Traitement Signal

Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP
Avant-propos
Ces notes de cours sont destinées à des étudiants de première année cycle ingénieur
toute filière (EMSI, GTIER, IPP et Méc). Le premier chapitre est consacré à l'étude
mathématique des séries et des transformées de Fourier ainsi que la notion de filtrage
analogique utilisé en traitement de signal. Le deuxième chapitre est une étude de
l'échantillonnage et de la quantification.
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 0

Tables de Matières
Table des matières

Introduction Générale ..............................................................................................................................................2
I. Le signal ........................................................................................................................................................2
1. définition ..................................................................................................................................................2
2. Classification : ...........................................................................................................................................3
II. L’importance du signal dans le monde technologique.................................................................................5
Chapitre 1 : L’Analyse spectrale des signaux : ..........................................................................................................7
I. Analyse spectrale des signaux périodiques ..................................................................................................7
1. Représentation du signal périodique .......................................................................................................7
2. Série de Fourier ........................................................................................................................................8
II. Analyse spectrale des signaux non périodiques .........................................................................................12
1. Définition : ..............................................................................................................................................12
2. Exemples d’études..................................................................................................................................12
3. Produit de convolution ...........................................................................................................................16
4. Propriété de Base de la Transformée de Fourier ...................................................................................18
III. Les filtrages analogiques ........................................................................................................................19
Chapitre 2 : Echantillonnage et Quantification des Signaux ..................................................................................31
I. L’échantillonnage d’un signal analogique ..................................................................................................31
1. Introduction ............................................................................................................................................31
2. Principe ...................................................................................................................................................32
II. Le spectre d’un signal échantillonné ..........................................................................................................32
1. Formulation mathématique du signal échantillonné .............................................................................32
2. Transformée de Fourier du signal échantillonné ...................................................................................33
3. Le repliement spectrale d’un signal échantillonné :..............................................................................34
4. Théorème de Shannon ...........................................................................................................................36
5. . Reconstruction du signal à partir de ces échantillons ..........................................................................36
III. Quantification d’un signal échantillonné ...............................................................................................38
IV. Le rapport signal sur bruit : ....................................................................................................................40
Exercices : ...............................................................................................................................................................41

Introduction Générale
I. Le signal
1. définition
Un signal est une grandeur qui dépend du temps t. Cette grandeur est souvent physique.
La grandeur d’un signal peut être de différent type :
– Information : par exemple le son qui est une variation de la pression de l’air, voir figure
1.
Exemple d’un signal audio étalé
– L´Energie : par exemple la tension électrique du réseau ;
– Matière : par exemple un débit d’eau en un point d’un canal d’irrigation.
Les outils présentés ici concernent plus particulièrement les signaux porteurs
d’information.
Les signaux sont ce qui permet à l’homme de percevoir son environnement et d’interagir
avec lui.
Détection L’homme détecte les signaux de son environnement (sons, odeurs, images,
etc..) grâce à ces capteurs (oreilles, nez, yeux, etc...).
Traitement Il les traite et les interprète (par exemple, il isole un son particulier).
Génération Il est capable de générer des signaux.
On peut définir un signal comme suit :
Un signal est la représentation physique de l'information, qu'il convoie de sa source à son
destinataire. La description mathématique des signaux est l'objectif de la théorie du

signal. Elle offre les moyens d'analyser, de concevoir et de caractériser des systèmes de
traitement de l'information.
Dans le même contexte, on peut définir le bruit comme suit :
Un bruit correspond à tout phénomène perturbateur gênant la transmission ou
l'interprétation d'un signal.
Les notions de signal et bruit sont très relatives. Pour un technicien des
télécommunications qui écoute un émetteur lointain relayé par un satellite, le signal
provenant d’une source astrophysique (soleil par exemple) placée malencontreusement
dans la même direction est un bruit. Mais pour l’astronome qui s’intéresse à la source
astrophysique, c’est le signal du satellite qui est un bruit.
Pour mieux quantifier ce mélange du bruit et de l’information, on définit un rapport
nommé rapport signal sur bruit, noté (S/N) qui mesure la quantité de bruit contenue dans
le signal. Il s'exprime par le rapport des puissances du signal (P S) et du bruit (PN). Il est
souvent donné en décibels (dB).

𝑆 𝑃𝑠
= 10log⁡
( )
𝑁 𝑑𝑏 𝑃𝑁
2. Classification :
Il existe différents modes de classification :
a. Morphologiques :
On distingue ici des signaux qui prennent des valeurs à chaque instant (signal
continu) et les signaux qui n’ont de valeurs qu’à certains instants (signal discret).
Fig2 Signal continu Signal discret
b. Spectrale: On classe les signaux suivant la bande de fréquence qu’ils occupent.

Fig3 : Signal à variation lente (fréquences basses) Signal à variation rapide
c. Energétique :
 l’énergie d’un signal continu x(t) réel ou complexe est :

 
E  x(t ) x * (t )dt   x(t )
2
dt
 
x*(t) représente le signal complexe conjugué de x(t).
 Puissance moyenne : elle représente la puissance contenue dans le signal x(t), elle
est définie par : 1

T / 2
P  lim
T  T  x(t ) x * (t )dt
T / 2
Le signal x(t) représente en général une tension et son conjugué est un courant.
 Type d’énergie et de puissance des signaux
 Un signal d’énergie E finie (Energy-type) a une puissance moyenne P nulle:
Cas des signaux représentant une grandeur physique, Signaux transitoires à

support borné.
 Les signaux à énergie infinie (Power-type) ont une puissance moyenne non
nulle: 0 < 𝑃𝑥 < ∞. (Cas des signaux périodiques). Dans le cas des signaux
périodiques, la puissance moyenne P est la puissance calculée sur une
période T : 1
T / 2
P
T  x(t ) x * (t )dt
T / 2
Tous les signaux périodiques (à l'exception de x (t) ≡ 0) sont de type puissance finie et
ont une puissance : 1

 T0
Px   x(t )
2
dt
T0 

Où T0 est la période et α est un nombre réel arbitraire.
II. L’importance du signal dans le monde technologique

C’est un lieu commun que d’affirmer que notre vie contemporaine est la société de
l’information. L’information y est véhiculée par les signaux. Face à la masse des signaux
qu’il est nécessaire de traiter, souvent en temps réel, des systèmes technologiques d’une
grande complexité ont envahi notre société. En réponse aux enjeux de la société actuelle,
des méthodes scientifiques puissantes ont été développées pour gérer une telle
complexité. La maîtrise de ces méthodes devient de plus en plus incontournable dans la
pratique de l’ingénieur quelque soit le domaine auquel il s’intéresse.
L’objectif de cet enseignement est de donner des bases minimales préalables à
l’acquisition et à la maîtrise de ces méthodes.
Dans le traitement de l’information, il est nécessaire de :
– Mesurer le signal, souvent `a l’aide de capteurs (Instrumentation) ;
– Caractériser et extraire le signal utile (traitement du signal) ;
– Le transmettre par un codage adéquat (traitement du signal).
Pour cela, le traitement du signal développe des méthodes basées sur la modélisation
mathématique, ces méthodes étant ensuite mises en œuvre en général en électronique
(numérique) du signal (réalisation technologique).
Un schéma synoptique ci-dessous résume l’ensemble d’une chaine de traitement de signal,
depuis l’information reçue, qui est toujours de type analogique, provient d’un capteur
physique (Pression, température, vitesse….). Deux techniques de traitement sont
possibles, un traitement analogique et qui fait l’objet de ce cours et un traitement
numérique. L’objet de ces traitements dans cet exemple est à partir du signal reçu qui
apparaît sous forme d’une sinusoïde bruitée, de déterminer le signal utile (qu’on appelle
information) du bruit qui est un signal non déterministe.

