Cours Tns Master It

!
Cours!traitement!
numrique!des!signaux
!
Cours!TNS!
1"
K.!MINAOUI!
!
!
Introduc=on!
!
!
Cours!TNS!
2"
K.!MINAOUI!
1. Introduc=on!
1.1!!!dni=ons!de!base!:!Signal!
! Un signal est la reprsentation physique de linformation quil transporte de sa source son

destinataire. Il sert de vecteur une information.
! Il constitue la manifestation physique dune grandeur mesurable (courant, tension, force,
temprature, pression, etc.).
! Les signaux sont des grandeurs lectriques variant en fonction du temps x(t) obtenues laide
de capteurs.
! Le traitement du signal sapplique tous les signaux physiques (onde acoustique, signal
optique, signal magntique, signal radiolectrique, etc.).
! Le traitement dimages peut tre considr comme une extension du traitement du signal aux
signaux bidimensionnels (images).
! Exemple
load handel
sound(y,Fs)
plot (y)
Cours!TNS!
3"
K.!MINAOUI!
1. Introduc=on!
1.1!!!dni=ons!de!base!!:!Thorie!du!signal!
! La thorie du signal a pour objectif fondamental la "description mathmatique" des
signaux.
! Cette reprsentation commode du signal permet de mettre en vidence ses principales
caractristiques (distribution frquentielle, nergie, etc.) et danalyser les modifications
subies lors de la transmission ou du traitement de ces signaux.
1.1!!!dni=ons!de!base!!:!Traitement!du!signal!
! Le traitement du signal est la discipline technique qui, sappuyant sur les ressources de
llectronique, de linformatique et de la physique applique, a pour objet llaboration
ou linterprtation des signaux.
! Son champ dapplication se situe donc dans tous les domaines concerns par la
perception, la transmission ou lexploitation des informations vhicules par ces
signaux.
!
Cours!TNS!
4"
K.!MINAOUI!
1. Introduc=on!
1.1!!!dni=ons!de!base!!:!Traitement!du!signal!
! Les fonctions du traitement du signal peuvent se diviser en deux catgories :
llaboration des signaux et linterprtation des signaux. Les principales fonctions
intgres dans ces deux parties sont les suivantes :
" laboration des signaux

cration de signaux de forme approprie en procdant par exemple une combinaison de signaux
lmentaires
modulation, changement de frquence : moyen permettant dadapter un signal aux caractristiques
frquentielles dune voie de transmission
codage : traduction en code binaire (quantification), etc.
" Interprtation des signaux
filtrage : limination de certaines composantes indsirables

