquement, lorsque deux signaux sont statistiquement indpendants, les
systmes physiques, qui sont l'origine des signaux, interagissent peu ou pas du
tout.
* Comment dcrire respectivement la corrlation et l'indpendance entre signaux
alatoires ?
Considrons les deux processus alatoires stationnaires:
( ) ( ) ( ) t , , et t , ) , ( , , , , w t y v t x
y x
+ = + = ( ) ( ) t , et t , , , w v = processus centrs
j i j i
t t x w v et instant l' et de autour y et de ns fluctuatio et
y x
=
Recherchons la relation linaire entre qui tient compte au mieux des proprits
statistiques de ces deux variables alatoires.
j i
w v et
61
pour quelle valeur de la constante A, l'erreur quadratique moyenne c (A),
( ) ( ) { }
2

j i
w A v E A = c est minimale? dfinie par
* si la relation tait exacte, on aurait c (A)= 0
* s'il n'existait pas de relation entre les deux variables, alors c (A) serait minimal pour A =0
* car il s'agit de processus centrs
* on ne peut avoir , avec B= 0

j i
w A v =
{ } A w A v E
j i
= 0
B w A v
j i
+ =
c (A) est minimale
( )
{ }
{ }
( )
i j
y
xy
j
j i
t t
C
w E
w v E
A
dA
A d
= = = = t
o
t
c
,


0
2
2
2
( )
( ) | | t o
o o
t
o c
2 2
2 2
2
2
min
1 1 et =
(
(

=
x
df
y x
xy
x
C
= coefficient de corrlation normalis
1 s on a toujours car c
min
est par dfinition >0
62
* (t)=1 c
min
= 0
j i
w A v
!
=
corrls ement sont total et
j i
y x
* (t)=0 c
min
=
j i x
y x et
2
o sont non-corrls
v
i

w
j

points exprimentaux
w
j

v
i

proche de 1
proche de 0
*(t) et par consquent C
xu
(t) ou R
xy
(t) mesurent le degr de corrlation entre
deux processus alatoires
* On peut faire le mme raisonnement en utilisant les moyennes temporelles; en cas
de processus ergodiques les deux descriptions sont quivalents
( ) ( ) ( ) t t + t y t x
xy
et entre n corrlatio de degr le value
63
Illustrations
x(n)
y(n)
( ) k
xy

m=27
m=43
t
x(t)
y(t)
t
1

t
t
t
1

( ) t
xy
t
x(n) y(n)
[Figure 6.1 et 6.3 (II)]
64
x(n)
y(n)
( ) k
xy

[Figure 6.4 (II)]


65
Mmoire d'un processus :
* La fonction d'autocorrlation mesure la corrlation entre les signaux mis par un
mme processus deux instants diffrents. Lorsqu'il y a corrlation on peut parler d'un
"effet mmoire" du processus.
* On dfinit la mmoire du processus comme le temps t
c
au del duquel la corrlation est
ngligeable. t
c
est aussi appel temps de corrlation.
( ) ( ) t t
x x
R ou
t
mmoire du processus
* La mmoire d'un processus est d'autant plus faible que la densit spectrale des signaux
produits est tendue
t
c

66
Bruit blanc
Le cas extrme ( ) ( ) t o t = c
x
reprsente un processus virtuellement sans mmoire.
Par transforme de Fourier:
( ) c f
x
= |
* Un tel signal comporte toutes les frquences avec la mme densit. Par analogie avec
la lumire blanche, on dnomme un tel signal bruit blanc
Processus indpendants
Deux processus alatoires stationnaires sont indpendants si leur densit de
probabilit conjointe est gale au produit de les densits de probabilit marginale:
( ) ( ) t y t x ,
( ) ( ) ( ) y p x p y x p
y x xy
= ,
* L'observation de l'un des processus ne nous apprend rien sur l'autre
* (*) C
xy
(t) = 0 : les processus indpendants sont non-corrls!
* La rciproque n'est pas toujours vraie
(*)
67
xy
C 2
2
y
2
x
2
z
+ + = = o o o
Somme de variables alatoires
y x z + = ( ) ( )
}
+

= dx x z x p z p
xy z
,
si les processus sont indpendants: p
xy
(x,y)=p
x
(x)p
y
(y)

et ( ) ( ) ( ) ( ) ( ) | |( ) z x p x p dx x z p x p z p
x x y x z
- = =
}
+

variance
densit de probabilit
si les processus sont non-corrls:
2
y
2
x
2
z
o o o + =
68
II Mthodes II.1 Systmes linaires et invariants
A) Introduction
Systme de TS
S
signal "d'entre" x(t)
signal de "sortie"
y(t)=S{x(t)}
* S = un systme physique dlivrant un signal y(t) en rponse une stimulation x(t)
- un systme de mesure conu pour dtecter la prsence d'un signal de forme particulire
- un filtre lectronique, un amplificateur, un convertisseur A/D, ...
- un algorithme informatique agissant sur un signal numrique
....
* Comment dcrire la transformation temporelle ou frquentielle qu'opre S sur le signal ?
* Comment concevoir S pour raliser une opration particulire (filtrage, reconnaissance des
formes, ...)? Le choix et la conception du dispositif (lectronique, acoustique, optique,...) pour
raliser S ne fait pas parti du traitement du signal.
* Comment obtenir des informations sur S en observant les rponses du systmes des
stimulations extrieures?
69
B) Systmes linaires et invariants (SLI)
Linarit
systme linaire
SL
( ) ( )

=
i
i i
t x a t x ( ) ( ) ( ) ( ) { } t x t y t y a t y
i i i
i
i
S avec , = =

Invariance
systme invariant
SI
( ) ( ) T t x t x =
0
( ) ( ) ( ) ( ) { } t x t y y t y
0 0 0
S avec , T - t = =
* SLI y(t) et x(t) sont relis par une quation diffrentielle linaire coefficients
constants
* Sauf indication contraire, nous supposerons par la suite que le systme S est linaire et
invariant.
* System Properties
* Interactive Lecture
70
C) Rponse impulsionnelle
* description de S par l'intermdiaire de sa rponse un signal extrmement bref
(impulsionnelle), nergie finie. En cas de SLI, on pourra en dduire la rponse de S un
signal quelconque.
* Modlisation mathmatique: rponse de S une impulsion de Dirac.
Dfinition
Rponse impulsionnelle : g(t) = S{o(t)}
* S est dit causal g(t<0) = 0
* Un signal quelconque peut tre considr comme une "succession" de signaux
lmentaires impulsionnelles. En tenant compte de la linarit et de l'invariance, la
rponse du systme est une suite de rponses impulsionnelles d'amplitude variable et
dcales dans le temps.
71
Modlisation:
t
x(t)
( ) t x
~
At
( ) t x
~
= suite d'impulsions de largeur At et
d'amplitude x(k
.
At), avec ke
~ x(t) si At est suffisamment petit.
( ) ( ) ( ) ( )

