![Page 1: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/1.jpg)
1
Les Bases du Traitement des Signaux Numériques
Andrei Doncescu [email protected]
Licence Professionnelle Université Paul Sabatier
![Page 2: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/2.jpg)
2
Plan • Introduction : classification des signaux • Notions de traitement du signal analogique
– Transformée de Fourier – Convolution – Corrélation
• Echantillonnage • Filtrage Numérique
– F.R.F. – F.R.I.
![Page 3: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/3.jpg)
3
Introduction
![Page 4: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/4.jpg)
4
Qu’est-ce qu’un signal ?
• DEFINITIONS
Signal – Une suite de nombres et non pas des suites de lettres, de
mots ou de phrases. « Yves Meyer » – Toutes grandeurs physiques susceptibles de variations
Traitement
Transformation destinée à rendre le signal exploitable
Forme et un outil de communication
« Vivre vraiment, c’est vivre en recevant les informations adéquates » Norbert Wiener
![Page 5: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/5.jpg)
5
D’où un signal vient ?
• De l’information cachée dans la représentation choisie
• Échantillonnage • Compression • Décomposition dans un espace orthogonal
![Page 6: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/6.jpg)
6
Bases théoriques du traitement du signal
Méthodes du traitement du signal
Techniques et Appareillage
Instrumentation digitale Modules Fonctionnels Instrumentation Analogique
Applications
![Page 7: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/7.jpg)
7
Classification des signaux
![Page 8: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/8.jpg)
8
CLASSEMENT DES SIGNAUX
1er classement :
Signaux certains: sin(2πnt), g(t), δ(t)...pas d'information
Signaux aléatoires: informations, bruits
« Dieu ne joue pas aux dés » Einstein
2ème classement :
Signaux analogiques Infinités d'états
Signaux numériques Nombre limité et discret d'états
![Page 9: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/9.jpg)
9
CLASSEMENT DES SIGNAUX
• Les signaux périodiques x(t) = x(t+kT) – Le signal sinusoidal est le plus représentatif de ces signaux périodiques:
• x(t) = A sin(2π t/T + a) = A Sin(ω t+a) ou ω = 2π /T = 2π f
• Les signaux à énergie finie Les signaux à énergie finie sont ceux pour lesquels l'intégrale suivante est bornée : ∫ | x(t) | 2 dt < ∞
• Ces signaux sont nommés de carré intégrable (sommable), leur puissance moyenne est nulle.
• Les signaux à puissance moyenne finie non-nulle
Signaux Analogiques
![Page 10: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/10.jpg)
10
• Signaux de durée finie – Signaux de durée limitée ou "support borné" : x(t) = 0 t ∉ T
• Signaux pairs et impairs
Un signal est pair si x(t) = x(–t) example : cos(ω t) Un signal est impair si x(t) = –x(–t) exemple : sin(ω t) Remarque Tout signal réel peut être décomposé : une partie "paire" et une partie "impaire". x(t) = xp(t) + xi(t)
• Signaux causals : – Un signal est dit causal s'il est nul pour toute valeur négative du temps
x(t) = 0 t< 0. On peut le rendre causal si * u(t)
![Page 11: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/11.jpg)
11
Signaux numériques
• Un signal numérique est un signal discret dont l’amplitude a été quantifiée
≠ signaux à temps discret
Exemple x(t)=A sin(ωt+φ) X(k)=A sin[2π/N (k+k0)
![Page 12: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/12.jpg)
12
Classement des signaux
• Déterministes : fonctions mathématiques réelles ou complexes
• Stationnaires : probabilités
• Non-stationnaires : transformée en ondelettes,
transformations fractales
![Page 13: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/13.jpg)
13
Quelques signaux déterministes
• Fonction de Heaviside u(t)
• La fonction signe 2u(t)-1
• La fonction porte rect(t)=u(t+T/2)-u(t-T/2)
![Page 14: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/14.jpg)
14
Distributions ≠ Fonctions • Impulsion infinie pendant un intervalle de temps infiniment court
• Remarque : Nous définissons l'impulsion de Dirac δ(t) au sens des distributions. Elle a pour valeur en t=0, la valeur égale à 1 de l'intégrale de moins l'infini à plus l'infini d'une impulsion idéale de largeur nulle centrée en t=0.
