Beruflich Dokumente
Kultur Dokumente
Vincent Barichard
LERIA - Universit dAngers
L3 - Unit 4
Dnition La thorie du signal est la discipline qui permet de fournir une description mathmatique des signaux. Elle reste indpendante de la nature des signaux.
Introduction au Traitement du Signal Reprsentation et analyse des signaux 5
Les signaux alatoires ne sont pas prvisibles (parole, les signaux dorigine physique)
Les signaux pseudo-alatoires sont des signaux priodiques dont la priode est grande devant la dure dobservation (la mare)
Introduction au Traitement du Signal Reprsentation et analyse des signaux 9
Classication discret/continu
amplitude continue amplitude discrte
temps continu
temps discret
10
Classication nergtique
Une classication peut tre faite partir des notions dnergie et de puissance dun signal Contenu C dun signal s(t) :
+
C=
s(t)dt
Es =
|s(t)|2 dt
Ps = lim
1 T
|s(t)|2 dt
T
Dans le cas particulier o s(t) est un signal priodique de 1 priode T on a : Ps = T T |s(t)|2 dt La puissance moyenne est aussi appele valeur quadratique moyenne de s(t)
12
Introduction
La reprsentation la plus naturelle dun signal est la reprsentation temporelle La reprsentation obtenue constitue alors un chronogramme ou oscillogramme Les signaux physiquement ralisables sont parfois dicilement reprsentables, on leur associera dans ce cas un modle mathmatique plus facile dutilisation Un modle de signal peut avoir une nergie innie, une amplitude non borne et tre dcrit par une fonction complexe du temps
15
16
Fonction rectangle
Dnition (Rectangle) 1 +1 si |t| < 2 1 1 1 rect(t) = u(t + )u(t ) = 0 si |t| > 2 1 2 2 + 2 si |t| = 1 (par convention) 2
17
18
sinc(x) =
19
sinc(ft) =
sinc(ft)d(ft) = 1
Remarque : Labsence du nombre comme argument de la fonction sinc constitue un abus de notation frquemment utilis en thorie du signal
Introduction au Traitement du Signal Reprsentation et analyse des signaux 20
Lors de la mesure des phnomnes physiques rels, il est impossible de distinguer deux grandeurs trop voisines (cause : imprcision des appareils) Cela nous amne dnir une nouvelle classe de signaux : les signaux presque partout gaux lexception dun nombre ni de points La notion dimpulsion de Dirac a t introduite par des spcialistes de la physique des particules dont Paul Dirac pour fournir un modle de signal discontinu
21
(t)dt = 1
22
Le contenu = 1 Lamplitude tend vers + t0 est un point (T 0) Attention ! ! ! La hauteur de la che reprsente, non pas lamplitude de limpulsion de Dirac, mais son contenu, seule grandeur caractristique.
Introduction au Traitement du Signal Reprsentation et analyse des signaux 23
( )d =
24
25
Soit la fonction s(t) continue en t = 0 ou t = t0 . En 0, on obtient :s(t).(t) = s(0).(t) Dans le cas gnral : s(t).(t t0 ) = s(t0 ).(t t0 ) En eet, rappelons que (t) = 0 pour t = t0 Limpulsion de Dirac est donc un oprateur dchantillonnage car elle permet daccder la valeur dune fonction pour nimporte quelle valeur de t
26
(t t0)
1 s(t 0 )
=
0 t0 t 0 t0 t
27
Peigne de Dirac
Cette fonction correspond une suite dimpulsions de Dirac espaces de T sur laxe des temps :
T(t)
3T
+T
+4T
T (t) =
k=
Introduction au Traitement du Signal
(t kT )
Reprsentation et analyse des signaux 28
Signaux causals
Dnition (Signal causal) Un signal est causal lorsquil est nul pour t < 0. Il est clair que tous les signaux realisables physiquement sont causals (ou causaux).