+
=
+
=
(

A
A
A A =
(

A
A
A =
k k
t
t k t
g t t k x t y
t
t k t
rect t k x t x
~ ~

~
SLI
( )
)
`

A A
=
t
t
rect
t
t g
1
S
~
o
Limite o At dt' :
( ) ( ) ( ) ( ) ( ) ( ) ( ) t y t y t x t x t g t g t
t
t
rect
t

(

A
~
et
~
;
~
;
1
o
' et ' t t k dt t
k
A A
}

+

+
=

( ) ( ) ( ) | |( ) | |( ) t x g t g x dt t t g t x t y - = - = =
}
+

' ' '
72
Illustration:
t
( ) t x
~
t
t
0

t'
g(t
0
-t')
.
x(t')
t
0
+t'
t'
(<0)
( ) t y
~
t
0

t
At
( ) '
~
t t g
o

73
D) Rponse frquentielle
( ) | |( ) ( ) ( ) ( ) f X f G f Y t x g t y = - =
o g(t) G(f) = "rponse frquentielle" de S.
Dfinition
* G(f) ou g(t) = description complte le SLI
* par commutation :
x(t)
g(t) ou G(f)
x(t) ou X(f)
g(t)
y(t)
y(t)
mme signal
* La description des systme SLI est analogue celle des signaux (mme outils math.)
* (*) dcrit comment la distribution spectrale d'un signal est modifi ou "filtr" par S.
* Un SLI ne peut crer de nouvelles composantes spectrales:
(*)
( ) ( ) 0 0 = = =
o o
f Y f f X
74
* g(t) ou G(f) permettent de calculer la rponse de S un signal quelconque
* Un systme est dit causal lorsque g(t<0) = 0
le signal de sortie l'instant t dpend du signal d'entre aux instants t's t
la dure de g(t) correspond au temps de rponse du systme
* Si t est une coordone spatiale, alors g(t) reprsente la rponse de S un signal ponctuel
objet ponctuel SLI objet flou

* Problme de dconvolution: connaissant g(t) et y(t) peut-on en dduire x(t)
[ objet flou objet ponctuel]
il s'agit d'une opration mathmatique dlicate o toute incertitude (mme infime)
sur y(t) ou g(t) se retrouve amplifie dans le rsultat
( ) ( ) ( )
}

=
t
dt t t g t x t y ' ' '
75
Rgime harmonique
( ) ( )
o o
t f i
o
f f x e x t x
o
= o
t 2
Y(f)=G(f)
;
X(f) = G(f
o
)o(f-f
o
) x
o

t
o o
) G(f x y(t)
0
f i2
e
t
=
( ) ( )
( ) | | ( )
o o
f G Arg t f i
o o
e f G x t y
+
=
t 2
|G(f)| = gain de S
Arg[G(f)] = dphasage caus par S
76
E) Fonction de Transfert
Dfinition
On appelle fonction de transfert de S la transforme de Laplace G
L
(s)
de sa rponse impulsionnelle
* pour les systmes causaux : G
L
(s=i2t f) =G(f)
* pour simplifier l'criture on notera la fonction de transfert G(s)
* Les SLI possdent une fonction de transfert rationnelle (car ils sont dcrits par des
quations diffrentielles linaires coefficients constants)
* On peut caractriser la rponse frquentielle du systme par les points singuliers de sa
fonction de transfert
77
* il s'agit d'un filtre passe-haut
* Ralisation possible du filtre:
x(t) y(t)
C
R
( )
( )
( )
dt
t dx
t y
RC dt
t dy
= +
1
( )
1 +

=
s RC
s RC
s G
L
RC
1
= o
Exemple:
( ) positif rel avec =
+
= o
o s
s
s G
Re(s)
Im(s)

i2t f
v

-o
p
z
1
f
( ) f G
0
f
2
t
2
t

( ) f G Arg
78
Systme numrique
La fonction de transfert d'un systme numrique est la transforme en z de
sa rponse impulsionnelle.
Dfinition
SLI: g(k) x(k) ( ) | |( ) ( ) ( )

+
=
= - =
l
l k g l x k g x k y
Transforme
en z
X(z) SLI: G(z) Y(z)= G(z)
.
X(z)
*
[* voir p 58, Rf.IV]
Exemple:
G(z)=z
-1
x(k) y(k)= x(k-1)
( ) ( ) ( )
( )
( ) z X z z k x z l x z Y
k
k
l k
l
l
= =

+
=
+
= +
=

1 1
1
1
G(z)
79
Systmes en cascades et Dcomposition d'un systme en lments simples :
G
1

G
2

G
n

G


avec G(s) = G
1
(s)
.
G
2
(s)
. ... .
G
n
(s) points singuliers de G = E (pts. singuliers des G
i
)
Rciproquement, un SLI complexe peut tre considr comme une succession de
systmes lmentaires
Stabilit d'un SLI :
Un systme n'est stable que si tous les ples de G(s) ont une partie relle ngative
En effet:
( ) ( )
( )
( )
( )t p i t
e t e t g
p s
s G
Im 2 Re
1
t o
c =

=

diverge quand t+
* la moindre impulsion l'entre du systme fait 'diverger' la sortie
*le systme sort du domaine linaire
80
* Tout systme physique possde au moins autant de ples que de zros car :
( )
n
m f
f
f
f G
|
o m et n = nombre de zros et de ples
si m>n
( ) +

f
f G
ce qui n'a pas de sens physique
* Pour un systme numrique, les ples de G(z) doivent tre situs l'intrieur du
cercle unit, |p|<1
81
F) Convolution et corrlation
on a :
SLI: g(t)
x(t) y(t)
( ) ( ) ( ) ( ) ( ) | |
} }
+

+

= = ' ' ' ' ' ' dt t t g t x dt t t g t x t y
en posant , on peut crire :
( ) ( ) t g t g = ( ) ( ) ( ) ( ) t dt t t g t x t y
g x
= =
}
+