Fig4 : Schéma synoptique des différentes techniques de traitement d’un signal par filtrage
Dans le traitement analogique, on va voir la série de Fourier et les transformées de
Fourier, afin d’isoler le bruit de l’information et de passer à la conception du filtre pour
éliminer tout bruit et garder que l’information utile. Le même objectif sera réalisé par le
traitement numérique, sauf ici, on aura besoin d’une conversion analogique numérique,
puis un filtrage numérique s’impose et en fin pour retrouver l’information, on aura
recours à une conversion numérique analogique.
Passage de la représentation temporelle à une représentation fréquentielle
Passage : temps Fréquence
Pour les signaux périodiques :

𝑥(𝑡) 𝟏
𝑨 𝒔𝒊 𝒕 ∈ 𝒌. 𝑻, 𝒌 + .𝑻
𝒙 𝒕 = 𝟐
𝑡 𝟏
−𝑨 𝒔𝒊 𝒕 ∈ 𝒌+ . 𝑻, 𝒌 + 𝟏 . 𝑻
𝑇 𝟐
𝑇 = 1/𝑓0 𝑤 = 2. 𝜋. 𝑓0
∞
Transformée en
𝑥 𝑡 = 𝑎0 + 𝐴𝑛 . cos 𝑛𝑤𝑡 + 𝐵𝑛 . sin 𝑛𝑤𝑡
série de Fourier
𝑛=1

Pour les signaux uniques:

𝑥(𝑡)
𝒙 𝒕 = 𝒆−𝒂𝒕 avec a>0
1
Intégrale de 𝑋 𝑓 =
𝑎 + 𝑗2𝜋𝑓
Fourier
Chapitre 1 : L’Analyse spectrale des signaux :

L’analyse spectrale est étroitement liée à la notion de bande passante. En effet la bande
passante d’un filtre va modifier la composition de fréquences d’un signal sonore. Un
amplificateur large bande transmet toutes les composantes du spectre fréquentiel et le
son n’est pas déformé. Par contre un correcteur de graves va privilégier les fréquences
basses alors qu’un correcteur d’aigus va privilégier les fréquences hautes. Pour savoir de
quelle manière un filtre interfère avec le signal, il faut connaître sa composition en
fréquences encore appelée composition spectrale ou composition harmonique. Le spectre
de fréquence X(f) est obtenu en appliquant la transformation mathématique de Fourier
TF à un signal fonction du temps x(t). De même, si on connait le spectre de fréquence
X(f), on peut retrouver le signal x(t) par la transformation de Fourier inverse TFI.
I. Analyse spectrale des signaux périodiques
1. Représentation du signal périodique

Tout signal périodique peut être représenté par une combinaison linéaire de signaux
simples appelés signaux élémentaires 𝒖𝟎 𝒕 , 𝒖𝟏 𝒕 , 𝒖𝟐 𝒕 , 𝒖𝟑 𝒕 , … … …

𝑵
𝒙 𝒕 = 𝒂𝒌 . 𝒖𝒌 (𝒕)
𝒌=𝟎
La représentation la plus utilisée est la décomposition en série de Fourier qui consiste à
décomposer un signal périodique de fréquence 𝒇𝟎 en une somme infinie de signaux
sinusoïdaux de fréquences multiples de 𝒇𝟎 qu'on appelle les harmoniques.

2. Série de Fourier
Les séries de Fourier peuvent être vues de deux points de vue. Dans le premier, on
connaît la fonction x(t) et on cherche les coefficients C(n). C'est une analyse dans
laquelle on passe de la considération temporelle de x(t) comme une fonction analytique à
sa considération fréquentielle à l'aide des coefficients C(n). Dans la pratique il existe
des analyseurs qui, à partir d'un signal, nous donnent la représentation dans le domaine
des fréquences.
Le second point de vue est l'inverse du premier, c'est à dire qu'on connaît le contenu
fréquentiel C(n) et on cherche à retrouver l'expression analytique de la fonction x(t).
Les appareils qui font ceci sont des synthétiseurs.
a. Quelques définitions
Nous noterons la fonction x(t) qui admet un développement en série de Fourier C(n) (ou
bien Cn).
+∞
𝒙 𝒕 = 𝑪𝒌 . 𝒆𝒋𝟐𝝅𝒇𝟎𝒌.𝒕
𝒌=−∞
𝟏 𝑻/𝟐
Avec 𝑪𝒌 = 𝑻 −𝑻/𝟐
𝒙 𝒕 . 𝒆−𝒋𝟐𝝅𝒇𝟎𝒌.𝒕 𝒅𝒕 et 𝒌 = 𝟎, ±𝟏, , ±𝟐, ±𝟑 , , ±𝟒, …
 C(0) est la valeur moyenne de x(t). En effet nous avons :

𝑇
1 2
𝐶 0 = 𝑥 𝑡 𝑑𝑡
𝑇 −𝑇
2
C(0) est appelée la composante continue (ou encore DC) du signal.
 𝐶 −1 𝑒 −𝑗 𝜔 0 𝑡 + 𝐶(1)𝑒 𝑗 𝜔 0 𝑡 est appelé la fondamentale du signal ou la première
harmonique.
 𝐶 −𝑛 𝑒 −𝑗 𝑛𝜔 0 𝑡 + 𝐶(𝑛)𝑒 𝑗𝑛 𝜔 0 𝑡 est appelé la nième harmonique du signal.
b. Représentation unilatérale du signal (coefficients réels 𝒂𝒌 et 𝒃𝒌 ):

+∞
𝒙 𝒕 = 𝒙𝟎 + 𝒂𝒌 . 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 + 𝒃𝒌 . 𝒔𝒊𝒏 𝟐𝝅𝒌𝒇𝟎 . 𝒕

𝒌=𝟏

𝑻
𝟏 𝒂𝟎
𝒙𝟎 = 𝑻 𝟐
𝑻𝒙 𝒕 . 𝒅𝒕 → (𝒙𝟎 = 𝟐
)
−
𝟐
𝑻
Avec 𝒂𝒌 = 𝑻
𝟐 𝟐
𝒙 𝒕 𝒄𝒐𝒔(𝟐𝝅𝒌𝒇𝟎 . 𝒕). 𝒅𝒕
𝑻
−
𝟐
𝟐 𝑻/𝟐
𝒃𝒌 = 𝑻 −𝑻/𝟐
𝒙 𝒕 . 𝒔𝒊𝒏(𝟐𝝅𝒌𝒇𝟎 . 𝒕). 𝒅𝒕
c. Relation entre les coefficients réels 𝒂𝒌 𝒆𝒕 𝒃𝒌 et complexes 𝑪𝒌

𝟐𝑪𝟎 = 𝒂𝟎
𝟏
𝑪𝒌 = 𝒂 − 𝒋𝒃𝒌
𝟐 𝒌
𝟏
𝑪−𝒌 = 𝒂 + 𝒋𝒃𝒌
𝟐 𝒌
𝒂𝒌 = 𝑪𝒌 + 𝑪−𝒌 = 𝟐. 𝕽 𝑪𝒌
𝒃𝒌 = 𝒋 𝑪𝒌 − 𝑪−𝒌 = −𝟐. 𝕴(𝑪𝒌 )
d. Une autre Représentation de série de Fourier :

+∞
𝒙 𝒕 = 𝒙𝟎 + 𝒌=𝟏 𝒂𝒌 . 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 + 𝒃𝒌 . 𝒔𝒊𝒏 𝟐𝝅𝒌𝒇𝟎 . 𝒕
+∞
𝒂𝒌 𝒃𝒌
= 𝒙𝟎 + 𝒂𝟐𝒌 + 𝒃𝟐𝒌 . 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 + . 𝒔𝒊𝒏 𝟐𝝅𝒌𝒇𝟎 . 𝒕
𝒌=𝟏 𝒂𝟐𝒌 + 𝒃𝟐𝒌 𝒂𝟐𝒌 + 𝒃𝟐𝒌
+∞
= 𝒙𝟎 + 𝒂𝟐𝒌 + 𝒃𝟐𝒌 𝒄𝒐𝒔(𝝋𝒌 ). 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 + 𝒔𝒊𝒏(𝝋𝒌 ). 𝒔𝒊𝒏 𝟐𝝅𝒌𝒇𝟎 . 𝒕