s(t) s(t)
Signal causal
Signal anti-causal
30
Dnitions
Soit un signal s(t) rel, alors il est possible dcrire s(t) comme la somme de sa partie paire et de sa partie impaire :
si (t) sp (t)
Exemple
s(t)
t 0
t 0
32
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
s(t) =
k=1
k k (t)
ou
s(t) =
k=
k k (t)
Les ccients k ( trouver !) constituent une reprsentation discrte du signal s(t) Ceci constitue le fondement de lanalyse des signaux Lintrt majeur de cette dcomposition linaire dun signal laide de signaux plus simples est de faciliter lanalyse des signaux trs gnraux
Introduction au Traitement du Signal Reprsentation et analyse des signaux 35
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
d(x, y ) =
i=1
|xi yi |2
dT (s, r ) permet de mesurer le degr de dissemblance entre deux signaux sur un intervalle de temps T
Introduction au Traitement du Signal Reprsentation et analyse des signaux 36
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
||s|| = d(s, 0) =
t1
|s(t)|2 dt
||s||2 reprsente lnergie de s(t) La distance entre deux signaux s(t) et r (t) est donne par :
t2
d(s, r ) = ||s r || =
t1
Introduction au Traitement du Signal
|s(t) r (t)|2 dt
Reprsentation et analyse des signaux 37
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
Produit scalaire
Dnition (Produit scalaire de deux vecteurs) Le produit scalaire de deux vecteurs x = (x1 , x2 , , xn ) et y = (y1 , y2 , , yn ) peut scrire de la faon suivante :
n
x y =
i=1
xi yi
et en particulier
x x = ||x||2
Dnition (Produit scalaire de deux signaux) Le produit scalaire de deux signaux s(t) et r (t) L2 (T ) vaut : < s, r >=
T
Introduction au Traitement du Signal Reprsentation et analyse des signaux 38
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
Signaux orthogonaux
Dnition (Vecteurs orthogonaux) Deux vecteurs x et y sont orthogonaux si leur produit scalaire est nul : x y = 0. Dnition (Signaux orthogonaux) Deux signaux s(t) et r (t) sont orthogonaux si leur produit scalaire est nul : < s, r >= T s(t)r (t)dt = 0. Dnition (Ingalit de Schwarz) De manire analogue au cas du produit scalaire de deux vecteurs, soit s(t) et r (t) deux signaux dnergie nie. On montre que : | < s, r > |2 ||s||2 ||r ||2 =< s, s > < r , r >
Introduction au Traitement du Signal Reprsentation et analyse des signaux 39
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
~ s(t)
42
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
|s(t)|2 dt
|||| s
= < , >= s s
k=1 l=1
k l < k , > l
Do ||e|| =
T
|s(t)| dt
k=1 l=1
k l < k , > l
Reprsentation et analyse des signaux 43
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
< k , > l
Comme lapproximation est optimale si lerreur est orthogonale aux fonctions k (t) : < e, >= 0 l Do : < , >=< s, > s l l
m
On peut en conclure :
k=1
Introduction au Traitement du Signal
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
46
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
et N =
Lensemble des ccients optimaux dapproximation est alors donn par le vecteur A : A = M1 N
Introduction au Traitement du Signal Reprsentation et analyse des signaux 47
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
Exemple <1>
On se propose de rechercher lapproximation, du signal s(t) s par une combinaison linaire de trois fonctions exponentielles dcroissantes k (t) = e kt dnies sur ]0, +] On a : 1 (t) = e t , 2 (t) = e 2t et 3 (t) = e 3t
s(t) +1
1
t 0 1 2
et e 2t
3t
48
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
Exemple <2>
On peut chercher dans un premier temps valuer les dirents produits scalaires < k , > : l < k , >= l
+
k (t) (t)dt = l
0
e kt e lt dt =
0 +
k=3
1 4 1 5 1 6
l=1
l=2
l=3