!
' ' '
* les oprations de corrlation et convolution sont lies
* On peut considrer l'opration d'un SLI comme une mesure de la corrlation entre deux
signaux (x(t) et g(t)): le signal de sortie est "construit" partir des composantes
frquentielles communes au signal d'entre et la rponse impulsionnelle.
Cas particulier: lorsque g(t)=x(-t), y(t) = fonction d'autocorrlation du signal
Ce type de systme est connu sous le nom de filtre adapt.
* ce filtre n'est pas causal; on doit retarder la rponse impulsionnelle de la dure T de x(t)
x(-t-T)
x(t) ( ) t T
x

| |( ) ( ) t t g x
g x
= -

82
G) Densit spectrale et densit de probabilit
* Nous avons vu au chap I.6 que la densit spectrale de puissance |
x
(f)

est un moyen
efficace pour dcrire la distribution spectrale des signaux alatoires, pour lesquelles la
transforme de Fourier est elle mme alatoire.
*Comment |
x
(f) est-elle modifie par un SLI ?
SLI: g(t)
x(t)

signal alatoire
y(t) = signal alatoire
On peut toujours crire formellement que y(t)=g(t) - x(t)
or ( ) ( ) ( ) ( ) ( ) ( ) ( ) | |
df
T
t
T
y
t y t y d t y y
T
dt t t y t y
T
t
T
T
T
T
- = + + =
} = }

+
=

+
2
2
2
2
1
lim ' ' '
1
lim
'
t t t
t
Produit de convolution
pour signaux puissance
moyenne finie
( ) | |( ) | |( ) | |( ) t t x g t x g t
y
- - - =
Note: = oprateur commutatifs et associatifs (s.d.)
- -,
83
( ) ( ) ( ) | | ( ) ( ) | | t x t x t g t g t
y
- - - =
( ) t
g

( ) t
x

( ) ( ) ( ) t t t
x g y
- =

( ) ( ) ( ) f f G f
x y
| | =
2
* ce rsultat est indpendant de la nature alatoire ou dterministe du signal
Illustration
SLI: filtre passe-bas
f f
f
( ) f
x
|
( ) f
y
|
( )
2
f G
* possibilit de mesurer | G(f) | par la rponse d'un systme un bruit blanc!
84
Densit de probabilit
* Le traitement par un SLI affecte la densit de probabilit, p(x, t
i
), qui caractrise le
signal alatoire.
SLI
x(t) y(t)
p(x, t
i
) p(y, t
i
) = ?
* Il s'agit d'un problme difficile qui ne possde pas de solution gnrale. Ainsi pour un
mme SLI, p(y, t
i
) peut tre diffrente pour deux signaux x(t) de mme p(x, t
i
)!
Exemple:
SLI: filtre
passe-bas
x
1
(t)
x
2
(t)
y
1
(t)
y
2
(t)
p(x)
x
1/2
p(y)
y
1

y
2

y
[Fig. 7.23 (II)]
85
Valeur et Puissance moyennes
La valeur moyenne temporelle d'un signal est par dfinition gale sa composante
continue, c'est--dire au terme de frquence nulle de sa transforme de Fourier X(f=0)
D'o la relation suivante entre les valeurs moyennes des signaux d'entre et de sortie
d'un SLI :
( ) ( ) ( ) ( ) 0 0 0 X G Y t y = =
Les puissances moyennes des deux signaux sont relies par:
( ) ( ) ( ) ( )
} }
+

+

= = = df f f G df f P
x y y y
| |
2
0
86
II.2 Dtection et Estimation des signaux
A) Introduction
Dtection d'un signal = dceler ou dtecter la prsence d'un signal particulier
'contenu' dans un signal bruit, sans retrouver la forme exacte (suppose connue) du
signal
Estimation d'un signal = dtecter la prsence et estimer la forme d'un signal
particulier noy dans le bruit
* La complexit du problme dpend des connaissances priori du signal recherch
* On utilisera la notation adapte aux signaux analogiques. Les mthodes dcrites ci-
dessous peuvent tre adaptes aux signaux numriques.
* Par analogie avec l'acoustique, on appelle "Bruit" tout signal indsirable limitant
l'intelligibilit d'un signal utile.

87
Hypothses :
bruit additif x(t) = s(t) + b(t)
signal 'utile'
bruit
le bruit est issue d'un processus ergodique, indpendant du signal utile
( ) t t = , 0

sb
Le signal utile et le bruit sont issue de processus centrs

s
=
b
=0
le temps de corrlation t
b
ou mmoire du bruit est fini
( ) 0 = >
b b
t t
88
B) Dtection d'un signal priodique
* On recherche un signal priodique dont on ne connat pas la priode
Principe
On ralise l'autocorrlation du signal
corrlateur
x(t)
x(t)
( ) t
x
On peut crire :
( ) ( ) ( ) | | ( ) ( ) | |
( ) ( ) ( ) ( ) t t t t
t t t
b bs sb s
T
x
dt t b t s t b t s
T
T
T
+ + + =
+ + + + =
}

+
2
2
1
lim
= 0 = 0
= 0 pour t > t
b

pour t > t
b
:
x
(t) =
s
(t) = fonction priodique de mme priode que s(t)
Puissance moyenne de s(t): P
s
=
x
(nt
o
>t
b
), o t
o
= priode de s(t)
89
Illustration
( ) f
x
|
~
1/t
o
-1/t
o

( ) t
x
~
t
b

* T = finie le corrlateur mesure :
les termes
sb
et
bs
ne sont pas rigoureusement nuls

b
(t>t
b
)

~ 0
( ) ( ) ( )dt t x t x
T
T
x
}
+ = t t
1
~
limitent le rapport
signal sur bruit
[Fig.13.21 (I)]
90
C) Dtection d'un signal priodique de priode connue
Principe
L'information a priori sur la priode permet en principe d'amliorer le rapport signal sur bruit
On ralise l'intercorrlation du signal avec un signal auxiliaire p(t) de mme
priode mais de forme quelconque.
corrlateur
x(t)
p(t)
( ) t
xp
( ) ( ) ( ) ( ) t t t t
sp bp sp xp
= + =
indpendant
de b(t)
=0
fonction priodique de mme
priode que s(t)
* il n'y a pas de limitation aux faibles valeurs de t
*
sb
est l'unique terme supplmentaire augmentation du rapport signal/bruit
* p(t) est de forme quelconque facilit d'emploi
91
D) Mesure du retard entre signaux de forme quelconque
Lorsque deux signaux, x
1
(t) et x
2
(t), comporte le mme signal utile, s(t), mais dcal dans le
temps, la comparaison de x
1
(t) et x
2
(t) permet d'estimer ce dcalage temporelle.
Principe
corrlateur
x
1
(t)=s(t-t
1
)+b
1
(t)
( ) t
xz
x
2
(t)=a
.
s(t-t
2
)+b
2
(t)
b
1
et b
2
sont indpendants
a est une constante
( ) ( )
dec x x
t a = t t
2 1
o t
dec
= t
2
-t
1

* si s(t) est de forme connue, cette opration est quivalent un filtrage adapt
92
Illustrations
a) Mise en vidence de
diffrents chemins de
propagation et mesure de leurs
coefficients d'absorption
b)L'intercorrlation des signaux
provenant d'lectrodes places sur un
muscle permettent de dtecter si le
cellules musculaires travaillent de
manire cohrente
[Fig.13.16,17 (I)]
93
E) Estimation d'un signal par intercorrlation synchrone
* En Physique on tudie souvent la rponse d'un systme une stimulation priodique
* La mthode dcrite dans ce paragraphe exploite la nature rptitive du procd.

