Cours de Traitement du Signal

Ferdaous CHAABANE
Matre Assistante, Dpartement de Mathmatiques Appliques, Signal et Communications Ecole Suprieure des Communications (SUPCOM) Anne universitaire 2012/2013

SESAME

(MP3 (tlphonie

player)

cellulaire)

(lecteur

DCD)
(vidoconfrence)
2

SESAME

Questions de base
Quest-ce quun signal? Quest-ce quun bruit? Quest-ce que le traitement de signal? Quest-ce quun systme? Quallons nous faire avec les signaux et les systmes?

SESAME

Chapitre1 Introduction au traitement du signal

SESAME

Dfinitions (I)
Signal : reprsentation physique de linformation quil convoie de sa source son destinataire. Il sert de vecteur une information. Il constitue la manifestation physique dune grandeur mesurable (grandeur acoustique, optique, mcanique..) et variable au cours du temps. La parole, le son dun instrument, les vibrations dune machine, signaux sismiques, les images radars (signal bidimensionnel), Le bruit est une notion constamment associe au signal. Bruit : tout phnomne perturbateur gnant la perception ou linterprtation dun signal

SESAME

Dfinitions (II)
Traitement de signal : lensemble des techniques permettant dextraire cette information du signal et la modeler selon lapplication qui nous intresse. Multiplexage et dmultiplexage des signaux en transmission, annulation de bruit et dcho, reconnaissance automatique de la parole, compression numrique de signaux de parole et dimages,
Thorie du Signal : elle fournit les outils ou formes mathmatiques des principales caractristiques dun signal et conditions ncessaires permettant de le traiter par la suite.

Systme : ensemble organis de composants dont lutilit est la ralisation dune ou de plusieurs tches signaux dentre : grandeurs agissant sur la tche signaux de sortie : grandeurs caractrisant la tche approche systme : ne sintresser quaux relations entres-sorties
SESAME 6

Objectifs du cours
Acqurir une familiarit avec les signaux dans les domaines temporels et frquentiels Savoir analyser les signaux en utilisant le calcul de corrlation, transforme de Fourrier, transforme en z, etc. Savoir valuer et dterminer la rponse dun systme dans les domaines temporel et frquentiel Matriser les effets de lchantillonnage et de la quantification

SESAME

Plan du cours
Chap1: Introduction au traitement du signal
Dfinitions Caractrisation des signaux Fonctions usuelles en traitement du signal

Chap2: Analyse des signaux continus dterministes

Analyse temporelle
Caractrisation des signaux Corrlation Convolution

Analyse frquentielle
Srie de Fourier La transforme de Fourier Relation entre Srie et Transforme de Fourier Spectre, densit spectrale de puissance

Chap3: Analyse des signaux discrets dterministes

Analyse temporelle
Signaux temps discrets Convolution discrte

Analyse frquentielle
SESAME Transforme de Fourier Temps Discret Transforme de Fourier Discrte Transforme en z 8

Chap4: Systmes linaires invariants

Concepts Rponse impulsionnelle, fonction de transfert Causalit, Stabilit Notion de filtrage Les filtres RIF et RII

Chap5: Echantillonnage
Spectre dun signal chantillonn Thorme dchantillonnage Filtre anti-repliement Reconstitution

Chap6: Quantification
Quantification uniforme Quantification optimale

SESAME

Caractrisation des Signaux :

Modlisation (I)
Phnomne physique, physiologique

Signaux optique, acoustique, mcanique, physiquement ralisables traduits laide de capteurs ou appareils de mesure sous forme lectrique tension en fonction du temps

Le signal, fonction s(t) valeurs relles dune variable relle t, possde les caractristiques suivantes: - nergie et amplitude borne, - continu temporellement et causal (s(t)=0 si t<0), - spectre du signal born.

SESAME

10

Caractrisation des Signaux :

Modlisation (II)
Mais sur le plan thorique, pour la commodit du calcul et ltude de certains phnomnes, les signaux sont reprsents par des fonctions s(t): - nergie thorique infinie, avec des discontinuits (signal carr), - dfinies sur R (signaux non causaux), - valeurs complexes s(t)=A ej t=A Cos( t)+ j A Sin( t) - spectre du signal infini. Il est important de noter que lintroduction de tels modles mathmatiques ncessite une interprtation des rsultats pour retrouver la ralit.
SESAME 11

Caractrisation des Signaux :

Classification (I)
Il existe quatre types de classification: Classification morphologique

Classification temporelle Classification nergtique Classification Spectrale

SESAME

12

Caractrisation des Signaux :

Classification (II)
Classification morphologique (nature du signal)
Quatre classes en fonction de lamplitude (continue ou discrte) et le temps (continu ou discret) Amplitude Continu Continu Discret

Temps

Signal analogique Discret

Signal quantifi

SESAME

Signal chantillonn

Signal numrique

13

Caractrisation des Signaux :

Classification (III)
Classification temporelle
Signaux physiques

Signaux certains (ou dterministes)

Signaux alatoires (ou probabilistes ou stochastiques)

