Sie sind auf Seite 1von 36

Systèmes de traitement

du signal

Sylvain Tisserant
Polytech Marseille – INFO – 2016
Mes coordonnées
Mel : sylvain.tisserant@univ-amu.fr
Web :
http://sylvain.tisserant.perso.luminy.univ-amu.fr
Supports de cours :
Copie des transparents
Cours rédigé
Sujets des TDs et documentation

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 2


Format du cours
Cours avec TD d’illustration :
TD : Octave à installer sur vos machines
Pour la semaine prochaine
Sur ordinateur portable (travail en binôme)
Pas d’ordinateur, smartphone ou tablette en dehors des TDs
Note sur la base des TDs :
Présence obligatoire
Appel et note multipliée par le taux de présence
Contrôle continu : TPs
Compte-rendu à rendre pour la semaine suivante par mail

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 3


Signaux analogiques

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 4


Signal : définition
Signal ≡ Grandeur mesurable dépendant
d’autres quantités : espace, temps,
température, champ électromagnétique, etc.
Dans ce cours :
Signal = fonction du temps
Expression mathématique, mais pas toujours
Souvent signal complexe (ℝ → ℂ)

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 5


Classification
Signaux continus ou discrets
Signaux analogiques
Signaux quantifiés
Signaux échantillonnés
Signaux numériques
Signaux périodiques
∃ T ∈ R tel que ∀ t ∈ R on a s( t + T) = s( t )
T = période si minimal

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 6


Temps continu

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 7


Temps discret

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 8


Classification (2)
Signaux déterministes/aléatoires
Signal déterministe : évolution temporelle
parfaitement connue, pas d’incertitude
Signal aléatoire : soumis à des incertitudes qui
empêchent une prédiction parfaite (porteur
d’information)

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 9


Puissance
Exemple
i(t)

u(t) = R i(t) R
A B
p(t) = u(t) i(t)
u(t)

1 2
p( t ) = u( t ) i( t ) = R i2 ( t ) = u (t )
R

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 10


Puissance (2)
Puissance instantanée
Px ( t ) = x( t )
2

Puissance d’interaction
Pxy ( t ) = x( t ) y * ( t )
Puissance moyenne
1 t +T 2 1 t +T / 2 2
Px ( t, T ) = ∫ x(u) du ou PSx ( t, T ) = ∫ x(u) du
T t T t −T / 2
1 T/2 2
Px = lim ∫ x(u) du
T →∞ T − T / 2

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 11


Energie
Définition
+∞ 2
Ex = ∫ x( t ) dt
−∞

Classification
Signaux à énergie finie (par ex. signaux transitoires)
Signaux à énergie infinie
Signaux à puissance moyenne finie non nulle (par ex.
certains signaux périodiques)

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 12


Signaux analogiques utiles
Echelon unité

0 pour t < 0
u( t ) = 
1 pour t > 0

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 13


Signaux analogiques utiles (2)
Impulsion de Dirac

δ( t ) = 0 ∀t ≠ 0
et
+∞
∫− ∞ δ( t ) dt = 1

+∞
f ( t ) δ( t ) = f ( 0) δ( t ) et ∫ −∞ f ( t ) δ( t ) dt = f (0)
Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 14
Signaux analogiques utiles (3)
Signe

− 1 pour t < 0

sgn( t ) =  0 pour t = 0
 1 pour t > 0

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 15


Signaux analogiques utiles (4)
Porte unité 0 pour t < −1

Π( t ) = 1 pour − 1 < t < 1
0 pour t > 1

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 16


Signaux analogiques utiles (5)
Triangle unité 0 pour t < −1
1 + t pour − 1 < t < 0

Λ( t ) = 
1 − t pour 0 < t < 1
0 pour t > 1

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 17


Signaux analogiques utiles (6)
Rampe unitaire

0 pour t < 0
r( t ) = 
t pour t > 0

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 18


Analyse harmonique
des signaux

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 19


Signal sinusoïdal

s( t ) = Sm cos( ω t + ϕ) avec Sm > 0

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 20


Signal sinusoïdal (2)
phase à l’origine
s( t ) = Sm cos(ω t + ϕ) avec Sm > 0

amplitude phase instantanée

Amplitude : invariant par translation temporelle

s( t − τ) = Sm cos[ω ( t − τ) + ϕ] = Sm cos[ω t + (ϕ − ω τ)]

1 T
Valeur moyenne : S=
T ∫0 s( t ) dt = 0
2
1 T Sm
= ∫0 s ( t ) dt =
2 2
Valeur efficace : Seff
T 2
Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 21
Théorème de Fourier
s(t) : fonction périodique de période T
Série trigonométrique :
+∞

s( t ) = a0 + ∑ [an cos(nω t ) + bn sin(nω t )] avec ω= = 2π f
n =1 T

 1 T
a 0 = T ∫0 s( t ) dt
 2 T 2 T
a n =
 T ∫0 s( t ) cos(nω t ) dt et bn =
T ∫0 s( t ) sin(nω t ) dt

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 22


Parité
Fonction paire : s(-t) = s(t)
Fonction impaire : s(-t) = -s(t)