Exemple :
impulsions lumineuses
conductivit lectrique
t
t
t
i

Intensit
signal utile
informations sur
le matriau
semiconducteur
x(t)
94
Stimulation priodique x(t) = s(t) + b(t) avec s(t+mt
o
)=s(t), me
Principe
Gnrateur de
signaux priodiques
source
d'excitation
Systme
physique
corrlateur
u(t)
u(t)
x(t)=s(t)+b(t)
( ) t
ux
synchronis avec s(t)
( ) ( ) ( ) ( ) ( ) ( )dt t s t u
T
dt t s t u
T
o
T
o
T
T
T
o
T
us ux
} }

+
+ = + = =
2
2
2
2
1 1
lim
!
t t t t
b(t) et s(t)
indpendants
u(t)s(t+t)=priodique de priode T
o

( )
o f
n
f
o
f
T t
t
nT t
rect
t
t u <
|
|
.
|

\
|

=

+
=
avec
1
pour ( )
( )
o
ux
T
s t
t =
moyenne temporelle
de s(t) sur
[t-t
f
/2, t+t
f
/2]
95
t
u(t)
x(t)=s(t)+b(t)
> <
t
f

t
T
o

2T
o

( ) t
xu
~
idalisation
( ) ( ) ( )
( )
o
ux
n
o f
t
s
nt t t u t
t
t o =

+
=
et 0
Illustration
[Fig.13.24 (I)]
96
F) Estimation par accumulation
* Il s'agit d'une mthode numrique : la rponse x(t-t
i
) d'un systme une stimulation
l'instant t
i
est chantillone aux instants t
i
+k
.
T
e
, k= 1,...,N, et stock dans N mmoires
numriques. Les N valeurs sont moyennes avec les mesures prcdentes.
stimulus
[Fig.13.13 (I)]
97
Contenu de la k
ime
mmoire aprs la i
ime
mesure:
( )
( ) ( )
i
kT x i kT x
kT x
e i e i
e i
1
) 1 (

+
=
Aprs M mesures :
( ) ( ) ( ) b kT s kT x
N
kT x
e
M
i
e i e
+ = =

=1
1
avec ( ) 0
1
1
~ =

=
M
i
e i
kT b
M
b
[Fig.13.13 (I)]
98
Ecart - type
( )
e
kT x b de alatoire composante =
( )

= =

=
M
i
e i b x
kT b
M
1
2 2
1
variance o o
hypothse: ... b
i-1
, b
i
,b
i+1
...= variables alatoires indpendantes de variance

=
=
M
i
b b
1
2 2
o o
2
b
o
d'o
M
b
x
o
o =
* pour augmenter le rapport signal/bruit d'un facteur K il faut multiplier le nombre
de mesure par .
2
K
99
G) Estimation de la rponse impulsionnelle par corrlation
* En premire approximation, les systmes physiques ont un comportement linaire
condition que les excitations aient une nergie suffisamment faible.
* L'invariance temporelle est synonyme d'absence de vieillissement ou d'usure du
systme.
* Dans ces conditions on peut caractriser un systme physique par ses rponses
impulsionnelle g(t), frquentielle G(f) ou par sa fonction de transfert G
L
(s).
*g(t) vhiculent des informations physiques sur le systme en rgime linaire (temps de
rponse, stabilit, phnomnes de rsonances, ....).
* g(t) peut dpendre du point de fonctionnement statique du systme.
* L'nergie du signal impulsionnel, utilis pour estimer g(t), doit tre choisi de manire
rester dans le domaine linaire. Pour certains systmes cette condition peut limiter
considrablement le rapport signal sur bruit. La mthode corrlative, utilisant comme
signal d'excitation un bruit blanc, peut contourner cette difficult.
100
Mthode corrlative
gnrateur de
bruit blanc
systme physique
SLI: g(t)
source
d'excitation
b(t)
o
.
b(t)
corrlateur
b(t)
y(t)
( ) t
by
( ) | |( ) ( ) ( )
( ) | |( ) ( ) | |( )
| |( ) t o
t o t o
t t
g
g b b g b b
t b t b y b or
b
by
- =
- - = - - =
= - =

o ,

( ) ( ) t o t g
by
=
Bruit blanc:
b
(t)= o(t) 1 ) (
b
= f |
( ) ( ) f G f
by
= o |
101
* Un bruit blanc est physiquement irralisable.
* Il suffit que |
b
(f)~ c aux frquences o G(f) est non-ngligeable
|
b
(f)
G(f)
f

"bruit rose"
* on a souvent recours aux gnrateurs numriques de bruit pseudo-alatoire
* Rapport Signal / bruit :
Mthode impulsionnelle
A faible afin de rester dans le
domaine linaire
limitation de l'nergie du signal
d'entre W= A
2
T
Mthode corrlative
o
b
2
= puissance moyenne du bruit
D = dure d'intgration (finie) de l'intgrateur
Energie du signal d'entre "utilise":
( )
|
.
|

\
|
=
T
t
rect A t x , avec T petit
D W
b
=
2
o
* pas de limitation intrinsque sur W
c
102
Variation du point de fonctionnement
systme physique
SLI: g(t)
source
d'excitation
b(t)
o
.
b(t)
corrlateur
b(t)
y(t)=y
x
(t)+y
b
(t)
( ) ( ) t o t g
by
=
gnrateur de
bruit blanc
x(t)

( ) ( ) ( ) ( ) t o t t t g
b x
by by by
= + =
indpendant de b(t)
=0
car b et y
x
indpendant
En effet
* x(t) modifie le point de fonctionnement du systme physique
103
Exemple: Rsonances Magntiques
Principe:
Le systme physique est caractris par une srie de niveaux d'nergie
Leve de dgnrescence sous champ magntique
Absorption d'une onde lectromagntique
Il y a rsonance lorsque l'nergie des photons concide avec la diffrence nergtique entre
deux tats quantiques (lectronique ou nuclaire): AE=hv
E
systme
physique
0