𝒌=𝟏
+∞
= 𝒙𝟎 + 𝑨𝒌 𝒄𝒐𝒔 𝟐𝝅𝒌𝒇𝟎 . 𝒕 − 𝝋𝒌
𝒌=𝟏
𝒃𝒌
Avec 𝝋𝒌 = 𝒂𝒓𝒄𝒕𝒂𝒏𝒈 𝒂𝒌
et 𝑨𝒌 = 𝒂𝟐𝒌 + 𝒃𝟐𝒌
e. Exemples :

Fig 5 : Exemples de calcul de la série de Fourier
Le tableau ci-dessous contient les amplitudes et les fréquences des harmoniques du

premier signal m1(t) de la liste ci-dessus avec fo = 125 Hz. Son spectre est représenté
sur la figure Fig. 3
Fig 3
Le script suivant permet de reformer le signal à partir de la somme de plusieurs signaux

sinusoïdaux.

f0=100; 10
T=1/f0;
A=10;
8
w0=2*pi*f0;
t=0:0.0001:2/f0;
x0=A/2; % la composante continue 6
x=x0;
for n=1:1:200 4
an=0;
bn=-A/(pi*n); 2
x=x+an*cos(n*w0*t)+bn*sin(n*w0*t);
plot(t,x); grid on
0
pause(1) 0 0.005 0.01 0.015 0.02
temps(s)
end
10
f0=100;
8
T=1/f0;
A=10; 6
w0=2*pi*f0; 4
t=0:0.0001:2/f0; 2
x0=0; % la composante continue
x=x0; 0
for n=1:2:200 % n impair -2

an=0; -4
bn=((4*A)/(n*pi));
-6
x=x+an*cos(n*w0*t)+bn*sin(n*w0*t);
plot(t,x); grid on -8
pause(1) -10
0 0.005 0.01 0.015 0.02
end temps(s)
Fig.6 : Exemples de scripts Matlab pour reconstruire un signal à partir de ces coefficients de Fourier
15 n=3
n=1 n=5
10
-5
-10
-15
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
La somme des 3 composantes donne le signal suivant :

15
10
-5
-10
-15
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
Fig.7 : Reconstitution avec 3 harmoniques (1, 3 et 5)

II.Analyse spectrale des signaux non périodiques

La transformée de Fourier est le prolongement de la série de Fourier à la catégorie
générale des Signaux (périodiques et non périodiques). Ici, comme dans les séries de
Fourier, les signaux sont exprimés en termes exponentielles complexes de différentes
fréquences, mais ces fréquences ne sont pas discrètes. Par conséquent, dans ce cas, le
signal présente un spectre continu par opposition à un spectre discret.
1. Définition :
Nous pouvons préciser formellement le théorème de la transformée de Fourier pour un
signal x(t) comme suit:

+∞
𝑋 𝑓 = 𝑥 𝑡 . 𝑒 −𝑗 2.𝜋.𝑓.𝑡 𝑑𝑡
−∞
Et le signal original x(t) peut être obtenu à partir de sa transformée de Fourier:

+∞
𝑥 𝑡 = 𝑋 𝑓 . 𝑒 𝑗 2.𝜋.𝑓.𝑡 𝑑𝑓
−∞
On donne quelques observations concernant la transformée de Fourier :
 X(f) est en général une fonction complexe qui peut s’écrire sous la forme :
𝑋 𝑓 = 𝐴 𝑓 + 𝑗𝐵 𝑓 = 𝑋(𝑓) . 𝑒 𝑗𝜃
𝐵(𝑓)
Avec 𝑋(𝑓) = 𝐴(𝑓)2 + 𝐵(𝑓)2 et 𝜃 = 𝑎𝑟𝑐𝑡𝑎𝑛𝑔
𝐴(𝑓)
Pour noter X(f) la transformée de Fourier de x(t) on utilise la notation suivante :
Et pour la transformée inverse x(t) on écrit:
Et en utilisant la correspondance, on note :
2. Exemples d’études
La maîtrise de la transformée de Fourier sera faite par l’étude d’un ensemble d’exemples
très pratiques, qu’on pourra les exploiter dans un tel traitement.
Exemple 1: calculer la transformée de Fourier du signal rectangle suivant :

𝐴 𝑝(𝑡)
𝜏
𝑡
−𝜏/2 𝜏/2
N.B: le signal rectangle est en général noté Arect 𝜏 (t). 𝜏 représente l’ouverture du
rectangle et A son amplitude.
Nous avons :
+∞ +𝜏/2 +𝜏/2
−𝑗 2𝜋𝑓𝑡 −𝑗 2𝜋𝑓𝑡
𝑒 −𝑗 2𝜋𝑓𝑡
𝑃 𝑓 = 𝔗 𝑝(𝑡) = 𝑝 𝑡 .𝑒 𝑑𝑡 = 𝑝 𝑡 .𝑒 𝑑𝑡 = 𝐴
−𝑗2𝜋𝑓 −𝜏/2
−∞ −𝜏/2
𝑒 −𝑗𝜋𝑓𝜏 − 𝑒 𝑗𝜋𝑓𝜏 −2𝑗𝑠𝑖𝑛(𝜋𝑓𝜏) 𝐴𝑠𝑖𝑛(𝜋𝑓𝜏)

𝑃 𝑓 =𝐴 =𝐴 = = 𝐴𝜏. 𝑠𝑖𝑛𝑐(𝜋𝑓𝜏)
−𝑗2𝜋𝑓 −𝑗2𝜋𝑓 𝜋𝑓
Traçons la fonction Sinus-cardinal

𝐴𝜏. 𝑠𝑖𝑛𝑐(𝜋𝑓𝜏)
𝐴𝜏
−2/𝜏 3/𝜏 5/𝜏
−3/𝜏 −1/𝜏 1/𝜏 2/𝜏 4/𝜏
Fig. 8 : Transformé de Fourier de la Fonction 𝑟𝑒𝑐𝑡𝜏)
Exemple 2: calculer la transformée de Fourier de l’impulsion de Dirac :
La transformée de Fourier de l’impulsion de Dirac est :

On trace le spectre de cette transformée est :
𝛿(𝑓)
Fig.9 : Fonction de Dirac et son Spectre
Le spectre de la transformée de Dirac contient toutes les fréquences avec une amplitude
unité et une phase nulle.
Exemple 3 : Soit x(t) un signal non périodique définie par:

𝑒 −𝑎𝑡 𝑝𝑜𝑢𝑟 𝑡≥0
𝑥 𝑡 = 𝑎 ∈ ℝ+∗
0 𝑝𝑜𝑢𝑟 𝑡 < 0
La transformée de Fourier de x(t) est X(f), soit :
  
 x(t ).e e e
 j 2 ft  at  j 2 ft  ( a  j 2 f ) t
X(f )  .dt  .e .dt  .dt
 0 0

 e  ( a  j 2 f ) t  1
X(f )    
 (a  j 2 f )  0 a  j 2 f
Le module ou le spectre en amplitude de X(f) est :