dtection : extraction du signal dun bruit de fond ( corrlation)
identification : classement dun signal dans des catgories pralablement dfinies
analyse : isolement des composantes essentielles ou utiles dun signal de forme complexe
(transforme de Fourier)
mesure : estimation dune grandeur caractristique dun signal avec un certain degr de confiance
(valeur moyenne, etc.)
!
Cours!TNS!
5"
K.!MINAOUI!
1. Introduc=on!
1.2!!!Classica=on!des!signaux!
Pour faciliter ltude des signaux, diffrents modes de classification peuvent tre envisags
! reprsentation temporelle des signaux ;
! caractristique nergtique ;
! reprsentation spectrale ;
! caractristique morphologique (continu ou discret).
Cours!TNS!
6"
K.!MINAOUI!
1. Introduc=on!
1.2.1"Reprsenta2on"temporelle"des"signaux"
La premire classification, base sur lvolution du signal en fonction du temps, fait
apparatre deux types fondamentaux :
! les signaux certains (ou dterministes) dont lvolution en fonction du temps peut tre
parfaitement dcrite par un modle mathmatique. Ces signaux proviennent de
phnomnes pour lesquels on connat les lois physiques correspondantes et les
conditions initiales, permettant ainsi de prvoir le rsultat ;
!
! les signaux alatoires (ou probabilistes) dont le comportement temporel est imprvisible
et pour la description desquels il faut se contenter dobservations statistiques.
Cours!TNS!
7"
K.!MINAOUI!
1. Introduc=on!
1.2.1"Reprsenta2on"temporelle"des"signaux"
Signaux!physiques!
"
Signaux!alatoires!
Signaux!dterministes!
Signaux!priodiques!
Signaux!
sinusodaux!
Signaux!non!priodiques!
Signaux!
Signaux!
Signaux!
priodiques! pseudo!
transitoires!
complexes! priodiques!
Cours!TNS!
8"
Signaux!
sta4onnaires!
Signaux!
ergodiques!
Signaux!non!!
sta4onnaires!
Signaux!non!
ergodiques!
K.!MINAOUI!
1. Introduc=on!
"
1.2.2"Classica2on"nerg2que"
La plupart des signaux peuvent tre classs partir de lnergie totale et la puissance
moyenne totale, suivant les deux ensembles :
! signaux nergie finie
! signaux puissance moyenne finie
Cours!TNS!
9"
K.!MINAOUI!
1. Introduc=on!
"
1.2.3"Classica2on"spectrale"
Un signal peut tre class suivant la distribution de son nergie ou de sa puissance en
fonction de la frquence (spectre du signal). Le domaine des frquences occup par son
spectre est aussi appel la largeur de bande du signal
F= Fmax fmin
Cette caractristique, exprime en hertz (Hz), est absolue. Aussi il est ncessaire de la
comparer au domaine de frquences dans lequel se situe le signal. En considrant la
frquence moyenne Fmoy = (Fmax Fmin)/2, on peut distinguer deux types de signaux :
! les signaux bande troite avec F/Fmoy petit (soit Fmax Fmin) ;
! les signaux large bande avec F/Fmoy grand (soit Fmax Fmin).
Cours!TNS!
10"
K.!MINAOUI!
1. Introduc=on!
"
1.2.4"Caractris2que"morphologique"(con2nu"ou"discret)"
Le temps est un paramtre important de classification. Comme nous venons de le voir, le
traitement numrique des signaux conduit faire la distinction entre les signaux dits temps
continus (signaux continus) et les signaux dits temps discrets (signaux discrets ou
chantillonns). Un autre paramtre des signaux traits est prendre en compte, cest
lamplitude qui peut aussi tre continue ou discrte (quantifie).
Ainsi quatre formes de signaux, qui se retrouvent dans un systme numrique de contrle
dun processus physique, peuvent tre distingues :
! signal amplitude et temps continus (signal analogique);
! signal amplitude discrte et temps continu (signal quantifi);
! signal amplitude continue et temps discret (signal chantillonn);
! signal amplitude discrte et temps discret (signal logique) :
Cours!TNS!
11"
K.!MINAOUI!
1. Introduc=on!
1.2.4"Caractris2que"morphologique"(con2nu"ou"discret)"
"
"
"
"
"
"
"
"
"
"
"
"
Les quatre types des signaux classs suivant leur morphologie(continu ou discret)
"
"
Cours!TNS!
12"
K.!MINAOUI!
1. Introduc=on!
1.2!!!Quelques!signaux!
On fera souvent appel par la suite des fonctions particulires caractrisant des
comportements types. Parmi ces signaux on notera les signaux causaux nuls pour t<0.
! La fonction chelon unit ou fonction de Heaviside est dfinie par x(t ) = 1[ 0, + [ (t ) . Sa
valeur lorigine est arbitraire. Elle est le plus souvent choisie gale 1/2. Cette
fonction peut tre utilis pour rendre compte de la causalit :
pour tout signal x (t ) , le signal y (t ) = x(t )u (t ) a comme support [0,+[;
! La fonction signe se dfinit partir de la fonction chelon unit par signe(t ) = 2u (t ) 1
! La fonction porte ou rectangle se dfinit par rectT (t ) = 1T (t ) = u(t + T / 2) u(t .T / 2)
On lutilisera pour raliser le fentrage rectangulaire sur un signal x (t ) : xT (t ) = x(t )rectT (t )
Cours!TNS!
13"
K.!MINAOUI!
1. Introduc=on!
!
! Limpulsion ou la fonction Dirac a les proprits suivantes :
1.
(t )dt = 1 et (t ) x(t )dt = x(0) .
2.
x(t ) (t t0 ) = x(t0 ) (t t0 ) .
3.
x(t ) * (t t0 ) = x(t t0 ) .
.
Cours!TNS!
14"
K.!MINAOUI!
1. Introduc=on!
!
! Le signal sinusodal est dfinit par x(t ) = x0 sin(0t + ) = x0 sin( 2f 0t + ) . x0 est
lamplitude crte du signal, 0 sa pulsation, sa phase lorigine et f 0 = 0 / 2
sa frquence.
! Le signal exponentielle complexe est dfini par x(t ) = x0 exp(2 jf 0t );
! la fonction sinus cardinal est dfinie par sin c(t ) = sin(t ) / t.
Cours!TNS!
15"
K.!MINAOUI!
!
!
Signaux!dterministes!!temps!con=nu!
!
!
Cours!TNS!
16"
K.!MINAOUI!
1. Signaux!dterministes!!temps!
con=nu!
1.1!!!Reprsenta=on!frquen=elle
!
!!!!!
On a pour habitude de dcrire les signaux en fonction de la variable temporelle t car notre
perception des phnomnes physiques nous y incite. En lectronique, la connaissance des
proprits spectrales d'un signal est primordiale. Ainsi, on utilise souvent une reprsentation
en fonction de la frquence pour caractriser un signal ou un systme. Les outils de
traitement des signaux nous aident dans cette tche.
"
1.1.1"Srie"de"Fourier"
"
La dcomposition en srie de Fourier permet de dcomposer un signal en somme de

sinusodes. On utilise principalement les sries de Fourier dans le cas des signaux
priodiques. Elles permettent ainsi de passer facilement du domaine temporel au domaine
frquentiel.
Cours!TNS!
17"
K.!MINAOUI!
con=nu!
Pour tout signal x(t) qui est priodique, de priode note T , c--d. un signal tel que
x(t + T ) = x(t )
on dfinit les coefficients de Fourier (aussi appels coefficients spectraux) dun tel signal x(t)
par :
1
cn =
T
T /2
T / 2
x(t )e jn0t dt
2
est appele pulsation fondamentale du signal.
T
Inversement, le signal x(t) peut sexprimer de manire suivante
o 0 =
x(t ) = cn e jn0t
Cours!TNS!
18"
K.!MINAOUI!
con=nu!
cn
c2
....
c1
30 20
c2
c0
...
c1
20
30
Composante!!
con4nue!
fondamental!
harmoniques!
Cours!TNS!
19"
K.!MINAOUI!
con=nu!
1.1.2"Transforme"de"Fourier"
Dni2on"
Cest une gnralisation de la dcomposition de srie de Fourier tous les signaux
dterministes. Elle permet dobtenir une reprsentation en frquence (reprsentation
spectrale) de ces signaux. Soit x(t) un signal dterministe. Sa transforme de Fourier est
+
X ( f ) = TF [ x(t )] = x(t )e j 2ft dt
Si cette transforme existe, la transforme de Fourier inverse est donne par :