= B
E
0

= B
AE
hv
104
Source
hyperfrquences
I
inc

I
ref

Modlisation
x(t)= h(t) ou f(t)
systme
physique
y(t) taux d'absorption de
l'onde lectromagntique
capteur
y(t)

f(t)
Alimentation
Aimant
chantillon
test
h(t)
Gnrateur
105
Mthode directe :
Intensit et frquence de l'onde constante
variation lente du champ magntique
x(t)=f(t)
Inconvnient: Temps de mesure relativement lev
Mthode corrlative :
Champ magntique fixe
L'intensit de l'onde est alatoire et large bande spectrale (~ bruit blanc)
Mesure de la rponse frquentielle du systme par intercorrlation du signal
d'absorption et du signal alatoire h(t) + transforme de Fourier
x(t) h(t) systme
physique: g(t)
y(t)
Corrlateur
( ) ( ) t t g
yx

TF
Spectre
d'absorption
106
( ) f G
( ) t
yh
~
y(t)
h(t)
107
II.3 Modulation et dtection synchrone
* On parle de modulation d'amplitude lorsqu'un signal x(t) est multipli par un
signal auxiliaire m(t) (signal de modulation).


* La modulation d'amplitude est utilise pour:
transposition du signal dans une bande de frquence particulire (multiplexage
des ondes radios)
raliser une conversion Analogue/Numrique (chantillonnage)
augmenter le rapport signal / bruit en dtection et estimation des signaux
(dtection synchrone)

A) Modulation
* La modulation d'amplitude n'est pas une opration invariante.
*D'autres types de modulation (modulation de frquence, de phase) existent mais ne
seront pas traits dans ce chapitre.
modulation
d'amplitude
x(t)
x(t)
.
m(t)
108
Modulation par un signal sinusodale
En cas de modulation d'amplitude on peut crire :
( ) ( ) ( ) ( ) f M f X f X t m t x t x
m m
- = = ) ( ) (
* Dans l'espace des frquences la modulation d'amplitude est quivalente un SLI!
( ) ( ) ( ) ( ) | |
m m
t f i t f i
m
f f f f
e e
t f t m
m m
+ +
+
= =

o o t
t t
2
1
2
2 cos
2 2
( ) ( ) ( ) | |
m m m
f f X f f X f X + + =
2
1
X(f)
f
X
m
(f)
A/2
A
f
* le spectre du signal original est transpos dans un intervalle de frquences centr sur f
m

109
Echantillonnage rel
Pour convertir un signal analogique s(t) en numrique s(n), on doit ncessairement
moduler s(t) par une fonction d'chantillonnage:
( )

+
=
|
.
|

\
|

=
n
e
D
nT t
rect t e
[Fig.9.4 (I)]
* Signal Sampling and
Reconstruction
110
*Le signal numrique x(k) reprsente un paramtre (amplitude, surface) du signal
chantillonn.
*Rciproquement, la conversion signal numrique analogique passe par la gnration
d'un signal chantillonn qui est ensuite trait de manire adquate pour reconstituer au
mieux le signal original
( ) ( ) ( ) ( ) ( ) ( ) ( )
( )
( )

+
=
- = - = =
n
e
e
e
e e e
nf f
Dnf
Dnf
Df f S f E f S f S t e t s t s o
t
t sin
( )
( )
( )
e
e
n
e
e
T
f nf f
T Df
Df
D f E
1
,
1 sin
= =

+
=
o
t
t
On peut crire :
d'o
( )
( )
( )

+
=
=
n
e
e
e
e e
nf f S
Dnf
Dnf
Df f S
t
t sin
( ) ( )

+
=
-
|
.
|

\
|
=
n
e
nT t
D
t
rect t e o
111
et (cf exercice)
( )
( )
( )
( )

+
=
=
n
e s
e
e
e e
nf f
Dnf
Dnf
f D f |
t
t
|
2
2
2 2
sin
[Fig. 9.5 (I)]
* la reconstitution du signal analogique par un filtrage passe-bas est possible condition
que f
e
>2f
max
(tho. Shannon) et D<<T
e
* Rciproquement, pour une signal large spectre (ex: bruit ), un filtrage passe-bas est
ncessaire pour respecter le critre de Shannon ( f
e
>2f
max
) et viter toute dformation par
repliement. On parle de filtrage anti-repliement.
112
B) Dtection synchrone
* De nombreux phnomnes physiques produisent, dans le domaine des faibles frquences
(f < q.q. hz), des signaux alatoires dont la densit spectrale de puissance augmente vers
les basses frquences. (Ex: fluctuations du courant dans les composants
microlectroniques, variations saisonnires de la temprature locale, donnes
conomiques... ).
*On constate exprimentalement que avec o proche de l'unit, d'o le nom
usuel de bruit 1/f
*L'origine de cette loi et les raisons de son apparente universalit ne sont pas encore
compltement lucides.
* La prsence d'un bruit 1/f gnent les mesures des signaux basses frquences. Pour
contourner cette difficult les physiciens ont recours la dtection synchrone qui transfert
momentanment le spectre du signal utile dans un domaine de frquences plus favorable et
vite ainsi la dgradation par le bruit 1/f.
( )
1
o
|

f f
113
Principe
signal
basses frquences
Modulation
d'amplitude
bruit 1/f
dmodulation
synchrone
Transfert du spectre
vers les frquences
plus leves
transmission et
traitement du
signal
reconstitution
du signal
d'origine
(composants lectroniques,
support physique pour la
transmission,....)
114
a) Modulation et dmodulation par un signal sinusodal
Modulation:
( ) ( ) ) (t u t s t s
m
=
u(t)= cos(2tf
m
t)
s(t) = signal basses frquences (f
max
<<f
m
)
S(f)
f
S
m
(f)
A/2
A
f
f
m

-f
m

Dmodulation synchrone : modulation de s
m
(t) par u
d
(t)= cos(2tf
m
t+o)
dphasage souvent invitable
entre les signaux de
modulation et dmodulation
( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
m
i
m
i
d
d m d
f f S
e
f f S
e
f S f S
t u t s t s
2
4
2
4
cos
2
1
+ + + =
=
o o
o
f
max