Signaux priodiques

Signaux non priodiques

Signaux stationnaires

Signaux non stationnaires

Signaux sinusodaux
SESAME

Signaux priodiques complexes

Signaux Signaux pseudo- transitoires priodiques

Signaux ergodiques

Signaux non ergodiques

14

Caractrisation des Signaux :

Classification (IV)
Classification nergtique
Notions dnergie et Puissance : Energie : - cas continu : - cas discret : Puissance :

E x = x(k )

E x = x (t ) dt
2 +

- cas continu : Pm = lim - cas discret :

t 0 +

1 2t0

x(t )
t 0
K K

+ t0

dt

Pm = lim

SESAME

K +

1 2K

x(k )

2
15

Caractrisation des Signaux :

Classification (V)
Signaux nergie finie : Ex < Gamme des signaux dure finie: exp. signaux transitoires (dterministes ou alatoires). Signaux puissance moyenne finie non nulle : Pm < signaux priodiques, pseudo-priodiques, etc. Rqs: - Les signaux nergie finie sont puissance moyenne nulle. - Les signaux puissance moyenne finie sont nergie infinie - Les signaux borns en amplitude sont ncessairement Pm finie - Un signal est physiquement ralisable sil est nergie finie
SESAME 16

Caractrisation des Signaux :

Classification (VI)
Classification spectrale
Spectre dun signal : la distribution de lnergie du signal, de son amplitude ou de sa puissance en fonction de la frquence. Largeur de bande dun signal : le domaine des frquences occup par son spectre F = Fmax Fmin. (quelques KHz: 4 KHz)

Distribution spectrale

F frquences Fmin Fmax

1/ Signaux bande troite exp le signal de parole 2/ Signaux large bande exp les signal vido (quelques
MHz: 7Mhz)
SESAME 17

Signaux usuels en TS
Signaux dterministes : signaux certains Exemple 1 : Echelon unit (chelon de Heaviside)
1 (t) t 1 (k) k
A surface A T t 0
-T/2 +T/2

Exemple 2 : Signal rectangulaire rectT(t)= A rect[(t - )/T] Exemple 3 : Sinus cardinal

1

SESAME

-5

-4

-3

-2

-1 0

18

Exemple 4 : Impulsion de Dirac

Dfinition: limpulsion de Dirac est dfine par:
(t)
+

(t ) = 0 si t 0;

(t )dt = 1

Impulsion de Dirac

Elle correspond la limite dune impulsion rectangulaire, de surface unit, dont la dure temps vers 0.
(t ) = lim T 0
c.(t-t0)

1 rect (t / T ) T
1 k

(k-k0)

t0

k0

Impulsion de Dirac

Impulsion discrte de Dirac

T(t)

peigne de Dirac ou fonction dchantillonnage

-2T -T 0 T 2T 3T

SESAME

19

Exemple 5: Signal sinusodale ou harmonique :

Cas continu A cos(2f 0t + ), x(t ) = A exp( j (2f t + )), 0 Cas discret
A cos(2 0k + ), x (k ) = A exp( j (2 k + )), 0 0 <0 <
1 2

0 < f 0 < + < f 0 < +

: reprsentation relle : reprsentation complexe

: reprsenta tion relle : reprsenta tion complexe

1 <0 < + 1 2 2

0 = f0 Te = f0 / fe : frquence rduite

SESAME

20

SESAME

21

Chapitre2 Analyse des signaux continus dterministes

SESAME

22

Analyse temporelle
1/ Produit de Convolution
Dfinition Cas continu

c (t ) = x1 * x 2 (t ) =
Cas discret

x1 (u )x 2 (t u )du = x 2 * x1 (t )

c (n ) = x1 * x 2 (n ) =

k =

x (k )x (n k ) = x
1 2

* x1 (n )

Interprtation graphique : visualiser x2(t-u) : symtrie par rapport laxe des ordonnes x2(-u) et dcalage de t x2(t-u) multiplier x1(u) par x2(t-u) Intgrer la valeur de ce produit (variable u)
SESAME 23

Proprits du Produit de Convolution

Existence : Conditions de sommabilit sur x et y Commutativit, Associativit lment neutre : impulsion de Dirac x (t ) = Translation : Drivation :

( t ) * x (t )

x(t t0 ) = t0 * x(t ) avec t0 (t ) = (t t0 )

(x * y ) = x * y = x * y
' '

'

SESAME

24

Remarque1: Convolution des signaux priodiques : si lon a affaire des signaux priodiques, lintgrale ou la srie correspondant au produit de convolution nont plus de sens on fait appel la notion de motif priode : xT(t), yT(t) Remarque2: Le produit de Convolution de deux rectangles de mme dimension est un triangle
1 1 T

*
T -T

=
-T T

Remarque3: Convoluer un signal avec le peigne de Dirac revient le priodiser avec une priode T
SESAME 25

2/ Corrlation des signaux

Autocorrlation : ressemblance dun signal avec lui mme dcal. Ca mesure la mmoire dun signal. Intercorrlation : ressemblance des signaux x et y dcal
Cas des signaux continus nergie finie : Auto : = x* t x t + Inter :