+
x(t ) = TF [ X ( f )] = X ( f )e j 2ft dt
TF 1 est la transforme inverse de Fourier inverse.
Cours!TNS!
20"
K.!MINAOUI!
con=nu!
Proprits""
Linarit!
Transla2on!
Conjugaison!
Driva2on!
Convolu2on!
Cours!TNS!
x(t)%
X(f)%
.x(t ) + . y(t )
. X ( f ) + .Y ( f )
x(t t0 )
e 2 jft0 X ( f )
e 2 jf 0t x(t )
X ( f f0 )
x* (t )
d n x(t )
dt n
x(t ) * y(t )
(2 jf ) n X ( f )
x(t ).y (t )
X ( f ) *Y ( f )
21"
X * ( f )
X ( f ).Y ( f )
K.!MINAOUI!
con=nu!
Exercices"1"
"
1. Calculer la transform de Fourier de Dirac ;
2. Calculer la transform de Fourier de
x(t)=.cos( 0 t)
3. Calculer la transform de Fourier du signal%rectangle

Remarques""
La transforme de Fourier dune fonction sinusodale de frquence f0 est reprsente par

deux impulsions de Dirac centre sur les frquences f0 et +f0. Bien entendu,
limpulsion centre sur f0 na pas dexistence physique.
Le spectre dune dcomposition en srie de Fourier sera donc un spectre discontinu de

raies aux frquences des sinusodes prsentes dans la dcomposition
"
Cours!TNS!
22"
K.!MINAOUI!
con=nu!
Exercices"2"
"
Calculer!la!TF!de!sin(2f0t)%grce!au!!
1. Thorme du dcalage
2. Thorme de la drive
On rappel que : TF(cos(2f0t))=%
1
( ( f + f0 ) + ( f f0 ))
2
"
Cours!TNS!
23"
K.!MINAOUI!
con=nu!
1.2!!!Filtrage!!!!!
Le filtrage est une forme de traitement de signal qui modifie le spectre de frquence et/ou la
phase du signal prsent en entre du filtre et donc par consquent sa forme temporelle. Il
peut sagir soit :
! dliminer ou daffaiblir des frquences parasites indsirables
! disoler dans un signal complexe la ou les bandes de frquences utiles.
"
On classe les filtres en deux grandes familles :
! les filtres numriques raliss partir de structure intgre microprogrammable
(DSP).
! les filtres analogiques raliss partir de composants passifs (rsistance, inductance,
condensateur) ou actifs (AIL).
Cours!TNS!
24"
K.!MINAOUI!
con=nu!
1.2!!!Filtrage!
1.2.1"Filtre"
! Un filtre est un instrument , ou un modle physique, associant (linairement) une
excitation, ou signal dentre, un signal de sortie
"
%
"
y(t)%
x(t)%
T%
"
%
"
1.2.2"Systme"linaire""
! Un systme est linaire sil vrifie le principe de superposition, la rponse une somme
pondrs dexcitations est gale la somme pondre des rponses aux excitations
individuelles
T [ i xi (t )] = iT [xi (t )]
i
Cours!TNS!
25"
K.!MINAOUI!
con=nu!
1.2!!!Filtrage!
1.2.3"Systme"temporellement"invariant""
! Un systme est dit invariant dans le temps si la rponse ne dpond pas de linstant
dapplication ; si y(t) est la rponse de x(t), la rponse de x(t t0 ) est y (t t0 ) .
"
1.2.4"Rponse"impulsionnelle""
! On appelle rponse impulsionnelle du filtre (RI), souvent note h(t), la rponse du
systme lapplication dune impulsion de Dirac ;
h(t ) = T [ (t )]
"
! Cette rponse impulsionnelle h(t) dfinit le comportement du systme;
y (t ) = x(t ) * h(t )
Cours!TNS!
26"
K.!MINAOUI!
con=nu!
1.2!!!Filtrage!
1.2.5"Convolu2on"
! Lopration de convolution est dfinie comme suit; soit x(t) et y(t), deux fonctions dune
variable t. le signal not y (t ) = x(t ) * h(t ) est dfinit par :
+
x(t ) * y (t ) = x(u ) y (t u )du
! Le produit de convolution de deux signaux est commutatif :
x(t ) * y (t ) = y (t ) * x(t )
! Exercice: dmontrer cette proprit.
Cours!TNS!
27"
K.!MINAOUI!
con=nu!
1.2!!!Filtrage!
1.2.6"Causalit"
! Un filtre est dit causal, si la sortie ne dpond que des valeurs de lentre prcdent la
sortie. En dautre terme leffet ne prcde pas la cause. Dans ces conditions on ;
h(t ) = 0,
pour
t <0
1.2.7"Stabilit"
! Un filtre est dit stable si toute entre borne correspond une sortie borne.
1.2.8"Fonc2on"de"transfert""
! La fonction de transfert dun filtre est la transforme de Fourier de sa rponse
impultionnelle :
"
H ( f ) = TF [h(t )] = h(t )e j 2ft dt
!
Cours!TNS!
28"
K.!MINAOUI!
con=nu!
1.3!!!Energie,!puissance,!corrla=on!
1.3.1"Energie"et"puissance"en"reprsenta2on"temporelle
! Pour un signal x(t) dterministe, temps continu, valeurs complexes, on dfinit les
quantits suivantes :
1. La quantit :
x(t ) est appele puissance instantane du signal x linstant t.