115
( ) ( ) ( ) ( ) ( )
m
i
m
i
d
f f S
e
f f S
e
f S f S 2
4
2
4
cos
2
1
+ + + =
o o
o
Illustration dans le cas o = 0 :
S
m
(f)
A/2
f
f
m

-f
m

S
d
(f)
A/2
f
f
m

-f
m

2f
m
-2f
m

A/4
Cas gnral:
| |
max max
, f f e
| |
max max
2 , 2 f f f f
m m
+ e
| |
max max
2 , 2 f f f f
m m
+ e
Si f
max
<< f
m
, les trois intervalles ne se recoupent pas
( ) ( ) ( ) ( ) ( )
m m d
f f S f f S f S f S 2
4
1
2
4
1
cos
2
1
+ + + = o
116
| S
d
(f) |
f
f
m

-f
m

2f
m
-2f
m

A/2
( )
2
cos o A
l'amplitude du terme basse frquences
varie avec le dphasage
f
b

* on peut restituer le signal original en filtrant le signal dmodul par un filtre
passe-bas, de bande passante[0, f
b
]avec f
max
< f
b
< 2 f
m
et en ajustant le dphasage
o de faon maximiser le signal de sortie du filtre (coso = 1)

* La dmodulation synchrone

suivie d'un filtrage passe-bas slectionne les
composantes spectrales centres, avant dmodulation, sur les frquences f
m
,et les
transpose autour de la frquence nulle.
bande passante d'un filtre passe-bas
117
b) Dmodulation par un signal priodique de frquence f
m
:
( ) ( )

+
=
+ =
1
2 cos
n
n m n d
t nf c t u o t (Srie de Fourier, )
( ) 0 = t u
d
( ) ( ) ( )
n m
n
m n d
t nf t s c t s o t + =

+
=
2 cos
1
dmodulation sinusodale la
frquence nf
m
dphase de o
n

slectionne les termes de S
m
(f)
centres sur n f
m
S
m
(f)
f
f
m

-f
m

2f
m
3f
m
-2f
m

2f
b

n=1 n=1 n=2
n=2
n=3
* Dans l'hypothse du signal basses frquences, les termes supplmentaires (par
rapport la dmodulation sinusodale) sont nuls!
2
1
A c
118
c) Modulation et dmodulation par un signal priodique de frquence f
m
:
Modulation par
( ) ( )

+
=
+ =
1
2 cos
n
n m n
t nf a t u | t
S(f)
f
S
m
(f)
A
f
2
1
A a
f
m

-f
m

2f
m
3f
m

2
2
A a
2
3
A a
filtre passe-bande centr sur f
m

avec f
max
< B < f
m

B
* en ajoutant un filtre passe-bande supplmentaire on retrouve la situation du b
* La forme exacte, sinusodale ou rectangulaire ou autre, du signal de modulation ne change
que l'amplitude du signal dmodul (via le coefficient de Fourier). Ce rsultat simplifie
considrablement la ralisation pratique de la dtection synchrone

119
Schma-bloc de la dtection synchrone
signal
d'entre

gnrateur
de signaux
priodique
u(t)
dphasage
incontrl
u(t)
u
d
(t)

Filtre
passe-bande
retard
variable
Filtre
passe-bas
signal
de sortie
Modulation
Dmodulation
120
Exemple : Mesure d'une phototension
hv lectrode
transparente
V
Voltmtre
V(v)informations sur
la dure de vie des
porteurs lectriques
photognrs
* Pour des raisons techniques la variation de v est lente (dplacement des composantes
optiques du systme - prisme, rseau,filtres optiques...)
V(t) = signal basses frquences
* Les signaux parasites, ou bruit, proviennent des fluctuations de la tension en absence
de lumire.
lectrode
121
V
fente ouverture priodique contrle par u(t)
gnrateur de
fonction
u(t)
<
u(t)
retard
filtre passe-
bande

filtre passe-
bas
V(t)
Mise en uvre de la dtection synchrone:
* la modulation est effectue par la fente avant la gnration de la phototension
s
m
(t)
* Virtual Lock-in project
122
C) Dtection synchrone en mode "lock-in"
* Une opration frquente en Physique consiste mesurer une grandeur physique U (ex.:
courant lectrique, taux d'absorption d'une onde,....) en fonction d'un paramtre physique p
qui caractrise le systme (ex: temprature, pression, champ magntique, ....).
* Pour des raisons techniques, la vitesse de variation du paramtre p est souvent limite. Il en
rsulte des signaux U[p(t)] de relativement faible frquence.
Mode Lock-in
Pour mesurer la loi caractristique U(p) on fait varier lentement le paramtre p sur un
intervalle donn. A cette variation lente est ajoute une variation de p frquence leve
de faible amplitude A p
t
p
U(p)=U(p
o
+ A p), avec p
o
=v
.
t
priodique de frquence f
m

123

En premire approximation:
( ) ( )
o
p
o
p
U
p p U p U
(

(
c
c
A + ~
basses frquences hautes frquences
Dtection synchrone:
Filtrage passe-bande
centre sur f
m

U(p)
u
d
(t) = signal priodique de mme priode que Ap
Filtre passe-bas
( ) ( )
p
U
a t s
c
c
= o cos
retard
on mesure ainsi ( )
o
p
p
U
c
c
124
Phnomne
tudier
Capteur
Amplificateur
slectif
Dtection
synchrone
Gnrateur
pilote
Source de
balayage
filtre
passe-bas
Source de
polarisation
Exemple:
I
inc

I
ref

Alimentation
Aimant
capteur
t
B

125
II.4 Analyse spectrale
Ce chapitre dcrit diffrentes approches exprimentales permettant d'estimer les densits
spectrales des signaux physiques.
A) Corrlogramme et priodogramme
La mthode du corrlogramme est base sur le thorme de Wiener-Khinchine:
corrlateur
A/N
TFR
x(t)
x(t)
( ) n
x
|
~
Limitations:
dure d'intgration du corrlateur
frquence d'chantillonnage
126
t
x(t)
T
( ) T f X ,
( )
2
,
1
T f X
T
( ) T f X ,
( )
2
,
1
T f X
T
( ) T f X ,
( )
2
,
1
T f X
T
= alatoire
( )
( )
mesures N sur moyenne
x
T
T f X
f
2
,
~
= |
Un priodogramme correspond une ralisation approximative de la dfinition de
pour les signaux alatoires
( ) f
x
|