( ) () ( )dt = x (t )x * (t )dt x * * xy ( ) = x (t ) y (t + )dt = yx ( )

t 0 + 1 2 t0

Cas des signaux continus nergie infinie :

x ( ) = lim
SESAME

+ t0

t0

x (t )x(t + )dt
*
26

 Proprits :
|x()| Ex Lorsque x est valeurs relles, x() est une fonction relle et paire Lorsque x est valeurs complexes, x() obit la symtrie hermitienne * x ( ) = x ( ) Lorsque x est priodique, x() est galement priodique x() sexprime laide du produit de convolution, si x est rel : x ( ) = x( ) * x( ),

SESAME

27

SESAME

28

Analyse frquentielle
1/ Dcomposition en srie de Fourier
x(t) priodique de priode T

x (t ) =

kZ

X k e j 2 kt / T ,

Xk

1 = T

T/ 2

T/ 2

x(t)e

j 2 kt/T

dt

f0 = 1/T : frquence fondamentale f = k f0 : frquences harmoniques Notation complexe introduit la notion de frquences ngatives

Cas Particuliers : x(t) rel

x(t) pair

X-k= Xk* X-k= Xk

x(t) impair X-k= - Xk

SESAME 29

Limitation: La SF sapplique aux signaux:

priodiques continus non-alatoires (dterministes)

Extension:

non-priodiques Transforme de Fourier discrets Transforme de Fourier Discrte

SESAME

30

2/ De la SF vers la Transforme de Fourier (TF)

Pour passer de la SF la TF on considre un signal non-priodique comme le cas limite dun signal priodique de priode infinie.

Notons xT(t) un signal priodique de priode T, qui est gal a x(t) dans lintervalle [-T/2, T/2].
1 + xT (t ) = TX k e j 2 k f0 t T k =
xT(t) x(t) nest pas priodique f0=1/T df intervalle infinitsimal kf0 fk, variable relle continue T Xk X(fk)=

Lorsque T+ ,

x ( t ) e j 2 f k t dt
+

x ( t ) = lim
SESAME

1 0 k = T

1 X ( f k ) e j 2 f k t = T

X ( f ) e j 2 ft df
31

3/ Transforme de Fourier (TF)

Dfinition :
x(t) X(f) X ( f ) TF TF-1
X ( f ) =
x (t) =

x (t )e

j 2 ft

dt

: Spectre de x(t)

X (f )e

j 2 ft

df

Existence:
Tout signal nergie finie (physiquement ralisable)
Wx =

x ( t ) dt <

Extension aux signaux puissance moyenne finie non nulle ( physiquement irralisables)

Remarques:
X(f) est une fonction complexe dune variable relle. x(t) et X(f) sont deux descriptions quivalentes (temporelle ou frquentielle) du mme signal. On crit x(t) X(f) X(f) = spectre damplitude et Arg(X(f))= spectre de phase du signal.
SESAME 32

Proprits: Dualit Temps Frquence: x(t) X(f), X(t)x(-f)

Linarit: TF(ax(t)+by(t))=aTF(x(t))+bTF(y(t)) Produit par une constante : TF(x(a.t))= Dcalage temporelle Dcalage frquentiel:
1 f X a a
f t0

TF ( x(t t0 )) = e j 2

X(f )

TF ( x(t ).e j 2 f 0 t ) = X ( f f 0 )

Symtrie Hermitienne: x(t) rel alors X(f)=X*(-f) : Drivation:

Parit: x(t) relle paire alors X(f) relle paire x(t) imaginaire pure et impaire alors X(f) imaginaire pure et impaire
SESAME 33

dx TF ( ) = 2 jf X ( f ) dt

Produit de convolution: TF(x(t)*y(t))=X(f).Y(f) TF(x(t).y(t))=X(f)*Y(f) Formule de Parseval:

x (t ) dt = X ( f ) df
2 2 R

x (t ) dt X ( f ) df
2

: :

nergie densit

de

x (t ) spectrale d 'nergie

x(t) priodique de priode T: sa TF peut tre dfinie au sens des distributions:

X ( f ) = X k ( f k / T )
kZ

1 X k = x(t)e j 2 k t /T dt Coefficients de la srie de Fourier de x(t) T T / 2

SESAME 34

T /2

4/ Densit Spectrale
Dfinition et Proprits
Spectre (rappel) : rpartition dune grandeur caractristique d un signal (amplitude, nergie, puissance) en fonction de la frquence. => L ensemble de frquences pour lesquelles la transforme de Fourier X(f) est non nulle est appel support spectral ou spectre => Le module |X(f) | est appel spectre damplitude et largument arg(X(f)) spectre de phase Densit Spectrale dnergie (DSE) (signaux nergie finie) : |X(f)|2 reprsente la densit spectrale dnergie ou spectre de puissance Thorme de Wiener Kintchine (x valeurs relles):
x ( f ) = TF{x ( )} = X ( f )
SESAME
2

Ex =

x(t ) dt =
2

X ( f ) df
2

35

Densit Spectrale de puissance (DSP) (signaux puissance moyenne finie) :

x ( f ) = lim X t0 ( f ) 2t0
2

t0

= TF{x ( )}

Exemples de spectres:

SESAME

36