T T
2. Lnergie du signal dans lintervalle temporel &$ 2 , 2 #! vaut :

%
E x ,T =
T /2
T / 2
"
x(t ) dt
3. La puissance moyenne du signal sur cette intervalle vaut :
Px ,T
!
Cours!TNS!
E x ,T
1 T /2
2
=
=
x(t ) dt
T
/
2
T
T
29"
K.!MINAOUI!
con=nu!
1.3.1"Energie"et"puissance"en"reprsenta2on"temporelle
4. Lnergie (ou lnergie totale) du signal vaut :
+
E x = lim E x ,T = x(t ) dt
T
5. La puissance moyenne (totale) du signal vaut :
Px = lim Px ,T
T
1 T /2
2
= lim
x(t ) dt
T T T / 2
Cours!TNS!
30"
K.!MINAOUI!
con=nu!
1.3.2"Fonc2on"de"corrla2on
Insistons sur le fait que les grandeurs dfinies ci-dessous concernent les signaux
dterministes nergie finie.
! La fonction dintercorrlation de deux signaux x(t) et y(t) valeurs complexes est
dfinie par :
+
Rxy = x(t ) y * (t )dt
o le symbole * reprsente la conjugaison des nombres complexes.

! La fonction dautocorrlation dun signal x(t) est un cas particulier de la fonction
dintercorrlation
+
Rx = x(t ) x* (t )dt
en particulier, pour
= 0 , lautocorrlation devient :
Rx = x(t ) dt = Ex
Cours!TNS!
31"
K.!MINAOUI!
con=nu!
1.3.3"Thorme"de"Parseval
Ce thorme sexprime par
x(t ) dt =
X ( f ) dt
! Ce thorme montre que lnergie dun signal peut tre calcul soit dans la
reprsentation temporelle soit dans la reprsentation frquentielle.
! Lnergie dun signal est rpartie dans le temps suivant la puissance instantane
quon peut appel densit temporelle dnergie.
x(t ) ,
! La relation de Parseval suggre que cette nergie est rpartie sur laxe frquentiel avec
une densit spectral dnergie donne par
X( f )
Cours!TNS!
32"
K.!MINAOUI!
con=nu!
1.3.4"Densit"spectrale"de"puissance
! On dfinit la densit spectrale de puissance par la limite
S x ( f ) = lim
T +
X(f )
! La densit spectrale de puissance dun signal puissance finie est gale la transforme
de Fourier de sa fonction dautocorrlation.
S x ( f ) = TF [ Rx ( )]
Cours!TNS!
33"
K.!MINAOUI!
con=nu!
Exercice
Quel est la diffrence entre la convolution et la corrlation dans le

cas d'une fonction symtrique ( f(x) = (f(-x) ) ?
Et dans le cas gnral?
!
Cours!TNS!
34"
K.!MINAOUI!
!
!
Signaux!numriques!
!
!
!
!
Cours!TNS!
35"
K.!MINAOUI!
1. dni=ons!
! On appelle signal numrique la suite de nombres {x(n)} ou {xn } o n dans le cas
gnral, n dans la cas des signaux causaux.
! Cette suite de nombres provient en gnral de lchantillonnage dun signal analogique.
! Il y a en ralit une double discrtisations; un chantillonnage du temps et de lamplitude

(quantification).
! Les signaux numriques forment un espace vectoriel, toutes les oprations relatives cet
espace sont possibles ;
" Addition : zn = xn + yn
" Multiplication par un scalaire :
Cours!TNS!
yn = k .xn
36"
K.!MINAOUI!
2. Echan=llonnage!!
2.1!!!Dni=ons!
! Lchantillonnage est la reprsentation dun signal analogique par une suite de valeurs
ponctuels.
! On parle dchantillonnage rgulier ou priodique lorsque les prlvements sont effectus
selon un rythme rgulier. Lintervalle Te entre deux chantillons successive est appel pas
dchantillonnage et f e = 1 / Te la frquence dchantillonnage.
2.2!!!Reprsenta=on!dun!signal!chan=llonn!idal!
! Il est important de noter quil ny a pas dgalit entre le signal continu et le signal
chantillonn : il sagit dune reprsentation.
! Le signal chantillonn scrit
xe (t ) = x(t ) (t nTe )
n
Cours!TNS!
37"
K.!MINAOUI!
2. Echan=llonnage!!
2.3!!!Frquence!de!Nyquist!et!critre!de!Shannon
! Pour que le signal ait un intrt physique, il faut que le signal chantillonn ait un spectre
trs proche de celui du signal analogique de dpart ; et qu partir des chantillons, on
puisse le reconstituer.
! La reconstitution du signal impose une condition sur la frquence dchantillonnage pour
viter le problme de recouvrement des spectres overlapping ou repliement de spectre.
! La condition pour que ce recouvrement soit absent repose sur le fait que le signal doit
possder un spectre qui stend de Fm Fm avec Fe 2 Fm .
! La frquence Fe/2 est appele frquence de Nyquist et la condition dchantillonnage est
appele critre de Shannon.
Cours!TNS!
38"
K.!MINAOUI!
2. Echan=llonnage!!
2.3!!!Frquence!de!Nyquist!et!critre!de!Shannon!
Cours!TNS!
39"
K.!MINAOUI!
2. Echan=llonnage!!
2.4!!!Reconstruc=on!du!signal!
! Plaons nous dans le cas o la condition de Shannon est satisfaite (Fe > 2Fm). On doit
donc pouvoir reconstruire le signal dorigine.
! La multiplication du spectre X ( f ) par une porte de largeur Fe et damplitude 1 / Fe
permet de retrouver le spectre de dpart, soit
Et par TF inverse
1
X ( f ) = X e ( f ). Fe ( f )
Fe
x(t ) = x(nTe ). (t nTe ) *
n
sin(Fet )
Fet
Ainsi le signal continu initial x(t) peut scrire sous la forme
sin Fe (t nTe )
x(t ) = x(nTe ).
Fe (t nTe )
n
Cours!TNS!
40"
K.!MINAOUI!
3. Comparaison!numrique!
analogique!
3.2!!!Intgrale!et!moyenne!
Dans le cas de signaux discrets, il faut remplacer le signe
les relations dintgrale et de moyenne deviennent
x(t )dt
x T
k e
par le signe somme
a = nTe ,
, et ainsi,
b = mTe
k =n
1 b
x(t )dt
a
T
O
k =m
1
NTe
k =m
x T
k e
k =n
1 k =m
= xk
N k =n
N = m n + 1 pour tenir compte des deux extrmit du signal
Cours!TNS!
41"
K.!MINAOUI!
analogique!
3.1!!!Convolu=on!et!corrla=on!
Dans le cas idal dune infinit dchantillons, les relations donnant la convolution deviennent
x(t ) * y (t ) = x(u ) y (t u )du xn * yn =
k = +
x(kT ).y((n k )T )T
e
k =
et la corrlation
+
Rxy = x(u ) y (u t )du Rxn yn =
Cours!TNS!
42"
k = +
x(kT ).y((k n)T )T