+
+
+
Limitations:
largeur et forme de la fentre temporelle T
dure de la mesure nombre finie d'estimation de X(f,T)
127
B) Analyseur banc de filtres
x(t)
f
1
, B
1
( )
2 }

t
T t
dt
T

1
f
2
, B
2
( )
2
}

t
T t
dt
T

1
f
n
, B
n
( )
2
}

t
T t
dt
T

1
Affichage
multi-
canaux
filtres slectifs
G(f)
f
n

B
n

*Permet l'observation simultane de tout le spectre
*Rsolution spectrale avec le nombre de composants
*Equipement lourd
Principe
128

C) Analyseur de spectre balayage
Ce type d'analyseur fait appel au concept de transfert du spectre par modulation d'amplitude
Principe:
x(t)
filtre slectif
B, f
o

mesure de puissance
(valeur efficace)
oscillateur
command
gnrateur de
balayage
affichage
f
> <
B
f
o

-f
o

|X
m
(f)|
x
m
(t)
* rsolution spectrale = B
* chaque intervalle de frquence ne
correspond qu'une faible fraction du temps
de mesure limite le rapport signal/bruit
129
D) Spectromtre interfromtrique ou Spectromtre Fourier
Ce type d'analyseur de spectre exploite la relation qui relie l'interfrogramme produit par
un interfromtre Michelson la densit spectral du signal.
* S'applique au cas o le signal est sous forme d'une onde lectromagntique.
Principe

compensateur
dtecteur
B
A
Miroir semi-transparent
Miroir
mobile
Miroir fixe
lentilles
( ) l s
avec l = diffrence entre les chemins optiques A et B
source
130
Pour une lumire monochromatique de nombre d'onde k :
( ) ( ) | | kl
I
l s
o
t 2 cos 1
2
+ =
En cas de lumire "colore" caractrise par une distribution continue en nombre d'onde I(k)
( ) ( )
|
|
.
|

\
|
+ =
}
+

dk e k I I l s
kx i
o
t 2
2
1
, I
o
est proportionnel l'intensit de la lumire incidente
= interfrogramme
"x(l)"
x(l) I(k)
* On peut estimer la distribution spectrale de la lumire incidente en effectuant la
transforme de Fourier de l'interfrogramme.
*Le dplacement du miroir tant ncessairement fini, on n'a accs qu' une version tronque
de l'interfrogramme. Les consquences sur le spectre final sont identiques celles caus
par l'observation d'un signal s(t) travers une fentre temporelle.
*La distance maximale parcourue par le miroir dtermine la rsolution spectrale.
131
* L'interfrogramme est gnralement chantillonn pour permettre le calcul de la
Transforme de Fourier par voie numrique.
* La frquence d'chantillonnage doit tenir compte de la largeur du spectre analys
(dtermine en gnral par la rponse frquentielle du dtecteur et/ou des
composantes optiques de l'interfromtre) pour viter toute dformation du spectre
par recouvrement (thorme de Shannon).
* Chaque composante spectrale est analyse sur la totalit du temps de mesure. Cette
particularit permet, dans le proche et lointain infrarouge, d'augmenter de plusieurs
ordres de grandeur la sensibilit (rapport signal/bruit) du spectromtre par rapport
aux spectromtres rseau ou prismes, o le dtecteur n'analyse simultanment
qu'une petite partie du spectre.
132
II.5 Filtrage des signaux
Le filtrage des signaux est une opration essentielle en traitement du
signal (filtrage anti-repliement, dtection synchrone,...). Cette opration peut tre ralise
soit par des systmes analogiques (filtre RC, composants optiques, acoustiques...), soit par
un algorithme informatique condition que les signaux soient sous forme numrique. La
mthode numrique est d'autant plus intressante que la puissance et la rapidit de calcul
des microprocesseurs sont leves. Elle est particulirement utile en Physique o les
donnes exprimentales sont souvent sous forme de suites numriques.
A) Introduction
,G(f) ,
f
Rponses frquentielles idalises de filtres analogiques :
passe-bas
passe-bande
idem
coupe-bande
passe-haut
B) Filtres analogiques
133
* Une largeur de bande troite engendre ncessairement une dure leve de la rponse
impulsionnelle
( ) ( ) 1 > A A G g f G t g
Filtre analogique du 1
ier
ordre: quation diffrentielle du systme = 1
ier
ordre
ex: circuits RC, RL , ......
g(t)
< >
1/f
o

f
|G(f)|
f
o

g(t)
<
> 1/f
1

f
|G(f)|
f
1

134
Filtre analogique du 2
d
ordre: quation diffrentielle du systme = 2d

ordre
Exemples: circuit RLC
C
L
R
( )
1
2
+ +
=
RCs LCs
RCs
s G
Points singuliers:
1 zro: z=0
2 ples:
LC
LC C R RC
p
2
4
2 2

=

x
x
C
L
R cas 2 <
Im(s)
Re(s)
|G(f)|
f
LC
C R
o
f
4
2 2
1 = -f
o

135
systme mcanique: Amortisseur
Ressort
k
Amortisseur
Masse m
ext
F


y(t)
0
y(t)
SLI
Equation diffrentielle:
m
k
m
x
dt
dy
dt
y d
o o
= = = + +
2 2
2
2
et avec , e
o
e
( )
( )
m
t F
t x
ext
=
dt
dy
F
frott
= o
.

( )
( )
( )
2 2
1
o
s s
s X
s Y
s G
e + +
= =
Points singuliers:
2
2
4 2
o
p e

=

La position des ples dterminent la rponse impulsionnelle du systme


* Une impulsion donne lieu des oscillations si les ples ont une partie imaginaire
* Les oscillations sont d'autant plus forte que la partie relle des ples est faible
* Il y amortissement efficace si les ples sont rels.
position
d'quilibre
136
Filtres de Butterworth d'ordre n
( )
n
o
df
f
f
f G
2
2
1
1
|
|
.
|

\
|
+
=
n
o
f
f
2
1
|
|
.
|

\
|
+
n=1
n=2
n=3
f
f
o

n=4
* tend vers le filtre passe-bas idal
lorsque n
Ples de :
( )
2
s G n k e f p
n
k
i
o k
2 , , 1 , 2
1
1 2
2
= =
(

|
.
|

\
|
+
+ t
t
* Les ples sont symtriques par rapport aux axes Im(s)=0 et Re(s)=0
* Les ples sont situs sur un cercle de rayon 2tf
o