Parties paire et impaire s
 p ( t ) =
1
[s( t ) + s( −t )]
2

 si ( t ) = [s( t ) − s( − t )]
1
 2
Décomposition de Fourier
+∞
s pair ⇒ s( t ) = a0 + ∑ an cos(nωt )
n =1
+∞
s impair ⇒ s( t ) = ∑ bn sin(nωt )
n =1

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 23


Invariance temporelle
Translation temporelle :
+∞
s( t − τ) = a0 + ∑ [a'n cos(nωt ) + b'n sin(nωt )]
n =1
avec
a'n = an cos(nωτ ) − bn sin(nωτ )
b'n = an sin(nωτ ) + bn cos(nωτ )

Coefficients dépendent du choix de l’origine


des temps. Interprétation physique impossible.

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 24


Invariance temporelle (2)
∀ a et b réels : a cos( ωt ) + b sin( ωt ) = c cos( ωt + ϕ)

avec
a −b
c= a 2 + b 2 , cos ϕ = et sin ϕ =
a2 + b2 a2 + b2
donc
+∞
s( t ) = a0 + ∑ c n cos(nωt + ϕn )
n =1
et
+∞
s( t ) = ∑ c n cos(nωt + ϕn ) avec c 0 = a0 et cos ϕ0 = signe(a 0 )
n=0

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 25


Spectre de Fourier
Spectre d’amplitude {cn}n≥0
Spectre de phase : {ϕn}n≥0
La connaissance des deux spectres est
indispensable
Translation temporelle ≡ changement de
phases, mais amplitudes inchangées
Représentation graphique des spectres

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 26


Spectre de puissance
Puissance moyenne d’un signal périodique
1 T
P= ∫0 s2 ( t ) dt = Seff
2

soit : T
+∞ +∞ 2
c
s( t ) = ∑ c n cos(nωt + ϕn ) P = c0 +∑ n
2

n=0 n =1 2
donc :
+∞
a + bn
2 2 2
c
P = ∑ pn p0 = c 0 ∀ n > 0, pn = n = n
2
avec et
n=0 2 2
Densité spectrale de puissance : {pn}n≥0
Spectre de puissance : n
Pn = ∑ pk
k =0
Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 27
Créneau rapport cyclique 1/2
  T T
f ( t ) = 0 ∀ t ∈ − 2 , − 4 

  T T
f ( t ) = A ∀ t ∈  − , 
  4 4
f ( t ) = 0 ∀ t ∈  T , − T 
  4 2 

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 28


Créneau rapport cyclique 1/2 (2)
Fonction paire :
1 T/2 1 T/4 AT A
a0 =
T ∫−T / 2 f ( t ) dt =
T ∫−T / 4 A dt = =
T 2 2


an = 0 pour n pair
2A  π  2A
an = sin  n  ⇒  n
a = pour n = 4 k + 1
nπ  2  nπ
an = − 2 A pour n = 4 k + 3
 nπ
bn = 0

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 29


Créneau rapport cyclique 1/2 (3)
Spectre de Fourier (amplitude) :
 A 2A  π
a 0 = et an = sin  n  ∀n > 0
 2 nπ  2
bn = 0 ∀n > 0

A
c 0 = a0 =
2
cn = an + bn = an ⇒
2 2
c n = 0 pour n pair et non nul

c = 2 A pour n impair
 n n π

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 30


Créneau rapport cyclique 1/2 (4)
Spectre de Fourier (phase) :
 an  π
 cos( ϕn ) = = sinn 
cn  2
 b
sin(ϕn ) = − n = 0
 cn

  π
ϕn = 0 pour sin n 2  > 0 soit n = 4 k + 1
⇒ 
ϕn = π pour sin n π  < 0 soit n = 4 k + 3
  2

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 31


Créneau rapport cyclique 1/2 (5)

Spectre d’amplitude

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 32


Créneau rapport cyclique 1/2 (6)

Spectre de phase

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 33


Synthèse fréquentielle

Synthèse d’un créneau


avec les deux premiers
harmoniques non nuls

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 34


Synthèse fréquentielle (2)

Synthèse d’un créneau


avec les sept premiers
harmoniques non nuls

Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 35


Série de Fourier à termes complexes

Autre formulation du théorème de Fourier :


+∞
s( t ) = ∑ cn e jn ω t
avec
1 T
c n = ∫ s( t ) e − j n ω t dt
T 0
n = −∞

En utilisant :
z = Z e j θ = Z (cos θ + j sin θ)
on retrouve la série à termes réels avec :
a 0 = c 0 , an = 2 Re( c n ) et bn = −2 Im( c n )

Réciproquement :
1
c n = ( an − j bn )
2
Polytech Marseille - INFO Systèmes de traitement du signal - S. Tisserant - 2016 36