e
k =
K.!MINAOUI!
analogique!
3.3!!!Transforma=on!de!Fourier!Discrte!(TFD)!
Considrons x (n) une squence priodique sur N chantillons, et considrons la suite de
Fourier discrte X (k ) donne par
N 1
X (k ) = x(n)e 2 j ( kn ) / N
n =0
La transforme de Fourier Discrte inverse (TFDI) est donne par
1
x ( n) =
N
Cours!TNS!
N 1
X ( k )e
2 j ( kn ) / N
k =0
43"
K.!MINAOUI!
!
!
Signaux!alatoires!(stochas=ques)!
!
!
!
Cours!TNS!
44"
K.!MINAOUI!
1. introduc=on!
! La quasi-totalit des signaux extraits de phnomne rels prsentent un aspect alatoire.
! Un signal alatoire est un signal x(n) qui, comme son nom lindique, varie alatoirement
en fonction du temps, en particulier sa valeur un instant n ne peut pas tre prdite.
! Le fais quon tudie ncessairement des signaux qui ne sont pas parfaitement prvisibles
nous amne tudier les caractristiques principales des signaux alatoires et les bases
de probabilits ncessaires cette tude.
Cours!TNS!
45"
K.!MINAOUI!
2. Rappels!de!sta=s=que!ncessaire!
au!TS!
2.1!!!Variables!alatoires!WMoments!
!
! Considrons un processus alatoire dcrit dans lespace des preuves .

On appelle : variable alatoire discrte (resp. relle), lapplication de dans Z (resp.
dans R) dfinie par :
x( )
! Une variable alatoire est caractris par sa densit de probabilit (ou loi de probabilit)
p(x)
! Soit x une variable alatoire et soit p(x) sa loi. On appelle,
le moment dordre m de x:
m
&$ resp.
%
E ( x ) = x p( x)
x
Cours!TNS!
46"
m
x
p( x)dx #!"
K.!MINAOUI!
au!TS!
Moyenne de x ou esprance de x
E ( x) = xp ( x)
resp
Moment dordre 2 :
2
E ( x ) = x p( x)
resp
E ( x) = xp ( x)dx
E ( x ) = x 2 p( x)dx
Variance
2
( x) = ( x E ( x)) p( x)
resp
E ( x) = ( x E ( x))2 p( x)dx
! La racine carre de 2 ( x) est appele cart-type de x.

N
! Nq:
xp ( x) = x(n) p( x) ; Estimation partir de N ralisation de x(n).

x
Cours!TNS!
n =0
47"
K.!MINAOUI!
au!TS!
Variance : on peut vrifi que
2 ( x) = E ( x 2 ) E ( x) 2
Corrlation: pour caractriser la relation entre deux variables alatoire, on tudie leur
corrlation qui scrit en fonction de la densit de probabilit conjointe du couple alatoires :
E ( xy ) =
+ +
xyp( x, y )dxdy
N 1
resp
E ( xy ) = x(n) y (n) p( x, y )
n =0
! On dfinit le coefficient de corrlation par
r=
!
E ( xy )
2
E(x )E( y )
1 r 1
Cours!TNS!
48"
K.!MINAOUI!
au!TS!
Corrlation:
! Si r=0 on dit que les variables x(n) et y(n) sont orthogonales.
! Si r=1 on dit quil dpendance linaire entre les deux signaux.
! Si les variables alatoires sont centres et indpendantes, alors
p( x, y) = p( x) p( y)
et
E( xy) = 0
! Les estimations de E ( x), E ( x ) et E ( xy ) sont dautant meilleurs que N est grand.
Cours!TNS!
49"
K.!MINAOUI!
au!TS!
2.2!!!Lois!de!probabilit!
2.2.1"Loi"uniforme"con2nue"
La densit de probabilit p(x) est dfinie par
.
a+b
E
(
x
)
=
Proprits :
1
p ( x) =
ba
si
a< x<b
2
(b a) 2
2
( x) =
12
2.2.2"Loi"uniforme"con2nue"
Une exprience avec deux issues possibles (succs et chec) effectu dans un environnement
industriel peut tre ralis avec une probabilit p. Appelons P(x =k) la probabilit pour quil
y ait k succs au cours des N expriences conscutives. On montre alors que cette probabilit
k k
N k
scrit :
P ( x = k ) = C N p (1 p )
Proprits : E ( x) = Np
2 ( x) = Np (1 p)
Cours!TNS!
50"
K.!MINAOUI!
au!TS!
2.2.3"Loi"de"Poisson"
"
Considrons un vnement pouvant apparatre avec une probabilit p. La probabilit pour
que cet vnement apparaisse k fois au cours de N expriences successives est donne par la
loi de Poisson,
P( x = k ) =
Proprits :
( Np )! Np
e
k!
E ( x) = Np
( x) = Np
Cours!TNS!
51"
K.!MINAOUI!
au!TS!
2.2.4"Processus"gaussiens"
! Les processus gaussiens possdent un certain nombre de proprits remarquables qui en