1
X( f ) 
a  (2 f ) 2
2
L’Argument ou le spectre en phase de X(f) est :

 2 f 
Arg ( X ( f ))     arctan g  
 a 

On présente dans la figure ci-dessous le programme sur un script Matlab, pour tracer le
spectre de la fonction temporelle x(t).
Fig. 10 : Programme sur Matlab de la fonction x(t)

signal temporel spectre bilatéral de X(f)
1 0.5
0.9 0.45
0.8 0.4
0.7 0.35
0.6 0.3
X(f)
x(t)
0.5 0.25
0.4 0.2
0.3 0.15
0.2 0.1
0.1 0.05
0 0
0 1 2 3 4 5 6 7 8 9 10 -20 -15 -10 -5 0 5 10 15 20
temps en s frequence en Hz
spectre d amplitude de X(f) spectre de phase de X(f)

0.5 2
1.5
0.4
1
0.5
0.3
arg(X(f))
|X(f)|
0.2
-0.5
-1
0.1
-1.5
0 -2
-20 -15 -10 -5 0 5 10 15 20 -20 -15 -10 -5 0 5 10 15 20
frequence en Hz frequence en Hz
Fig.11: la représentation temporelle et spectrale de la fonction x(t)

3. Produit de convolution
Le produit de convolution exprime la quantité de recouvrement d’une fonction e(t)
lorsqu’on la déplace sur une autre fonction h(t) : c’est un mélangeur de fonction. C’est un
outil important en TS (filtrage...).
La réponse d’un système, ayant pour réponse impulsionnelle h(t), à une sollicitation e(t)
est donné par le produit de convolution :

Le système doit être linéaire,
continu et invariant dans le
temps.
o Exemple de Calcul du produit de convolution de deux signaux,
On considère deux signaux rectangulaires d’ouvertures et d’amplitudes différentes :
Calculons le produit de convolution de x(t) avec h(t) :


y (t )  x(t )* h(t )   x( ).h(t   )d

Pour ce faire, on essaie de décomposer cette intégrale en morceaux d’intervalle facile à
calculer, tout d’abord traçons la fonction 𝑥(𝜏) et 𝑕(−𝜏) pour t=0
𝑕(−𝜏)
La fonction 𝑕(𝑡 − 𝜏) est une fonction paramétré par la variable t, on considère les
intervalles de où le produit 𝑥(𝜏) avec 𝑕(𝑡 − 𝜏) garde la même forme, cela va simplifier
les calculs.

On peut maintenant calculer le produit de convolution d’une manière simple, en suivant les
différentes étapes et en effectuant les calculs par intervalle.
o Première intervalle t<0
o Seconde intervalle 0<=t<=1
o Troisième intervalle 1<=t<=2
o Quatrième intervalle 2<t<=3

o Cinquième intervalle t>3
Après la décomposition en intervalle s simples, on peut résumer l’ensemble des
calculs ci-dessus et tracer la fonction y(t) qui représente le produit de convolution
de x(t) et h(t).
4. Propriété de Base de la Transformée de Fourier
Propriété expression
Linéarité 𝔗ℱ 𝑎𝑥 𝑡 + 𝑏. 𝑦(𝑡) = 𝑎. 𝑋 𝑓 + 𝑏. 𝑌(𝑓)
Changement d’échelle du temps 1 𝑓

𝔗ℱ 𝑥 𝑎𝑡 = 𝑋
𝑎 𝑎
Décalage dans le temps 𝔗ℱ 𝑥 𝑡 − 𝑡0 = 𝑋 𝑓 . 𝑒 −𝑗 2𝜋𝑓 𝑡0
𝔗ℱ 𝑥 𝑡 + 𝑡0 = 𝑋 𝑓 . 𝑒 𝑗 2𝜋𝑓 𝑡0
Décalage en fréquence 𝔗ℱ 𝑒 𝑗 2𝜋𝑓0 𝑡 . 𝑥 𝑡 = 𝑋 𝑓 − 𝑓0
Dérivation 𝑑𝑥 𝑡
𝔗ℱ = (𝑗2𝜋𝑓)𝑋 𝑓
𝑑𝑡
Intégration 1 𝑋 0
𝔗ℱ 𝑥 𝑡 𝑑𝑡 = 𝑋 𝑓 + 𝛿(𝑓)
𝑗2𝜋𝑓 2
Le conjugué 𝑥(𝑡) ↔ 𝑋 𝑓 alors 𝑥 ∗ (𝑡) ↔ 𝑋 ∗ −𝑓
+∞
Aire sous x(t)
𝑥(𝑡) 𝑑𝑡 = 𝑋(0)
−∞

+∞
Aire sous X(f)
𝑋(𝑓) 𝑑𝑓 = 𝑥(0)
−∞
Produit de convolution 𝔗ℱ 𝑥 𝑡 ∗ 𝑦(𝑡) = 𝑋 𝑓 . 𝑌(𝑓)
Produit 𝔗ℱ 𝑥 𝑡 . 𝑦(𝑡) = 𝑋 𝑓 ∗ 𝑌(𝑓)
Propriétés de calcul
Ces propriétés sont relatives à l’impulsion de Dirac afin de simplifier les calculs.
a) Propriété de dualité : (importante)
Si
Alors
III. Les filtrages analogiques

Un filtre est un Système Linéaire Invariant dans le Temps permettant de diviser le
spectre (espace fréquentiel) afin de conserver une ou plusieurs parties (bande) de ce
spectre.

Le filtre idéal permet de transmettre sans distorsion une partie du spectre (bande
passante) et bloque toutes les autres parties (bande coupée), avec un passage abrupte
(discontinuité) entre ces deux parties.
Les filtres sont caractérisés par leur fonction de transfert, et ils peuvent être classés
en 5 familles, suivant la bande du spectre de fréquences sur laquelle ils agissent :
 passe-bas  passe-haut
 passe-bande  coupe-bande
 Le filtre idéal avec une discontinuité dans sa fonction de transfert n’est pas
physiquement réalisable, car sa réponse impulsionnelle nécessiterait que l’évolution
du signal de sortie anticipe l’évolution du signal appliqué en entrée (système non
causal).
 Les filtres analogiques réels présentent donc des imperfections avec lesquelles il
faut trouver des compromis en fonction de son application.
Ces imperfections sont:
 transition progressive entre la bande passante et la bande coupée
 Irrégularité du gain dans la bande passante (ondulations)
 Affaiblissement dans la bande coupée
 Irrégularité du gain dans la bande coupée (ondulations)
 Irrégularité du temps de propagation

Les compromis faits sur ces différentes imperfections peuvent être regroupés sur un
graphique appelé gabarit du filtre.
Ce gabarit fixe les limites de la fonction de transfert du filtre réalisé.
Exemple d’un filtre passe bas:
Passe bas d’ordre 1 : 1

Module : 𝐻 𝑗𝑤 =
1 𝑤 2
𝐻 𝑗𝑤 = 𝑤  1+
𝑤0
1+𝑗
𝑤0
𝑤0 est la fréquence de coupure à -3dB 𝑤

Phase: 𝜑 = −𝑎𝑟𝑐𝑡𝑎𝑛𝑔 𝑤
0
script matlab pour tracer le diagramme de bode pour 𝑤0 = 10 𝑟𝑎𝑑/𝑠
w0=10;
H=tf([1],[1/w0 1]);
bode(H)
grid on
𝐻(𝑗𝑤) = −3𝑑𝑏
𝑤 = 𝑤0
𝜑 = −45°
23
Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès
Passe bas d’ordre 2 : 1

