Академический Документы
Профессиональный Документы
Культура Документы
Dr Amani RAAD
• Introduction
• Objectifs du traitement du signal
• Champs d’application
Traitement de Signal 2
Objectifs du TS
Traitement de Signal 3
Champs d’applications du TS
Traitement de Signal 4
Classification des signaux
Signaux continus et Signaux discrets
Traitement de Signal 5
Classification des signaux
Signaux continus et Signaux discrets
Traitement de Signal 6
Classification des signaux
Signaux continus et Signaux discrets
en amplitude
signal numérique
Traitement de Signal 7
Classification des signaux
Signaux continus/signaux discrets en amplitude
• La transfromation de l’amplitude continue à l’amplitude
discrète = quantification
• Un signal peut être soit:
– naturellement discret en amplitude : c’est en particulier le cas des
processus de comptage (nombre d’arrivées dans une file d’attente par
unité de temps).
– après une opération de quantification qui consiste à coder ses valeurs à
partir d’un alphabet fini (code binaire, code ASCII). La discrétisation en
amplitude d’un signal est une opération nécessaire pour pouvoir le
manipuler à l’aide des outils informatiques.
Traitement de Signal 8
Classification des signaux
Signaux déterministes/signaux aléatoires
• Signaux déterministes
Traitement de Signal 9
Classification des signaux
Signaux déterministes/signaux aléatoires
• Signaux aléatoires
Traitement de Signal 10
Classification des signaux
signaux sans référence à un modèle de génération
Système
entrée SIGNAL
(modèle de génération)
Déterministe Aléatoire
Presque Transitoire
Périodique Cyclostationnaire
Traitement de Signal 11
Classification des signaux
types de modèles de génération des signaux
Système
entrée Signal
(modèle de génération)
Traitement de Signal 12
Classification des signaux
signaux déterministes, périodiques: exemple
0. 8
0. 6
0. 4
0. 2
-0. 2
-0. 4
-0. 6
-0. 8
-1
0 20 40 60 80 100 120 140 160 180 200
0. 8
0. 6
0. 4
0. 2
-0. 2
-0. 4
-0. 6
-0. 8
-1
0 100 200 300 400 500 600 700 800
0. 8
0. 6
0. 4
0. 2
-0. 2
-0. 4
-0. 6
-0. 8
-1
0 50 100 150 200 250 300 350 400
Traitement de Signal 13
Classification des signaux
signaux déterministes périodiques : exemple
• Modulation d’amplitude et de phase
0. 8
0. 6
0. 4
0. 2
-0. 2
-0. 4
-0. 6
-0. 8
-1
0 50 100 150 200 250 300 350 400
0. 8
0. 6
0. 4
0. 2
-0. 2
-0. 4
-0. 6
-0. 8
-1
0 50 100 150 200 250 300 350 400
Traitement de Signal 14
Classification des signaux
signaux déterministes NON périodiques
• Réponse d’un système 1ddl à une impulsion
-0.8
-0.6
-0.4
linéaire
-0.2
0.2
0.4
0.6
0.8
0. 8
0. 6
Non-linéaire
0. 4
0. 2
-0. 2
-0. 4
-0. 6
-0. 8
0 500 1000 1500
Traitement de Signal 15
Classification des signaux
déterministes, périodiques:descripteurs
1
2
1
∑~
N /2
RMS = ∫ x (t )dt =
T /2 2 2
x ( n)
+
−T / 2
T
0 N 1 n=− N / 2
Traitement de Signal 16
Classification des signaux
signaux aléatoires : exemple
• Bruit blanc : 3 réalisations
2. 5
1. 5
0. 5
-0. 5
-1
-1. 5
-2
-2. 5
0 20 40 60 80 100 120 140
2. 5
1. 5
0. 5
-0. 5
-1
-1. 5
-2
-2. 5
0 20 40 60 80 100 120 140
-1
-2
-3
0 20 40 60 80 100 120 140
Traitement de Signal 17
Classification des signaux
signaux aléatoires : exemple
• Sortie d’un système excité par un bruit blanc
15
10
-5
-10
0 20 40 60 80 100 120 140
10
-5
-10
-15
0 20 40 60 80 100 120 140
10
-2
-4
-6
-8
0 20 40 60 80 100 120 140
Traitement de Signal 18
Classification des signaux
Signaux aleatoires: exemple
0.3
0.2
0.1
-0.1
-0.2
-0.3
-0.4
0 100 200 300 400 500 600
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
-0.8
0 100 200 300 400 500 600
Traitement de Signal 19
Classification des signaux
variable aléatoire (1)
soit x une Variable Aléatoire (VA) continue x1
x ≤ x ≤ x + ∆x
0 0
on définit :
+∞
x2
le moment d ' ordre 1 (moyenne) de x : E ( x ) = ∫ x. f ( x )dx x
−∞
+∞
+∞
xn
la Variance : E ([ x − E ( x)] ) = ∫ [ x − E ( x)] . f ( x)dx
2 2
x
−∞
Traitement de Signal 20
Classification des signaux
signal aléatoire :exemples
x(n)
bruit
x(n)
séquence binaire codée
x(n)
12V tension de batterie (Therrien)
11.75V
Traitement de Signal 21
Classification des signaux
signal aléatoire :définitions
soit x (n); n ∈ Z une suite de Variables aléatoires
pour chaque n ;
f densité de probabilité de x (n)
x (n)
si n est le temps :
⇒ série temporelle , ie, signal aléatoire
le Modèle sous − jacent générant le signal aléatoire est appelé
⇒ processus aléatoire.