Notons que dans cet exemple particulier les fonctions k (t) ne sont pas orthogonales : < k , >= 0 pour k = l l
Introduction au Traitement du Signal Reprsentation et analyse des signaux 49
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
Exemple <3>
Les projections de s(t) sur les fonctions k (t) sont donnes par les produits scalaires :
+ 0 +
=
0
e kt dt
e kt dt
1 1 kt 1 = e kt + e k k 0 1 k k = e (e 2) + 1 k
Introduction au Traitement du Signal
50
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
Exemple <4>
On en dduit le vecteur N :
< s, > 1 N = < s, > = 2 < s, > 3
1 k 1 k 1 k
Les ccients dapproximation sont alors donns par le vecteur A : +72 +240 +180 0, 39957 A = M1 N = 240 +900 720 0, 37382 +180 720 +600 0, 30096 6, 775 = +23, 850 16, 652
Introduction au Traitement du Signal Reprsentation et analyse des signaux 51
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
Exemple <5>
La meilleur approximation possible pour le signal s(t) laide dune combinaison linaire des fonctions k (t) est donn par : (t) = 6, 7751 (t) + 23, 8502 (t) 16, 6523 (t) s
~ s(t)
+1 s(t)
t 0 1 2
52
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
Exemple <6>
Le calcul de lerreur quadratique moyenne donne :
=
0
|s(t)| dt
k=1 l=1
k l k +l
= 2 1, 19 = 0, 81 Ici lensemble des k (t) nest pas complet car lerreur ne pourra jamais tre gale 0 Pour trouver un meilleur ensemble de fonctions k (t) on procde par comparaison de la valeur de lerreur
Introduction au Traitement du Signal Reprsentation et analyse des signaux 53
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
Lquation dapproximation devient : k < k , >=< s, > k k De plus, si la base est en plus orthonormale, alors : < k , >= 1k k Lquation dapproximation devient : k =< s, > (A = N ) k
Introduction au Traitement du Signal Reprsentation et analyse des signaux 54
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
||e||2 =
T
|s|2 dt
k=1
|k |2 < k , > k
||e||2 =
T
|s|2 dt
k=1
|k |2
55
Reprsentation vectorielle et approximation des signaux Mesure de lerreur dune approximation Dtermination des ccients dapproximation
56
t t1
0
t2
Une base orthonorme complte de cet espace est obtenue par les fonctions :
t 1 k (t) = e +j2k T T Introduction au Traitement du Signal Analyse de Fourier 61
Ccients dapproximation
En utilisant la base prcdente, les ccients dapproximation k du signal s(t) sont donns par : 1 k =< s, >= k T Posons Xk =
1 k , T k=+ k= t2 =t1 +T t1
s(t)e j2k T dt
alors
k=+
s(t) =
k k (t) =
k= t2 =t1 +T t1
avec Xk =
1 T
Ccients de Fourier
En remplaant k par n et Dnition (Srie de Fourier)
n=+ 1 T
s(t) =
n=
Xn e +j2nF0 t
t2 =t1 +T t1
avec Xn =
1 T
s(t)e j2nF0 t dt
Tout signal de priode T peut se reprsenter par une somme n de fonctions lmentaires dont les frquences, nF0 = T sont les multiples de la frquence de s(t)
Analyse de Fourier
63
X1 e j2F0 t + X1 e j2F0 t est appel fondamental ou premier harmonique de s(t) Xn e j2nF0 t + Xn e j2nF0 t (n {1, 0, +1}) reprsentent les harmoniques de s(t)
Analyse de Fourier
64
Reprsentation graphique
Le systme le plus commode pour reprsenter les ccients complexes, consiste tablir deux graphiques distincts donnant respectivement le module |Xn | et la phase (ou argument) arg [Xn ] en fonction de la frquence (ou de lindice n)
|X n| arg [Xn]
n 3 2 1 0 +1 +2 +3
n 0 +1 +2 +3
Exemple <1>
Dterminer les ccients de Fourier du signal rectangulaire
s(t)
+1 T
t
0 _ T 2 1
s(t) e j2n T dt
Exemple <2>
Xn = 1 T
T 2
+1 e j2n T dt +
1 T
T
T 2
1 e j2n T dt
T
T 2
Xn = Xn
Exemple <3>
do Xn = on a alors : s(t) =
n= 1 T, n=+ n= 2 jn
n=+
En notant F0 = s(t) = =
on obtient :
Exemple <4>
En exploitant les formules dEuler :