Module : 𝐻 𝑗𝑤 =
1 2
𝑤 2 𝑤 2
𝑤 𝑤 2 1− +4𝑚 2
𝑤0 𝑤0
1+𝑗 2𝑚 + 𝑗
𝑤0 𝑤0
𝐻 𝑗𝑤 = 1 
𝑤
𝑗 𝑤 𝑤 2 2𝑚
1+ + 𝑗 𝑤0
𝑄 𝑤0 𝑤0 Phase: 𝜑 = −𝑎𝑟𝑐𝑡𝑎𝑛𝑔 𝑤 2
1−
𝑤0
𝐰𝟎 est la fréquence propre
Q : facteur de qualité
m : coefficient d’amortissement
script matlab pour tracer le diagramme de bode pour 𝑤0 = 10 𝑟𝑎𝑑/𝑠

w0=10;
H=tf([1],[1/w0^2 2*m/w0 1]);
bode(H)
grid on
𝑚 = 0.1
𝑚 = 0.5
𝑚=2
𝑚=1
𝑚 = 0.7
0 ≤ 𝑚 ≤ 0.7 : il y a résonnance à 𝑤 = 𝑤𝑟 = 𝑤0 1 − 𝑚2
𝑚 ≥ 0.7 : pas de résonnance
𝑚 = 0.7 : réponse la plus plate

24
𝑚 ≥ 1 : H(jw) est décomposable en un produit de deux éléments du 1 ordre
Vérifions les propriétés de ce filtre :
𝑥(𝑡) 1 𝑦(𝑡)
𝑤 𝑤 2
1 + 𝑗2𝑚 𝑤 + 𝑗 𝑤
0 0
𝑗𝑤
Soit x(t) un signal sinusoidal de fréquence f :𝑥 𝑡 = 2. sin⁡(𝑤1. 𝑡) soit 𝑋 𝑗𝑤 = 𝑗𝑤 2 +𝑤12
pour w1=5 rad/s<w0
Pour w1=15 rad/s>w0=10 rad/s
Pour w1=40 rad/s>>w0=10 rad/s
25
Les gabarits des filtres:
Les fonctions de transfert des filtres idéaux :
Filtre passe Bas :
sin(2 f c (t  t0 ))
h(t )  2k . f c .   j 2 ft0
pour f  f c
2 f c (t  t0 ) e
H( f )  
=2k . f c .sin c(2 f c (t  t0 )) 
0 pour f  f c
26
t0: Le temps de propagation (retard)
Filtre passe Haut :
 sin(2 f c (t  t0 ))  
0 pour f  f c
h(t )  k.   (t t0 )  2 f c .  H ( f )    j 2 ft
 2 f c (t  t0 )   pour f  f c
k .e
0
t0: Le temps de propagation
(retard)
Filtre passe Bande :
sin(2(t  t0 )) 
0 pour f   f1 ; f 2 
h(t )  2k .. .cos(2 f c (t  t0 )) H ( f )    j 2 ft
2 c (t  t0 ) 
k .e
0
pour f   f1; f 2 
f 2  f1 f f
avec   et f c  2 1
2 2
t0: Le temps de propagation (retard)
Filtre coupe Bande ou rejecteur de bande:
 sin(2(t  t0 )) 
h(t )  k .   (t t0 )  2. .cos(2 f c (t  t0 )) 
 2 c (t  t0 ) 
f f f f
avec   2 1 et f c  2 1
2 2
27

k .e
 j 2 ft0
pour f   f1; f 2 
H( f )  

0 pour f   f1 ; f 2 
Réalisations :
Réalisations à l’aide des éléments passifs R et C
( en train de construire )
Réalisations à l’aide des amplificateurs opérationnels et des éléments passifs Ret C
Passe bas Passe haut Passe bande
Résistances Y1 et Y3 Y2 et Y4 Y1 et Y2
Capacités Y2 et Y4 Y1 et Y3 Y3
Y4=R//C
Exemple de calcul : prenons le cas d’un passe bas

𝟏 𝟏
𝑲𝑹 .𝑹
𝟏 𝟑
𝑯 𝒋𝒘 =
𝟏 𝟏 𝟏
𝑹𝟏 + 𝒋𝑪𝟐 𝒘 𝑹𝟑 + 𝒋𝑪𝟒 𝒘 + 𝑹𝟑 𝒋𝑪𝟒 𝒘 − 𝑲𝒋𝑪𝟐 𝒘
𝑲
=
𝟏 + 𝒋𝑹𝟏 𝑪𝟐 𝒘 𝟏 + 𝒋𝑹𝟑 𝑪𝟒 𝒘 + 𝒋𝑹𝟏 𝒘 𝑪𝟒 − 𝑲𝑪𝟐
28
𝑲
=
𝟏 + 𝒋𝒘 𝑹𝟏 𝑪𝟐 + 𝑹𝟑 𝑪𝟒 + 𝑹𝟏 𝑪𝟒 − 𝑲𝑹𝟏 𝑪𝟐 − 𝑹𝟏 𝑪𝟐 𝑹𝟑 𝑪𝟒 𝒘𝟐
Pour 𝑪𝟐 = 𝑪𝟒 = 𝑪
𝑲 𝑲
𝑯 𝒋𝒘 = = 𝟐
𝟏 + 𝒋𝒘(𝟐𝑹𝟏 + 𝑹𝟑 − 𝑲𝑹𝟏 )𝑪 − 𝑹𝟏 𝑹𝟑 𝑪𝟐 𝒘𝟐 𝟐𝒎 𝒋𝒘
𝟏 + 𝒘 𝒋𝒘 + 𝒘
𝟎 𝟎
𝟏 𝟏 𝟏 𝟐𝑹𝟏 +𝑹𝟑 −𝑲𝑹𝟏

Avec 𝒘𝟎 = =𝑪 et 𝒎 = 𝟎. 𝟓 ∗ 𝑪 𝟐𝑹𝟏 + 𝑹𝟑 − 𝑲𝑹𝟏 =
𝑹𝟏 𝑹𝟑 𝑪𝟐 𝑹𝟏 𝑹𝟑 𝑪 𝑹𝟏 𝑹𝟑 𝟐 𝑹𝟏 𝑹𝟑
C=1e-6;
K=2; %K=1+r2/r1 on prend r1=r2
R3=1e3;
R1=R3; %R1=5*R3 puis R1=15*R3
w0=1/(sqrt(R1*R3)*C);
m=1.5*sqrt(R3/R1);
H=tf([K],[1/w0^2, 2*m/w0, 1]);
hold on
bode(H) , grid on
𝑅5 = 𝑅2 ⟹ 𝑚 = 1.5 𝑒𝑡𝑤0 = 1000 𝑟𝑎𝑑/𝑠
𝑅5 = 5𝑅2 ⟹ 𝑚 = 0.67 𝑒𝑡𝑤0 = 447.2 𝑟𝑎𝑑/𝑠
𝑅5 = 15𝑅2 ⟹ 𝑚 = 0.39 𝑒𝑡𝑤0 = 258.2 𝑟𝑎𝑑/𝑠
29
Passe bas Passe haut Passe bande
Résistances Y1,Y3 et Y4 Y2 et Y5 Y1, Y3 et Y5
Capacités Y2 et Y5 Y1 ,Y3 et Y4 Y2 et Y4
Exemple de calcul : prenons le cas d’un passe haut