* =G(s)
.
G*(s) =G(s)
.
G(-s) [g(t) relle]
*Les ples de G(s) et G(-s) sont symtriques par rapport l'axe Re(s)=0
* Stabilit du filtre Re[Ples de G(s)]<0
( )
2
s G
137
Exemple n=3 :
Dcomposition en systmes
lmentaires:

x
x
x
x
x
x
+
Ples de G(s)
x
x
x
x
x
x
Re(s)=0
Im(s)
Re(s)
Ples de G(s)
G
n=3

G
1
G
2

R
1

C
1

C
2
L
R
2

A=1
Z
e
=
G
1

G
2

Exemple de ralisation:
138
Filtres de Tchebycheff d'ordre n
( )
|
|
.
|

\
|
+
=
o
n
df
f
f
C
f G
2
2
1
1
c
avec C
n
= polynme de Tchebycheff d'ordre n
f
f
o

|
|
.
|

\
|
+
o
n
f
f
C
2
1 c
1
1+c
2

f
|G(f)|
1
1/\2
( )
2
1
2
1

+ c
Butterworth
Tchebycheff
n=5
139
Rponses frquentielles idalises de filtres numriques :
,G(f) ,
f
passe-bas
passe-bande
idem
coupe-bande
passe-haut
f
e
f
e
/2
C) Filtres numriques
frquence d'chantillonnage
Mthodes de ralisation
Par TFR:
TFR
filtrage
G(k)

TFR
-1
x(k)
X(k)
Y(k)
y(k)
algorithme informatique
ou microprocesseur spcialis
+ flxibilit
- pas de fonctionnement en temps rel (ncessite la connaissance de tout x(k))
- ncessite stockage de nombreuses donnes

dfinition du filtre
140
Par convolution:
x(k)
-
g(k)
( ) ( )

=
=
L
l
l k x l g k y
0
) (
filtrage
dfinition du filtre
+ flexibilit
- calcul long si L lev
- ncessite stockage de nombreuses donnes
(L = dure de g(k))
Ralisation rcursive
L'quation aux diffrences, qui relient entre eux les
valeurs de x(k) et y(k), est l'quivalent numrique de
l'quation diffrentielle linaire coefficient constant
des systmes analogiques. Elle a la forme gnrale:
( ) ( ) ( ) ( )

= =
=
M
m
m
N
n
n
m k x k b n k y k a
0 0
SLI
x(k) y(k)
, o N et M sont des nombres entiers positifs
* On peut utiliser cette quation pour raliser le filtre.
141
Exemple: Equivalent numrique d'un filtre RC
Equation diffrentielle du filtre
analogique:
R
C
( )
( ) ( ) t x t y
dt
t dy
RC = +
x(t) y(t)
Approximation numrique:
( ) ( ) ( )
1 nnage chantillo d' priode avec ,
convention
= =

~
e
e
e e e
e
T
T
T kT y kT y
dt
t dy
kT t
( ) ( ) ( ) ( ) k x k y RC k y RC = + 1 1
N =1, M= 0,
a
o
=RC+1, a
1
= -RC, b
o
=1
Ralisation du filtre:
( ) ( ) ( ) k x
RC
k y
RC
RC
k y
+
+
+
=
1
1
1
1
Equation rcursive

b
o
/a
o

z
-1


-a
1
/a
o

+
x(k)
y(k)
y(k-1)
filtre numrique
algorithme informatique
Equation aux diffrences:
*
*
G(z)=z
-1
x(k)
x(k-1)
142
Rponse impulsionnelle: rponse au signal
( )

=
=
=
0 pour 0
0 pour 1
k
k
k o
hypothse: pas de signaux l'entre pour k<0 y(k<0)=0
( ) ( ) ( )
RC RC
RC
k x k y k y
+
=
+
= + =
1
1
et
1
avec , 1 | o | o on a:
y(0)= | ; y(1)= |o ; y(2)= |o
2
; ...; y(k)= |o
k

y(k)= |o
k
c (k) = g(k)

Fonction de transfert:
( ) ( ) ( )
o
| |o

= = =

+
=

+
=

z
z
z z k g z G
k
k k
k
k
0
Rponse frquentielle, voir I.5.D
* Il s'agit bien d'un filtre passe - bas!
!
143
Conception d'un filtre numrique:
* La position des points singuliers de G(z) dtermine le type du filtre
* L'quation aux diffrences est tablie partir de G(z) et permet la ralisation rcursive
Illustration: Filtre passe - bande
Re(z)
Im(z)
0


r
o o
f t u 2 =
p
p*
z
2

z
1

|G(z)|
f
o
1/2
-f
o

1-f
o
1+f
o

( )
( )( )
( )( )
( )
( ) z X
z Y
r rz z
z
re z re z
z z
z G
o
i i
o o
=
+

=

+
=
2 2
2
cos 2
1 1 1
u
u u
144
( ) ( ) ( ) ( ) ( ) z X z X z z Y r z zY r z Y z
o
= +
2 2 2
cos 2 u
( ) ( ) ( ) ( ) ( ) k x k x k y r k y r k y
o
+ = + + + 2 1 cos 2 2
2
u
en posant n=k+2:
( ) ( ) ( ) ( ) ( ) 2 2 1 cos 2
2
= + n x n x n y r n y r n y
o
u
Avantages de la mthode rcursive:
* ncessite peu de stockage
* calcul en "temps rel" (au cours de l'acquisition du signal d'entre)
Limitations:
* Prcision finie de la reprsentation numrique des coefficients de l'quation aux
diffrences
Problme d'arrondie numrique: La drive des ples en dehors du cercle unit rend
le systme instable
145
Transformation bilinaire:
L'analogue numrique d'un systme analogique peut tre obtenu en choississant une
rponse frquentielle du systme numrique G
n
(f)

de mme allure que son quivalent
analogique
Problme: G
n
(f) est priodique alors que G
a
(f) ne l'est pas.
* La transformation G
a
(f) G
n
(f) doit "comprimer" l'axe des frquences sur une priode
de G
n
(f)
* Cette opration peut tre ralis par une transformation bilinaire, dfinie par:
u
z
z
s =
+

1
1
pour s=i2tf:
2
2 f
tg i u
t
=
u dcrit tout l'axe imaginaire lorsque f varie sur une seule priode
( ) ( ) ( ) z G
z
z
G u G s G
n a a
u s
a
=
|
.
|

\
|
+

1
1
146
Filtre de Butterworth numrique d'ordre n:
( ) ( )
( )
n
o
n
n
o
a
z s
z
z G
s
s
s G
2
2
2
2
1
1
1
1
1
1
|
|
.
|

\
|
+

+
=
|
|
.
|

\
|
+
=
f
|G
a
(f)|
f
|G
a
(f)|
1
f
o

f
o

* Interactive Digital Filter Design
* Web-based Filter design

Vous aimerez peut-être aussi