s(t) =
s(t)
+1
T 0 t 0
T t
reprsentation tronque (n = 3)
Introduction au Traitement du Signal
s(t) =
n=
Analyse de Fourier
71
s(t) = A0 +
n=1
avec A0 = An = Bn = 1 T 2 T 2 T s(t)dt
T
Analyse de Fourier
72
Proprits
Cette autre formulation est trs commode car elle peut donner lieu des simplications dans les calculs, cest le cas notamment pour :
Si le signal s(t) est impair, s(t) = s(t) A0 An = 0 = 0 Bn =
4 T
T 2
0T
2
Bn
= 0
Analyse de Fourier
73
Introduction <1>
La dcomposition en srie de Fourier dun signal s(t) de priode T est un outil puissant Il serait intressant de disposer dun outil pour obtenir la reprsentation frquentielle dun signal s(t) non priodique sur lintervalle < t < + Le passage la limite de la dcomposition en srie de Fourier permet de dcouvrir ce moyen Soit sT (t) = Xn =
+ j2ntF0 : signal Xn e j2nF0 t dt T sT (t)e
priodique
1 T
avec F0 =
1 T
T +
lim sT (t)
76
Introduction <2>
n=+
Alors : s(t) =
T + 1 T
lim
n=
1 T
1 T
Or limT + Do : s(t) Or F0 =
1 T
= 0, donc
n=+
dF en limite
+
T +
lim
dF
n=
donc dpend de T
+ + S(F )
On en dduit : s(t)
S(F ) est appel Transforme de Fourier de s(t) et correspond la dcomposition du signal s(t) dans une base continue de fonctions exponentielles
Introduction au Traitement du Signal Analyse de Fourier 77
Dnitions
Dnition (Transforme de Fourier) La transforme de Fourier de s(t), note F{s(t)}, est la projection de s(t) sur une base continue de fonctions exponentielles complexes : S(F ) = F{s(t)} =< s, e +j2Ft >
+
S(F ) =
s(t)e j2Ft dt
s(t) =
S(F )e j2Ft dF
Analyse de Fourier 78
Remarques <1>
La transforme de Fourier nengendre pas de perte sur le signal de dpart que lon peut retrouver grce la transforme inverse : F 1 {F{s(t)}} = s(t) t. Conditions dexistence de la transforme de Fourier dun signal s(t) sont donnes par les conditions de Dirichlet :
s(t) doit tre absolument intgrable : |s(t)|dt < + s(t) prsente un nombre ni de minima et maxima sur un intervalle de temps ni s(t) prsente un nombre ni de discontinuits sur un intervalle de temps ni
+
Analyse de Fourier
79
Remarques <2>
Condition dexistence plus stricte
+
|s(t)|2 dt < +
Tout signal dnergie nie admet une transforme de Fourier S(F ) et on notera : s(t) S(F )
TF 1 TF
Certains signaux nergie non-nie possdent eux aussi une transforme de Fourier. Cest le cas notamment de limpulsion de Dirac.
Introduction au Traitement du Signal Analyse de Fourier 80
Exemple <1>
Dterminer la transforme de Fourier du signal rectangulaire t s(t) = A rect T de la gure ci-dessous :
s(t) A
t T 2 0 +T 2
Daprs la dnition de la transforme de Fourier, nous pouvons crire : + S(F ) = s(t)e j2Ft dt
Analyse de Fourier
82
Exemple <2>
+T 2
S(F )
=
T 2
Ae j2Ft dt
= =
Grce aux formules dEuler, on obtient : A = [cos(FT ) j sin(FT ) cos(FT ) j sin(FT )] j2F A = [2j sin(FT )] j2F sin(FT ) = A F sin(FT ) = AT FT
Introduction au Traitement du Signal Analyse de Fourier 83
Exemple <3>
Or : sinc(x) = sin(x) x sinc(0) = 1
On en dduit : S(F ) = AT sinc(FT ) Un signal rectangulaire damplitude A, de largeur T et centr en 0 donc pour transforme de Fourier : S(F )=AT sinc(FT )
s(t) A
AT X(F)
t T 2 0 +T 2
TF
5 T 1 0 T +1 T +5 T F=1 T
Analyse de Fourier
84
Proprits
Linarit La transforme de Fourier est une opration linaire. Ainsi, quelles que soient deux constantes a et b, (a, b) C2 : l a x(t) + b y (t) a X (F ) + b Y (F ) Dilatation et contraction x(at)
TF TF
1 F X ( ), |a| a
a lR
Si a < 1, x(at) reprsente la version dilate de x(t). Le spectre correspondant a subi quant lui une contraction frquentielle dun facteur de 1 . a Si a > 1, x(at) reprsente alors la version contracte de x(t) dont le spectre se trouve cette fois dilate.