−𝒋𝑪𝟏 𝒘. 𝒋𝑪𝟑 𝒘
𝑯 𝒋𝒘 =
𝟏 𝟏
𝑹𝟓 𝒋𝑪𝟏 𝒘 + 𝑹𝟐 + 𝒋𝑪𝟑 𝒘 + 𝒋𝑪𝟒 𝒘 + 𝒋𝑪𝟑 𝒘. 𝒋𝑪𝟒 𝒘
𝑹 𝟐 𝑹 𝟓 𝑪 𝟏 𝑪 𝟑 𝒘𝟐
=
𝟏 + 𝒋𝒘(𝑪𝟏 + 𝑪𝟑 + 𝑪𝟒 𝑹𝟐 − 𝑹𝟐 𝑹𝟓 𝑪𝟑 𝑪𝟒 𝒘𝟐
Pour 𝑪𝟏 = 𝑪𝟑 = 𝑪𝟒 = 𝑪
𝒋𝒘 𝟐
𝑹𝟓 𝑹𝟐 𝑪 𝒘 𝟐 𝟐 − 𝒘𝟎
𝑯 𝒋𝒘 = 𝟐 𝟐
= 𝟐
𝟏 + 𝟑𝑪𝑹𝟐 𝒋𝒘 − 𝑹𝟐 𝑹𝟓 𝑪 𝒘 𝟐𝒎 𝒋𝒘
𝟏 + 𝒘 𝒋𝒘 + 𝒘
𝟎 𝟎
𝟏 𝟏 𝟏 𝑹𝟐
Avec 𝒘𝟎 = =𝑪 et 𝒎 = 𝟎. 𝟓 ∗ 𝟑𝑪𝑹𝟐 𝑪 = 𝟏. 𝟓
𝑹𝟐 𝑹𝟓 𝑪𝟐 𝑹𝟐 𝑹𝟓 𝑹𝟐 𝑹𝟓 𝑹𝟓
C=1e-6;
R2=1e3;
R5=R2; %R5=5*R2 puis R5=15*R2
w0=1/(sqrt(R2*R5)*C);
m=1.5*sqrt(R2/R5);
H=tf([-1/w0^2 ,0, 0],[1/w0^2, 2*m/w0, 1]);
hold on
bode(H), grid on
30
𝑅5 = 𝑅2 ⟹ 𝑚 = 1.5 𝑒𝑡𝑤0 = 1000 𝑟𝑎𝑑/𝑠
𝑅5 = 5𝑅2 ⟹ 𝑚 = 0.67 𝑒𝑡𝑤0 = 447.2 𝑟𝑎𝑑/𝑠
𝑅5 = 15𝑅2 ⟹ 𝑚 = 0.39 𝑒𝑡𝑤0 = 258.2 𝑟𝑎𝑑/𝑠
Chapitre 2 : Echantillonnage et Quantification des Signaux

I. L’échantillonnage d’un signal analogique
1. Introduction
Les signaux rencontrés dans la nature sont par nature analogique, pour pouvoir les
traiter numériquement, il faut d'abord les numériser pour obtenir un signal discret ou
signal numérique ou encore signal digital.
Un signal digital est un signal défini seulement pour un certain nombre d'instants que
l'on choisit de préférence périodique. La valeur du signal pour chacun de ces instants
ne peut prendre elle-même que des valeurs discrètes. Pour obtenir un signal digital à
partir d'un signal analogique, on procède en deux étapes;
Etape d'échantillonnage :
Pendant cette étape, on va échantillonner le signal analogique avec une période
d'échantillonnage Te ( fe = 1/Te = fréquence d'échantillonnage). On obtient un signal
échantillonné défini seulement aux instants nTe.
Etape de quantification :
Pendant cette étape, dite aussi étape de codage, on va discrétiser la valeur du signal,
31
c.a.d. qu'on va les ramener aux valeurs discrètes possibles. Pour cela, on peut procéder
de deux façons différentes ;
- par troncature, on prend la valeur discrète immédiatement inférieure.
- par arrondi, on prend la valeur discrète la plus proche.
2. Principe
L'échantillonnage d'un signal analogique, représenté par une fonction x(t), consiste à
construire un signal à temps discret obtenu en mesurant la valeur de x(t) toutes les Te
secondes : xn = x(n.Te).
𝑥(𝑡) 𝑥𝑒 (𝑡)
𝑇𝑒 2𝑇𝑒 3𝑇𝑒
Te : la période d’échantillonnage. fe = 1/Te est dite la fréquence d’échantillonnage.
Exemple de fréquence d’échantillonnage
Taux d'échantillonnage Qualité du son

44 100 Hz CD
22 000 Hz Radio
8 000 Hz Téléphone
Remarque : Dans la pratique, l’échantillonnage est réalisé par des circuits intégrés, qui font
toute la conversion analogique numérique.
Exemple de circuit intégré commercialisé : ADC08B3000, 8-Bit, 3 GSPS A/D Converter.
II.Le spectre d’un signal échantillonné
1. Formulation mathématique du signal échantillonné

Mathématiquement, l'échantillon de x(t) qui correspond à t = k.Te est représenté par le
produit de la fonction x(t) par une impulsion de Dirac unité centré sur k.Te.
𝑥 𝑡 𝛿 𝑡 − 𝑘. 𝑇𝑒 = 𝑥 𝑘. 𝑇𝑒 𝛿 𝑡 − 𝑘. 𝑇𝑒 = 𝑥 𝑘 𝛿 𝑡 − 𝑘. 𝑇𝑒
32
Le signal échantillonné xe(t) noté x*(t) est, donc, formulé, mathématiquement, par
le produit de x(t) par le peigne de Dirac unité de période Te.
k 
xe (t )  x *' t )  x(t ).PeigneTe (t )  x(t ).   (t  k .Te )
k 
2. Transformée de Fourier du signal échantillonné

On doit calculer la transformée de Fourier du signal x*(t) défini par :
k 
xe (t )  x *' t )  x(t ).PeigneTe (t )  x(t ).   (t  k .Te )
k 
33
 k 

TF ( xe (t ))  TF  x(t ).   (t  k .Te ) 
 k  
 k  
 TF ( x (t )) * TF    (t  k .Te ) 
 k  
1
 X ( f ) * Peigne fe ( f )
fe

 f e . X(f)*  ( f  k . f e )


 f e .  X(f)* ( f  k . f e )


D’où : 1 1 
TF ( xe (t ))  X e ( f ) 
Te
.  X ( f )* ( f  k. fe ) 

 X ( f  k. f e )
Te 
Cette relation montre que Xe(f)est obtenue, à un facteur près (1/Te ) , par une simple
périodisation en fréquence du Spectre X(f). Le spectre est reproduit tous les fe =
1/Te.
3. Le repliement spectrale d’un signal échantillonné :

Soit un signal x(t) dont son spectre X(f) est donné par :
1er Cas : X(f) est à support borné, sa fréquence de coupure est fc telle que : fe>2fc :
2eme Cas : X(f) est à support borné, sa fréquence de coupure est fc telle que : fe=2fc
34
On constate qu’au prix d’un simple filtrage passe-bas idéal, de fréquence de coupure
fe/2, on retrouve X(f) et donc x(t). les “informations” initiales ne sont pas perdues. La
transformation x(t) →Xe(t) est réversible. On a correctement échantillonné le signal.
3ème Cas : X(f) est à support borné, sa fréquence de coupure est fc telle que : fe<2fc
Il est clair que le spectre initial X(f) est déformé. On ne peut pas obtenir X(f) à partir
de Xe(f). Les “informations” initiales sont perdues. La transformation est irréversible.
On a mal échantillonné le signal.
Remarque :
Si après l’échantillonnage les spectres translatés se chevauchent, on dit qu’il y a

repliement spectral, recouvrement spectral ou encore “aliasing”.
4ème Cas : X(f) est à support non borné : Dans ce cas, il est évident qu’il y au ra
repliement spectral.
35
Il apparaît donc impossible d’échantillonner un tel signal.
En pratique, on filtrera le signal x(t) par un filtre passe bas de fréquence de coupure
fc =fmax, puis on échantillonnera le signal de sortie du filtre à une fréquence fe>2fc
Pour ce faire, on fixe une fréquence fmax au dessous de laquelle, on considère que les
harmoniques constituent le signal utile.Les fréquences au dessus de fmax seront alors
supprimés par le filtre.
4. Théorème de Shannon
Afin d’éviter toute déformation du spectre d’un signal par son échantillonnage, la
fréquence d'échantillonnage fe doit être supérieure au double de la fréquence
maximale contenue dans ce signal.
Exemple d’application
L'oreille humaine peut capter les sons jusqu'à 16 kHz, quelquefois jusqu'à 20 kHz. Il
convient donc, lors de la conversion, d'échantillonner le signal Audio à au moins 40 kHz.
La valeur normalisée par l'industrie est 44,1 kHz.
5. . Reconstruction du signal à partir de ces échantillons