rem :
pour une Variable aléatoire ⇒ réalisation
pour un signal aléatoire ⇒ ensemble
Traitement de Signal 22
Classification des signaux
signal aléatoire :ensembles(ensembles)
x(n)
x1(-3) Bruit: ensemble1
x(n)
X2(-3) Bruit: ensemble2
E(x(n))
E[x(-3)] Bruit: moyenne d ’ensembles
Traitement de Signal 23
Classification des signaux
signal aléatoire : stationnarité/ergodicité(1/4)
∞
Traitement de Signal 24
Classification des signaux
signal aléatoire :stationnarité/ergodicité(2/4)
x(n)
x1(-3) Bruit: ensemble1
moyenne temporelle
n
x(n)
X2(-3) Bruit: ensemble2
moyenne temporelle
n
E(x(n))
E[x(-3)] Bruit: moyenne d ’ensemble
moyenne temporelle
n
Traitement de Signal 25
Classification des signaux
signal aléatoire : stationnarité/ergodicité(3/4)
stationnarité : définition
les propriètés statistiques sont indépendantes du temps (n)
ie,
E[ x (n) x (n + k ) x (n + k )....x (n + k )] est indépendant de n
l0 l1
1
l2
2
lM
M
− autocorrelation E[ x (n) x (n + k )] = R (k )1 1
xx
x(n)
n
1 2 3 4 5 6 7 8
f x (1) x ( 3 ) x ( 6 )
=f x(2) x(4) x(7)
=f x (1) x (1) x ( 4 )
=
Traitement de Signal 26
Classification des signaux
signal aléatoire : stationnarité/ergodicité(4/4)
ergodicité : définition
un signal aléatoire Stationaire est ergodique si les moments calculés
temporellement ou par moyenne d ' ensemble sont égaux
1 ∞
si de plus E[ x(n) x(n + k ] = R (k ) = lim ∑ x ( n) x ( n + k )
2N + 1
→∞
n = −∞
Traitement de Signal 27
Classification des signaux
signal aléatoire : estimateurs
• Ensemble fini de points n=[-N/2,N/2]
+N /2
1
estimateur de la moyenne mˆ ( x) = ∑ x ( n)
2 N + 1 n=− N / 2
+N /2
1
estimateurs de la Variance var( x) = ∑ ~
x 2 ( n) [ ~
2 N + 1 n=− N / 2
x (n) = x(n) − mˆ ( x)]
Traitement de Signal 28
Classification des signaux
signal aléatoire : estimateurs
• Moyenne, variance, écart type, histogramme
3 50
45
2
Écart type 40
35
1
30
moy 0 25
20
X1 -1
15
10
X2 -2
5
-3 0
0 500 1000 -4 -2 0 2 4
X1 X2
Traitement de Signal 29
Classification des signaux
Signaux réels de vibrations (1)
• Vibrations d’engrenages
• sans et avec défaut d’écaillage
-1
-2
-3
0 200 400 600 800 1000 1200
10
-2
-4
-6
-8
0 200 400 600 800 1000 1200
Traitement de Signal 30
Classification des signaux
signaux réels de vibrations(2)
• Vibrations machine-outil (Surveillance d’outil)
• avec défaut avant et après filtrage du signal
400
300
200
100
-100
-200
-300
-400
0 500 1000 1500 2000 2500
200
150
100
50
-50
-100
-150
-200
0 500 1000 1500 2000 2500
Traitement de Signal 31
Classification des signaux
signaux réels acoustiques
• Réponse d’une salle à une bruit impulsionnel
0.25
0.2
0.15
0.1
0.05
-0.05
-0.1
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Traitement de Signal 32
Classification des signaux
signaux réels biomédicaux(1)
• Signaux Potentiels évoqués visuels(PEV)
• réponse cérébrale à des stimulis (flash)
• électrodes sur le scalp
100
80
60
40
20
-20
-40
0 50 100 150 200 250 300 350 400 450 500
25 20
20
15
15
10 10
5
5
0
-5 0
-10
-5
-15
-20 -10
0 5 10 15 20 25 30 35 40 45 50 0 10 20 30 40 50 60
Traitement de Signal 33
Classification des signaux
signaux réels biomédicaux(2)
• Electromyogramme (EMG)
• activités du muscle strié
• électrode sur la peau
4
x 10
3
-1
-2
-3
0 500 1000 1500 2000 2500 3000 3500 4000 4500
Traitement de Signal 34
Classification des signaux
signaux réels biomédicaux(3)
• Electromyogramme utérin (EMG Utérin)
• activités de l’utérus lors des contractions avant un accouchement
• électrode sur la peau
1500
1000
500
-500
-1000
-1500
0 500 1000 1500 2000 2500 3000 3500 4000 4500
Traitement de Signal 35
Classification des signaux
signaux réels biomédicaux (4)
• Electrocardiogramme (ECG)
• activités du cœur
• electrode sur la peau
9
x 10
2.5
1.5
0.5
-0.5
-1
-1.5
-2
-2.5
0 50 100 150 200 250 300 350 400 450 500
Traitement de Signal 36