Introduction au Traitement du Signal Analyse de Fourier 85
T
+2
t 1 0 +1
TF
0 1 2
+1
s( 1 t) 2
2S(2F)
+4
t 2 0 +2
TF
0 +1 4
Analyse de Fourier
86
F{(t)} =
(t)e j2Ft dt =
(t)dt = 1
De mme :
1 (F ) Dune faon plus gnrale, pour une impulsion centre en t0 : (t t0 ) e j2Ft0 et e j2F0 t (F F0 )
Analyse de Fourier 87
TF
TF
TF
laide des rsultats prcdents et des formules dEuler, il est possible dvaluer les transformes de Fourier de signaux sinusodaux : 1 TF 1 cos(2F0 t) (F F0 ) + (F + F0 ) 2 2 1 TF 1 sin(2F0 t) (F F0 ) (F + F0 ) 2j 2j
Analyse de Fourier
88
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
Description temporelle
Dnition (chantillonnage) Lopration dchantillonnage consiste prlever sur un signal analogique dont lvolution est continue dans le temps, des chantillons reprsentant lamplitude aux instants du prlvement. Les prlvements sont raliss rgulirement avec une priodicit constante Te appele priode dchantillonnage
s(t) s(k)
t
Introduction au Traitement du Signal chantillonnage et quantication
t = kTe
92
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
La transforme de Fourier dun produit de signaux est un produit de convolution Pour le cas spcique dun produit de s(t) par un peigne de
m=+
S(f mfe )
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
0 S# (f) fsup
fe =
1 Te
2f e
fe
fe
2f e
Cela revient dire que par les valeurs prleves, peuvent passer une innit de signaux analogiques
Introduction au Traitement du Signal chantillonnage et quantication 94
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
1 Te
chantillonnage et quantication
95
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
Thorme de Shannon
Dnition (Thorme de Shannon) En considrant un spectre initial S(f ) born suprieurement par une limite fsup , on peut esprer conserver toute linformation lorsque fe est choisie telle que : fe > 2fsup Le non respect de la condition prcdente conduit un sous-chantillonnage qui engendre le repliement (chevauchement) des motifs spectraux Consquence : il y a perte dinformations ! Exemple : le sous-chantillonnage fe = 101Hz dun signal sinusodal de 100Hz fait apparatre un signal dont la frquence apparante est de 1Hz
Introduction au Traitement du Signal chantillonnage et quantication 96
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
Exemples
Lorsquil y a un sous-chantillonnage, il y a un chevauchement spectral :
S# (f)
Chevauchement spectral
2f e
fe
fe
Le sous-chantillonnage dimages naturelles sans motif rptitif se manifeste par une dgradation de limage Dans le cas du sous-chantillonnage dimages comportant des objets texture priodique peut prsenter des artefacts
2f e
chantillonnage et quantication
97
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
Description
Dnition (chantillonnage-blocage) Lopration dchantillonnage-blocage dun signal s(t) consiste conserver la valeur chantillonne entre deux prlvements successifs.
Amplitude
Te
Temps
Le signal issu dun tel traitement prend une forme dite en marches descalier ; on le notera s (t)
Introduction au Traitement du Signal chantillonnage et quantication 99
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
Dnition <1>
La quantication est la seconde tape ncessaire la numrisation des signaux Elle permet la mmorisation du signal Son rle est daecter une valeur de rsolution nie un chantillon dont lamplitude est en thorie inniment prcise Dnition (Quantication) Quantier un chantillon, cest arrondir sa valeur celle de lchelon le plus proche sur une grille de niveaux. Remarque : Lorsque les chelons sont pas constants, la quantication est uniforme
Introduction au Traitement du Signal chantillonnage et quantication 101
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
Dnition <2>
Ltendue de la grille couvre la gamme dynamique des signaux
Grille de quantification
La quantication est une opration non conservatrice, et le bruit de quantication reprsente lerreur lie larrondi
Introduction au Traitement du Signal chantillonnage et quantication 102
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
fe 8 kHz
Dbit 64 kbits/s
400
1k
f(Hz)
40
2k
15k
f(Hz)
Vido numrique
13 Mhz
100 Mbits/s
chantillonnage et quantication
105
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
Principe
Le principe consiste calculer des points intermdiaires entre chantillons originaux an de faciliter la restitution du signal analogique et den amliorer la qualit Cette technique est utilise dans certains lecteurs de CD On connat N + 1 point dun signal aux coordonnes : (yi , xi ) et 0 i N alors : Dnition (Interpolation) Lopration dinterpolation consiste estimer la valeur dun point dabscisse x intermdiaire aux xi . Les points (yi , xi ) sont appels les points dinterpolation ou de collation. Lestimation de y est ralise avec une fonction dinterpolation f (x) qui passe par les points de collation.