Soit x(t) un signal continu à spectre borné, échantillonné en respectant le théorème de
Shannon.
36
Comment peut on rétablir le signal continu x(t) à partir de x*(t)?
Le signal continu est obtenu à partir de ses échantillons à l’aide d’un filtrage passe-bas
parfait.
En domaine fréquentiel :
En domaine temporel :
On a : X(f) = X*(f) . H(f)

sin ⁡
(𝜋𝑓𝑒 .𝑡) sin ⁡
(𝜋𝑓𝑒 .𝑡)
D’où : 𝑥 𝑡 = 𝑥 ∗ 𝑡 ∗ 𝑕 𝑡 = 𝑥 ∗ 𝑡 ∗ = ∞
𝑘 𝑥 𝑘. 𝑇𝑒 . 𝛿 𝑡 − 𝑘. 𝑇𝑒 ∗
𝜋𝑓𝑒 .𝑡 𝜋𝑓𝑒 .𝑡
∞
sin⁡(𝜋𝑓𝑒 . (𝑡 − 𝑘. 𝑇𝑒 ))
𝑥 𝑡 = 𝑥 𝑘. 𝑇𝑒 ∗
𝜋𝑓𝑒 . (𝑡 − 𝑘. 𝑇𝑒 )
𝑘
37
III. Quantification d’un signal échantillonné

L’opération de quantification consiste à attribuer un nombre binaire à toute valeur
prélevée au signal lors de l’échantillonnage.
C’est le CAN (convertisseur analogique numérique) qui réalise cette opération.
Chaque niveau de tension est codé sur n bits, chaque bit pouvant prendre deux valeurs
(0 ou 1). Donc un convertisseur à n bits possède 2n niveaux de quantification.
Considérons un CAN 8 bits, il n’y a donc que 28 = 256 valeurs possibles attribuables à
toutes les valeurs prélevées lors de l’échantillonnage.
L’opération se fait donc avec une perte d’information d’autant plus grande que n est
petit. Si le signal évolue entre deux limites –Vmax, +Vmax on définit le pas de
quantification par :
𝑉𝑚𝑎𝑥 − (−𝑉𝑚𝑎𝑥 ) 2𝑉𝑚𝑎𝑥 𝑉𝑚𝑎𝑥

𝑞= 𝑛
= 𝑛
= 𝑛−1
2 2 2
On définit aussi l’erreur de quantification donnée par :
𝜀 = 𝑥𝑒 𝑡 − 𝑥𝑞 (𝑡)
Signal quantifié
Signal continu
Signal échantilloné
A un instant d'échantillonnage 𝑘𝑇𝑒 , la valeur numérique 𝑥𝑞 𝑘𝑇𝑒 du signal peut être

définie de deux façons :
Troncature :
𝑠𝑖 𝑘. 𝑞 ≤ 𝑥𝑒 𝑡 ≤ 𝑘 + 1 𝑞 alors à 𝑥𝑞 𝑡 on associe le code 𝑁 ou la valeur 𝑘. 𝑞
38
0111
𝑥𝑞 (𝑡)
0110
0101 4𝑞
0100 3𝑞
0011 2𝑞
0010
0001 𝑞
−3𝑞 −2𝑞 −𝑞 𝑥𝑒 (𝑡)
0000/1000
𝑞 2𝑞 3𝑞 4𝑞 5𝑞
1001
1010
−2𝑞
1011
1100
1101
1110 𝜀
1111 𝑞
𝑥𝑒 (𝑡)
0
−𝑞
Arrondi :
1 1
𝑠𝑖 𝑘 − 2 𝑞 ≤ 𝑥𝑒 𝑡 ≤ 𝑘 + 2 𝑞 alors à 𝑥𝑞 𝑡 on associe le code 𝑁 ou la valeur 𝑘. 𝑞
0111
𝑥𝑞 (𝑡)
0110
0101 4𝑞
0100 3𝑞
0011
2𝑞
0010
0001 𝑞
−3𝑞 −2𝑞 −𝑞 𝑥𝑒 (𝑡)
0000/1000
𝑞 2𝑞 3𝑞 4𝑞 5𝑞
1001 −𝑞
1010
−2𝑞
1011
1100
1101
1110 𝜀
𝑞/2
1111
𝑥𝑒 (𝑡)
0
−𝑞/2
39
Exemples :
IV. Le rapport signal sur bruit :

Le rapport signal sur bruit RSB définit par :
𝑷𝒔
𝑹𝑺𝑩 𝒅𝒃 = 𝟏𝟎𝑳𝒐𝒈 avec Ps = puissance du signal et Pb puissance du bruit
𝑷𝒃
Pour un signal x(t) sinusoïdal d’amplitude Vmax , sa puissance est donnée par
2
𝑉𝑚𝑎𝑥
2
𝑃𝑠 = 𝑉𝑒𝑓𝑓 = 2
La puissance du bruit de quantification est donnée :
+𝑞/2 𝑞/2
1 2
1 𝑒3 1 1 𝑞3 𝑞3 𝑞2
𝑃𝑏 = 𝑒 𝑑𝑒 = = . + =
𝑞 −𝑞/2 𝑞 3 −𝑞/2
𝑞 3 8 8 12
𝑉2
𝑚𝑎𝑥
𝑉𝑚𝑎𝑥 𝑞2 𝑉𝑚𝑎𝑥 2 𝑷𝒔
Or 𝑞 = 2𝑛 −1
donc 𝑃𝑏 = 12
= 12(22𝑛 −2 )
𝑹𝑺𝑩 𝒅𝒃 = 𝟏𝟎𝑳𝒐𝒈 = 𝟏𝟎𝑳𝒐𝒈 2
𝑉𝑚𝑎𝑥 2
𝑷𝒃
12 . 22𝑛−2
2
𝑉𝑚𝑎𝑥
𝑹𝑺𝑩 = 𝟏𝟎𝑳𝒐𝒈 2 = 𝟏𝟎𝑳𝒐𝒈 6. 22𝑛−2
𝒅𝒃
𝑉𝑚𝑎𝑥 2
12. 22𝑛−2
= 𝟏𝟎𝑳𝒐𝒈 𝟔 + 𝟏𝟎𝑳𝒐𝒈 𝟐−𝟐 + 𝟏𝟎𝑳𝒐𝒈 𝟐𝟐𝒏
𝑹𝑺𝑩 𝒅𝒃 = 𝟏𝟎𝑳𝒐𝒈 𝟔 + 𝟏𝟎𝑳𝒐𝒈 𝟐−𝟐 + 𝟏𝟎𝑳𝒐𝒈 𝟐𝟐𝒏 = 𝟏. 𝟕𝟔 + 𝟔𝒏
40
Exercices :
EXAMEN : Traitement de signal (2017-2018)
Exercice 1 :(4 points):