font des processus permettant dtre facilement intgrs dans une problmatique
industrielle.
! Un processus alatoire x sera dit gaussien si sa loi scrit :
1
( x m) 2
Px =
exp(
2 2
2
On montre que
E ( x) = m,
E ( x 2 ) = 2 ( x) = 2
E ( xy ) = ( x) ( y )
Cours!TNS!
52"
K.!MINAOUI!
3. Moyenne"et"Variance"de"signaux"
alatoires!
3.1!Dni=on!
! Les signaux alatoires tant considrs comme des variables alatoires indexes par le
temps, on dfinit la moyenne m(t) par
m(t ) = E ( X (t , x)) = xk P( X = xk )
cas discret,
= x(t ) p( x, t )dx
cas continu.
! Les signaux alatoires tant considrs comme des variables alatoires indexes par le
temps, on dfinit la variance par
2 (t ) = E ([ x(t ) m(t )]2 ) = ( xk m(t ))2 P( X = xk )
cas discret,
= ( x m(t ))2 p( x, t )dx
cas continu.
Cours!TNS!
53"
K.!MINAOUI!
alatoires!
3.2!Sta=onnarit!
! Un signal alatoire x(t,) est dit stationnaire du 2me ordre si sa moyenne et sa variance
est indpendante du temps
E ( x(t )) = m,
2 (t ) = 2
Cours!TNS!
54"
Mme moyenne et variance
K.!MINAOUI!
alatoires!
3.3!Ergodicit!
! Un processus est ergodique lordre N si les moyennes temporelles jusqu lordre N
sont indpendantes du choix de la ralisation
Remplacer la moyenne statistiques par une moyenne temporelles sur une ralisation
Cours!TNS!
55"
K.!MINAOUI!
alatoires!
3.4!Fonc=on!de!covariance!temporelle!
! Considrons pour gnraliser un signal complexe x(t). La fonction de covariance est
dfinie par
(t1 , t2 ) = E[ x(t1 ) x* (t2 )]
! Si x(t) est un signal stationnaire au 2me ordre, la fonction de covariance ne dpond que
de = t1 t2
(t1, t2 ) = (t1 t2 ) = ( )
3.5!Fonc=on!de!corrla=on!ou!dautocorrla=on!
! Cette fonction est une fonction fondamentale en traitement du signal : elle permet de
caractriser un signal alatoire de faon plus fine que la moyenne ou la variance.
! Elle permet de comparer le signal un instant t en fonction des proprits quil avait
linstant t . Elle est donc dfinie par
r ( ) = (t , t + ) = E ( x(t ) x* (t + ))
Cours!TNS!
56"
K.!MINAOUI!
alatoires!
3.5!Proprits!de!la!fonc=on!dautocorrla=on!
! La fonction dautocorrlation passe par son maximum pour
= 0 et on
r (0) = 2
! Si on calcule r ( ) = E[ x(t ) x(t )] et quon pose u = t
r ( ) = E ( x(u + ) x(u )) = r ( )
#La fonction dautocorrlation est symtrique.
Cours!TNS!
57"
K.!MINAOUI!
4. nergie"et"puissance"des"signaux"
alatoires!
4.1!Dni=ons!
! Si x(t) est stationnaire, on peut calculer lesprance de la puissance instantane par
E ( Px ) = E ( x(t ) x* (t )) = (t , t ) = (0) = P = 2
ce qui conduit un rsultat trs important :
La puissance dun signal alatoire stationnaire est constante et est gale la variance
du signal alatoire.
4.2!Densit!spectrale!de!puissance!(DSP)!ou!spectre!de!puissance!
! On appelle densit spectrale de puissance dun signal stationnaire la transforme de
Fourier de sa fonction dautocorrlation
S xx ( f ) = TF [r ( )]
Ce rsultat est fondamental : il permet de relier les proprits spectrales et les proprits
statistiques des signaux
Cours!TNS!
58"
K.!MINAOUI!
4. nergie"et"puissance"des"signaux"
alatoires!
5.3!Exemples!de!signaux!alatoires!:!Bruit!blanc!
! On lappelle "bruit blanc" car sa densit spectrale de puissance est constante.
! la fonction de corrlation est donne par un delta de Dirac et la densit spectrale est
constante.
x!!!!!!!!!!!!!!!!!!!!!!!!!
(t )
r ( ) = (!!!!!!!!!!!!!!!!!!!!!!!!!
)
S xx ( f )
!!!!!!!!!!!!!!!!!!!!!!!!!
f!!!!!!!!!!!!!!!!!!!!!!!!!
! Cest un signal dont les chantillons sont dcorrls et sa puissance est constante dans
toute bande de frquence.
Cours!TNS!
59"
K.!MINAOUI!
5. Es2ma2on"de"la"moyenne"et"la"
corrla2on!
On"suppose"ici"que"les"signaux"sont"sta2onnaires"et"ergodiques."
!
5.1!Es=ma=on!de!la!moyenne
! Lestimateur de la moyenne dun signal numrique alatoire est
1
m =
N
N 1
x(k )
k =0
Cet estimateur est non biais et consistant (samliore quand N crot)
5.2!Es=ma=on!de!lautocorrla=on
! Lestimateur de la fonction dautocorrlation dun signal numrique alatoire est
1
Rxx ( ) =
N
N 1
x(k )x(k + )
k =0
Cet estimateur est biais mais consistant (samliore quand N crot)