Introduction au Traitement du Signal chantillonnage et quantication 107
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
a=
b=
c=
chantillonnage et quantication
108
chantillonnage des signaux analogiques Quantication des signaux Aspects particuliers de lchantillonnage et de la quantication
Polynme dinterpolation : la fonction f (x) est un polynme de degr infrieur ou gale N. Ce polynme scrit : P(x) = ao + a1 x + a2 x 2 + + aN x N On rappelle que par N + 1 points dirents passe un unique polynme de degr N
Introduction au Traitement du Signal chantillonnage et quantication 109
Introduction
La compression de signaux est une des nombreuses applications drivant du traitement du signal Les compressions classiques (comme celles bases sur lutilisation dun dictionnaire) sont non destructives Appliquer une compression destructive pose certaines questions :
Quelles parties supprimer ? Quel sera le rendu du signal restitu ?
Une des solutions est dutiliser les faiblesses de lhumain (audition, il, . . . ) an de supprimer les parties nayant que peu dincidence sur la perception du signal Lanalyse spectrale ou frquentielle des signaux permet de raliser ce type de compression destructive
Introduction au Traitement du Signal Compression des signaux 111
Principe
LE MP3 : Ne jamais transmettre ce que lon ne peut pas entendre. La compression audio qui est entirement base sur les caractristiques de loreille humaine saccompagne de pertes Le format MP3 a t dvelopp par linstitut Fraunhofer depuis 1987 Lencodage au format MP3 est bas sur quatres tapes de compression :
1
2 3 4
Dcomposition du signal source en sous-bandes (transforme de Fourier) tude et dtermination de seuils de masquage Utilisation des seuils pour quantier les sous-bandes Assemblage des sous-bandes dans un format de chier cohrent, utilisable par un dcodeur
Introduction au Traitement du Signal Compression des signaux 113
Loreille humaine permet de distinguer des sons dont les frquences sont comprises entre 100Hz et 16 kHz Elle est plus sensible entre 2 et 4 kHz La voix a une bande passante (frquences) comprise entre 500Hz et 2kHz
114
Seuil de perception
dB
30
20
10 Frquence (kHz) 0 2 4 6 8 10 12 14
En dessous de 500Hz, le volume doit tre trs lev pour percevoir le signal En partant de 3kHz, on remarque que plus on monte en frquence, plus le volume doit tre lev pour pouvoir entendre le son
Introduction au Traitement du Signal Compression des signaux 115
Quand une grande quantit dnergie est prsente sur une frquence (pic), loreille ne peut pas distinguer les plus basses nergies prsentes aux frquences voisines
30
20
10
dB
10
116
Introduction
Comme pour la compression des sons, la compression destructive des images utilise les dfauts de la vision humaine La rduction de la taille de limage est obtenue par :
limination des informations redondantes prsentes dans limage (sans perte) limination de la redondance physiologique (perte dinformations)
La norme JPEG est un standard de compression dimage numrique largement utilise Elle a t propose et instaure au dbut des annes 1990 Elle utilise les deux aspects de la rduction dimages :
Suppression des hautes frquences spatiales dans limage Compression statistique
Introduction au Traitement du Signal Compression des signaux 119
120
Principe du JPEG
Donnes T.F Codeur en zigzag Q Codage (table dHuffmann)
Donnes compresses
Dcodeur en zigzag
T.F
Donnes Dcodes
3 4
Un quadrillage de limage orginale par bloc de 8 8 Les proprites de dcomposition en sous-bandes de frquences (Fourier) Une lecture en zigzag des donnes transformes Une quantication dont la rsolution est dgressive avec la frquence spatiale Un codage de taille variable utilisant une table dHumann
Introduction au Traitement du Signal Compression des signaux 121
Algorithme JPEG
1 2
Limage est dcoupe en blocs de taille xe (88 pixels) Chaque bloc subit une transforme en cosinus discrte qui est une version adapte de la transforme de Fourier
Dcorrlation des ccients Linformation est principalement dans les basses frquences
Ces ccients sont quantis par des ccients dnis dans une matrice 88 (objectif : rduire linformation dans les hautes frquences) On code statistiquement les ccients quantis (code dHumann) pour rduire la redondance statistique