Considérant les deux signaux x1(t) et x2(t) de période T = 1 ms décrits par leurs
spectres respectifs :
k 0 1 2 3 4
x1(t) ak 3 5 -3 1 0
bk 0 4 3 -1 0
0k 1 2 3 4
x2(t) Ck 5 4 0 -2 0
1. Donnez les expressions temporelles de x1(t) et de x2(t).
2. Ecrivez ces expressions à l’aide de cosinus seulement.
3. Dessinez leurs spectres d’amplitude et de phase unilatéraux et bilatéraux ;
4. Calculez la puissance de chacun des deux signaux.
Exercice 2 : (4 points)
Calculer le produit de convolution suivant :
𝑕(𝑡) = 𝑓(𝑡) ∗ 𝑔(𝑡)
Les fonctions f et g sont définies par :
−𝑒 𝛼𝑡 𝑝𝑜𝑢𝑟 𝑡 ≤ 0
𝑓 𝑡 = 𝛼>0
0 𝑝𝑜𝑢𝑟 𝑡 > 0
1
𝑔 𝑡 = 𝑅𝑒𝑐𝑡1 𝑡 − 𝑝𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑡
2
Exercice 3 : ( 6 points)
Un signal capté x(t) est situé dans la bande de [-100,100] Khz et d’amplitude 2V,
doit être transmis via un emetteur bluetooth caractérisé par la bande de fréquence
centrale f0=2.4GHz.
1) Donner l’expression en fréquence XN(f) permettant de déplacer le spectre aux
alentours de f0 et –f0; Tracer le spectre.
2) Déterminer l’expression mathématique xN(t).
3) Réaliser un schéma bloc permettant d’obtenir xN(t) à partir d’un oscillateur
Fosc=2.4GHz.
Exercice 4 : (6 points)
On considère le signal 𝑥 𝑡 = 𝑥1 𝑡 + 𝑥2 (𝑡)défini comme suit :
sin ⁡
(𝜋𝑓 𝑏 𝑡) sin ⁡
(𝜋𝑓 𝑏 𝑡)
𝑥1 𝑡 = 𝑓𝑏 . . 𝑒 𝑗 2𝜋𝑓0 𝑡 et 𝑥2 𝑡 = 𝑓𝑏 . . 𝑒 −𝑗 2𝜋𝑓0 𝑡
𝜋𝑓 𝑏 𝑡 𝜋𝑓 𝑏 𝑡
avec 𝑓0 = 8 𝑘𝐻𝑧 𝑒𝑡 𝑓𝑏 = 1𝑘𝐻𝑧
1. Calculer la transformée de Fourier 𝑋 𝑓 du signal 𝑥 𝑡 , représenter le
graphiquement
2. Rappeler l’expression du signal 𝑥𝑒 𝑡 obtenu par échantillonnage idéal de 𝑥 𝑡 à
la fréquence 𝑓𝑒 .
41
3. Déterminer la transformée de Fourier de 𝑥𝑒 𝑡 notée 𝑋𝑒 𝑓 . Comment s’écrit la

condition de Shannon pour le signal 𝑥 𝑡 ?
4. On échantillonne le signal 𝑥 𝑡 à la fréquence 𝑓𝑒 =6 KHz. Représenter
graphiquement la transformée de Fourier du signal échantillonné 𝑥𝑒 𝑡 dans la
bande −12 𝑘𝐻𝑧, 15 𝑘𝐻𝑧
5. On désire restituer le signal x(t) à partir de 𝑥𝑒 𝑡 par un filtrage de
transmitance 𝐻 𝑓 .
a. 1er cas : 𝐻 𝑓 = 𝑟𝑒𝑐𝑡𝐹 (𝑓) avec F = 6kHz. Montrer que le signal restitué par
ce filtre noté 𝑥𝑟 𝑡 a une expression temporelle similaire à celle de 𝑥 𝑡
mais obtenue en remplaçant 𝑓0 par une autre fréquence que l’on précisera.
b. 2eme cas : 𝐻 𝑓 = 𝑟𝑒𝑐𝑡𝑓𝑏 𝑓 + 𝑓0 + 𝑟𝑒𝑐𝑡𝑓𝑏 (𝑓 − 𝑓0 ) (avec 𝑓0 = 8 𝑘𝐻𝑧 et
𝑓𝑏 = 1 𝑘𝐻𝑧 (comme précédemment). Quel est le signal restitué 𝑥𝑟 𝑡 ?
6. En s’appuyant sur les résultats obtenus ci-dessus, expliquer s’il est possible de
restituer un signal passe-bande échantillonné sans respecter la condition de
Shannon.
Document Réponse :
Question 1
𝑋( 𝑓)
1
0.75
0.5
0.25 𝑓 ( 𝑘𝐻𝑧)
−8 −7 −6 −5 −4 −3 −2 −1 1 2 3 4 5 6 7 8 9
Question 4
𝑋𝑒 ( 𝑓)
1
0.75
0.5
0.25
−12 −11 −10 −9 −8 −7 −6 −5 −4 −3 −2 −1 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

𝑓 ( 𝑘𝐻𝑧)
42

Traitement Signal

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Traitement Signal

Încărcat de

Drepturi de autor:

Formate disponibile

Elément de Module : Traitement de signal : 3ème GTIER , IPP, EMSI, GM, GIP

analogique utilisé en traitement de signal. Le deuxième chapitre est une étude de

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 0

Table des matières

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 1

La grandeur d’un signal peut être de différent type :

Exemple d’un signal audio étalé

– L´Energie : par exemple la tension électrique du réseau ;

– Matière : par exemple un débit d’eau en un point d’un canal d’irrigation.

etc..) grâce à ces capteurs (oreilles, nez, yeux, etc...).

Génération Il est capable de générer des signaux.

On peut définir un signal comme suit :

Un signal est la représentation physique de l'information, qu'il convoie de sa source à son

destinataire. La description mathématique des signaux est l'objectif de la théorie du

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 2

Dans le même contexte, on peut définir le bruit comme suit :

Un bruit correspond à tout phénomène perturbateur gênant la transmission ou

l'interprétation d'un signal.

télécommunications qui écoute un émetteur lointain relayé par un satellite, le signal

provenant d’une source astrophysique (soleil par exemple) placée malencontreusement

astrophysique, c’est le signal du satellite qui est un bruit.

Pour mieux quantifier ce mélange du bruit et de l’information, on définit un rapport

souvent donné en décibels (dB).

Fig2 Signal continu Signal discret

b. Spectrale: On classe les signaux suivant la bande de fréquence qu’ils occupent.

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 3

Fig3 : Signal à variation lente (fréquences basses) Signal à variation rapide

 l’énergie d’un signal continu x(t) réel ou complexe est :

x*(t) représente le signal complexe conjugué de x(t).

est définie par : 1

 Type d’énergie et de puissance des signaux

 Un signal d’énergie E finie (Energy-type) a une puissance moyenne P nulle:

Cas des signaux représentant une grandeur physique, Signaux transitoires à

périodiques, la puissance moyenne P est la puissance calculée sur une

ont une puissance : 1

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 4

Où T0 est la période et α est un nombre réel arbitraire.

II. L’importance du signal dans le monde technologique

complexité. La maîtrise de ces méthodes devient de plus en plus incontournable dans la

pratique de l’ingénieur quelque soit le domaine auquel il s’intéresse.

L’objectif de cet enseignement est de donner des bases minimales préalables à

l’acquisition et à la maîtrise de ces méthodes.

Dans le traitement de l’information, il est nécessaire de :

– Mesurer le signal, souvent `a l’aide de capteurs (Instrumentation) ;

– Caractériser et extraire le signal utile (traitement du signal) ;

– Le transmettre par un codage adéquat (traitement du signal).

mathématique, ces méthodes étant ensuite mises en œuvre en général en électronique

(numérique) du signal (réalisation technologique).

Un schéma synoptique ci-dessous résume l’ensemble d’une chaine de traitement de signal,

physique (Pression, température, vitesse….). Deux techniques de traitement sont

possibles, un traitement analogique et qui fait l’objet de ce cours et un traitement

information) du bruit qui est un signal non déterministe.

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 5

Dans le traitement analogique, on va voir la série de Fourier et les transformées de

Fourier, afin d’isoler le bruit de l’information et de passer à la conception du filtre pour

puis un filtrage numérique s’impose et en fin pour retrouver l’information, on aura

recours à une conversion numérique analogique.

Passage de la représentation temporelle à une représentation fréquentielle

Passage : temps Fréquence

Pour les signaux périodiques :

Adil SAADI & Ahmed LAGRIOUI Département AEEE, ENSAM de Meknès 6

Pour les signaux uniques:

Chapitre 1 : L’Analyse spectrale des signaux :