Cours!TNS!
60"
K.!MINAOUI!
5. Es2ma2on"de"la"moyenne"et"la"
corrla2on!
5.3!Es=ma=on!de!lintercorrla=on!
! Lestimateur de la fonction dintercorrlation de deux signaux numriques alatoires est
$ 1 N 1
! N x(k ) y (k + )
k =0
!
Rxy ( ) = #
! 1 N 1
! x(k ) y (k + )
" N k =
pour
pour
0 N
N 0
Qui tient compte de la non symtrie de lintercorrlation.
Cours!TNS!
61"
K.!MINAOUI!
6. Formule"de"ltrage"des"processus"
alatoires"SSL!
6.1!Dni=on!
! On appelle processus alatoire Stationnaire au sens Large (SSL) une suite de variables
alatoires x(t ), t , telles que :
1. E[ x(t )] = mx Indpendant de t,
2
2.
E[ x(t ) ] < ,
3.
Rxx ( ) = E ( x(t + ) x* (t )) ne dpond que de lcart de temps
Cours!TNS!
62"
K.!MINAOUI!
alatoires"SSL!
6.1!Formule!de!ltrage!
! Soit x (t ) un processus temps discret, SSL, de moyenne mx et de fonction
dautocorrlation Rxx ( ), et soit y (t ) la sortie dun filtre, de rponse impultionnelle h (t ) ,
excit par x (t ) . Une condition pour que le somme,
y (t ) = x(t ) * h(t ) =
s =
s =
h(t s) x(s) = h(s) x(t s)
Existe, est que h (t ) soit de module sommable cd

1.
y (t ) est SSL,
3.
Sa moyenne est donne par my = mx
4.
Sa fonction dautocorrlation est donne par
Ryy ( ) =
s =
h( s) < . Ainsi :
h( s),
*
h
(
n
)
h
( s)Rxx ( + n s)
s = n =
Cours!TNS!
63"
K.!MINAOUI!
alatoires"SSL!
6.1!Formule!de!ltrage!
4.
La fonction dintercorraltion entre y(t) et x(t) est donne par
Ryx ( ) =
xx
( s)h( s )
s =
5.
Si le processus x(t) possde une d.s.p, on aura
S yy ( f ) = H ( f ) H * ( f ) S xx ( f )
et
S yx ( f ) = H ( f ) S xx ( f )
O H(f) dsigne la transforme de Fourier temps discret de h(t).
Cours!TNS!
64"
K.!MINAOUI!
7. Applica2ons"des"formules"de"
ltrage!
!
!
Filtre adapt (Tlmtrie Radar, Dtection des craquements, )

Filtre moyenneur (rduction de la variance )
Filtre drivateur (praccentuation )
Processus autorgressifs discrets rels (prdiction linaire , parole ,)
Cours!TNS!
65"
K.!MINAOUI!
ltrage!
7.1!Filtre!adapt!
!
Dans certaines applications, on est amener dcider de la prsence ou de labsence

dun signal .
Dterminer le traitement
labsence du signal .
linaire adquat
Le signal mis x(t) dnergie,
pour dcider de la prsence
ou de
Ex =
2
x
(t ) qui parcourt
t =
la distance d
jusqu la cible, sur laquelle il est rflchit en direction d un rcepteur:

!
A rception , on reoit le signal bruit :
r (t ) = x(t ) + b(t )
et on simpose la structure suivante:
Cours!TNS!
66"
K.!MINAOUI!
ltrage!
7.1!Filtre!adapt!
!
Le signal reu est pass travers un filtre linaire de rponse impulsionnelle h(i),
dterminer .
On observe la sortie de ce filtre linstant k ; on obtient la valeur scalaire :
y( K ) =
h(K t )r (t )
t =
t =
t =
h(K t ) x(t ) + h(K t )b(t )
On dcide de la prsence ou de labsence dun signal linstant k, en comparant y(k)

un seuil .
Cours!TNS!
67"
K.!MINAOUI!
ltrage!
7.1!Filtre!adapt!
!
Maximisation du critre rapport signal /bruit , dfini par :

2
h(K t)x(t)
p=
t=
+
2 h(t)
t=
En utilisant lingalit de Schwarz , on obtient :

+
h(t)
t=
x(K t)
t=
+
2 h(t)
Ex
= 2
t=
o Ex est lnergie du signal x(t) .

Cours!TNS!
68"
K.!MINAOUI!
ltrage!
7.1!Filtre!adapt!
!
Lgalit est atteinte lorsque h(t) et x(K-t) sont colinaires:
h(t ) = x( K t )
!
Le filtre optimal a une rponse impulsionnelle gale la copie retourne et dcale

dans le temps du signal x(t) .
En ce sens, le filtre est adapt au signal dentre .
La relation de filtrage de r(t) avec une copie retourne quivaut en fait effectuer
une inter corrlation (au sens dterministe):
Cours!TNS!
69"
K.!MINAOUI!
ltrage!
7.1!Filtre!adapt!
+
y(t) =
h(u)r(t u) = x (K u)r(t u)
*
u=
u=
x (K + n)r(t + n) = x (K t + n)r(n)
*
n=
Soit
u=
y(t) = Rrx (K t)
! Le rcepteur optimal consiste donc calculer lintercorrlation entre le signal reu y(t) et
le signal attendu x(t). On parle alors souvent de rcepteur corrlation .
Cours!TNS!
!
70"
K.!MINAOUI!
ltrage!
7.2!Filtre!moyenneur!
! La moyenne sur N chantillons conscutifs dun signal est
1 n+( N 1)
y ( n) = x ( k )
N k =n
! Cette opration est un filtrage linaire numrique de rponse impulsionnelle h(n) dfinie
par :
# 1
%
%% N
h(i) = $
%
%
%&
Cours!TNS!
pour
{i n,..., n + N 1}
pour
71"
si non
K.!MINAOUI!
ltrage!
! Le gain en frquence est
N 1
H ( f ) = h( n)e 2 jkf
k =0
1 j ( N 1) f sin( Nf )
=
e
N
sin(f )
! La d.s.p, par application de la formule de filtrage est
1 sin 2 ( Nf )
Sy ( f ) = 2
Sx ( f )
2
N sin (f )
avec
! Pour une entre x(n) alatoire centre, blanche de d.s.p
Py = x2 H ( f )
f [1 / 2,1 / 2]
x2 , la puissance en sortie est :
Cours!TNS!
72"
K.!MINAOUI!
ltrage!
! La formule de Parseval
x( k )
N 1
= X( f )
donne :
1 2
Py = h (n) = x
N
k =0
2
x
! Lopration de moyenne sur N chantillons rduit la variance dun rapport N.
Cours!TNS!
73"
K.!MINAOUI!
ltrage!
7.3!Filtre!drivateur!!
! Soit x(t) le processus alatoire driv de x(t) .
! Au premier ordre , on a :
d
E ( x' (t )) = E ( x(t )) = 0
dt
! Transforme de fourrier de la drive , est la multiplication par 2 jf

! Le drivateur est un filtre linaire de gain en frquence H ( f ) = 2 jf
! La fonction dautocorrlation la sortie est :
d 2 Rxx ( )
Rx ' x ' ( ) =
dt 2
Cours!TNS!
74"
K.!MINAOUI!
ltrage!
7.3!Filtre!drivateur!!
! La d.s.p . pour expression :
S x ' ( f ) = 4 2 f 2 S x ( f )
!
La multiplication par 4 f a pour effet de remonter le spectre dans les frquences

leves
Cours!TNS!
75"
K.!MINAOUI!

Cours Tns Master It

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Cours Tns Master It

Загружено:

Авторское право:

Доступные форматы

!

! Un signal est la reprsentation physique de linformation quil transporte de sa source son

" laboration des signaux

" Interprtation des signaux

filtrage : limination de certaines composantes indsirables

(t )dt = 1 et (t ) x(t )dt = x(0) .

! Le signal exponentielle complexe est dfini par x(t ) = x0 exp(2 jf 0t );

! la fonction sinus cardinal est dfinie par sin c(t ) = sin(t ) / t.

La dcomposition en srie de Fourier permet de dcomposer un signal en somme de

X ( f ) = TF [ x(t )] = x(t )e j 2ft dt

Si cette transforme existe, la transforme de Fourier inverse est donne par :

TF 1 est la transforme inverse de Fourier inverse.

3. Calculer la transform de Fourier du signal%rectangle

La transforme de Fourier dune fonction sinusodale de frquence f0 est reprsente par

Le spectre dune dcomposition en srie de Fourier sera donc un spectre discontinu de

On rappel que : TF(cos(2f0t))=%

! Cette rponse impulsionnelle h(t) dfinit le comportement du systme;

x(t ) * y (t ) = x(u ) y (t u )du

! Le produit de convolution de deux signaux est commutatif :

H ( f ) = TF [h(t )] = h(t )e j 2ft dt

x(t ) est appele puissance instantane du signal x linstant t.

2. Lnergie du signal dans lintervalle temporel &$ 2 , 2 #! vaut :

3. La puissance moyenne du signal sur cette intervalle vaut :

5. La puissance moyenne (totale) du signal vaut :

Rxy = x(t ) y * (t )dt

o le symbole * reprsente la conjugaison des nombres complexes.

! On dfinit la densit spectrale de puissance par la limite

Quel est la diffrence entre la convolution et la corrlation dans le

! Il y a en ralit une double discrtisations; un chantillonnage du temps et de lamplitude

Ainsi le signal continu initial x(t) peut scrire sous la forme

par le signe somme

N = m n + 1 pour tenir compte des deux extrmit du signal

x(t ) * y (t ) = x(u ) y (t u )du xn * yn =

Rxy = x(u ) y (u t )du Rxn yn =

x(kT ).y((k n)T )T

La transforme de Fourier Discrte inverse (TFDI) est donne par

! Considrons un processus alatoire dcrit dans lespace des preuves .

! La racine carre de 2 ( x) est appele cart-type de x.

xp ( x) = x(n) p( x) ; Estimation partir de N ralisation de x(n).

! On dfinit le coefficient de corrlation par

! Les estimations de E ( x), E ( x ) et E ( xy ) sont dautant meilleurs que N est grand.

! Les processus gaussiens possdent un certain nombre de proprits remarquables qui en

2 (t ) = E ([ x(t ) m(t )]2 ) = ( xk m(t ))2 P( X = xk )

= ( x m(t ))2 p( x, t )dx

Mme moyenne et variance

(t1 , t2 ) = E[ x(t1 ) x* (t2 )]

Cet estimateur est non biais et consistant (samliore quand N crot)

Cet estimateur est biais mais consistant (samliore quand N crot)

Qui tient compte de la non symtrie de lintercorrlation.

Rxx ( ) = E ( x(t + ) x* (t )) ne dpond que de lcart de temps

h(t s) x(s) = h(s) x(t s)

Existe, est que h (t ) soit de module sommable cd

Sa moyenne est donne par my = mx

Sa fonction dautocorrlation est donne par

La fonction dintercorraltion entre y(t) et x(t) est donne par

Si le processus x(t) possde une d.s.p, on aura

Filtre adapt (Tlmtrie Radar, Dtection des craquements, )

Filtre drivateur (praccentuation )

Processus autorgressifs discrets rels (prdiction linaire , parole ,)

Dans certaines applications, on est amener dcider de la prsence ou de labsence

Le signal mis x(t) dnergie,

pour dcider de la prsence

jusqu la cible, sur laquelle il est rflchit en direction d un rcepteur:

A rception , on reoit le signal bruit :