t
δ(t)
∫ =1)( dttδ
![Page 15: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/15.jpg)
15
Méthodes d’analyse des signaux
![Page 16: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/16.jpg)
16
La transformation d’informations
• La transformation de Fourier (fréquence) • La transformation de Fourier à fenêtre (temps-
fréquence) • La transformation en ondelettes (temps-échelle) • Ondelettes de Malvar (temps-fréquence-échelle) • Les paquets d ’ondelettes (temps-fréquence) • Matching Poursuite (temps-fréquence-échelle)
![Page 17: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/17.jpg)
17
Outils mathématiques
Étude des signaux déterministes continus ���
Représentation fréquentielle
Transformée de Fourier
![Page 18: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/18.jpg)
18
Signaux périodiques
fo=1/T est la fondamentale
![Page 19: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/19.jpg)
19
Synthèse d’un signal triangulaire à partir de sa série Fourier
![Page 20: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/20.jpg)
20
Effet Gibbs
![Page 21: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/21.jpg)
21
![Page 22: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/22.jpg)
22
La fonction sinus/cosinus
• sin(t) est périodique de période 2π • sin(2πt) est périodique de période 1
![Page 23: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/23.jpg)
23
TRANSFORMATION DE FOURIER
Définition La transformation de Fourier permet de décrire dans l'espace des fréquences un signal dont on connaît l'histoire au cours du temps, et réciproquement. DUALITE TEMPS-FREQUENCES y = f (t) <=> Y =F(f) F(f) est appelée la transformée de Fourier de f(t) et sa représentation, le spectre en fréquences.
Remarque : On utilise les lettres minuscules pour décrire l'histoire du signal au cours du temps et les lettres majuscules pour le décrire dans le domaine des fréquences ou domaine spectral.
dtetfF tj∫
−= )( ) ( ωω ωω ωdeFπtf tj∫= )( 2
1 )(
πω2)(2
FOn appelle densité spectrale d’énergie
![Page 24: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/24.jpg)
24
Propriétés La transformation de Fourier est une opération biunivoque. Conséquence: il y a la même information dans f (t) que dans F(f) Définition
La bande passante B d'un signal est le domaine de fréquence où se trouve l'énergie utile transportée par le signal.
Exemples : Signaux Bande passante Téléphonique 300Hz < f < 3300Hz Audio haute fidélité 20 Hz < f < 20 kHz Télévision 0Hz < f < 5 MHz
![Page 25: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/25.jpg)
25
Exemple: Soit la fonction indicateur
],[ TTf −=1
ωω
ω ω )sin(2)(ˆ TdtefT
T
tj == ∫−
−
La transformée de Fourier
![Page 26: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/26.jpg)
26
Transformée de Fourier des signaux d’énergie finie
Exemple de calcul de Transformée de Fourier
• - Le spectre du signal
» - si θ est faible, le signal est bien localisé en
temps mais 1/θ est grand et le spectre est
mal localisé en fréquence
» - si θ est grand, le spectre est bien localisé en
fréquence mais mal localisé en
temps
)()(2tts πθ=
![Page 27: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/27.jpg)
27
Transformée de Fourier des signaux d’énergie finie
Exemple de calcul de Transformée de Fourier
• - calculer le spectre du signal
•
• Module du spectre
• Phase du spectre
)()( 0 tuts eS at−=
fjaSfSπ20)(
+=
fa
SfS 222
04
)(π+
=
)2())(( afarctgfS πϕ −=
![Page 28: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/28.jpg)
28
Exemple de calcul de Transformée de Fourier
• - tracer le spectre du signal
• )()( 0 tuts eS at−
=
fa
SfS 222
04
)(π+
= )2())(( afarctgfS πϕ −=
Transformée de Fourier des signaux d’énergie finie
![Page 29: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/29.jpg)
29
Convolution
• Définition: On appelle fonction de convolution du signal s1(t) et s2(t) l’intégrale
τττ dtt sss )()( )( 21 −= ∫+∞
∞−
Théorème de convolution La TF du produit de convolution est le produit algébrique Des TF des signaux du produit
)()()( 21 ωωω SSS =
![Page 30: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/30.jpg)
30
Propriétés du produit de convolution
• Commutativité • Associativité • Distributivité • Différentiabilité
• Convolution avec un Dirac
)()())(( tdtdhfth
dtdfthf
dtd
∗=∗=∗
![Page 31: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/31.jpg)
31
Algorithme de Convolution
– Le signal y(l) est inversé pour obtenir y(-l) – Le signal y(-l) est décalé d’une certaine quantité k – Le produit x(l)y(k-l) est effectué échantillon par
échantillon pour tous les k – Les valeurs ainsi obtenues sont additionnées
![Page 32: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/32.jpg)
32
convolution en temps
• - exemple d’application de la méthode graphique de calcul de la convolution de 2
signaux x(t) et y(t) :
)()( tutx e at−= )()( 2 tuty e at−=
![Page 33: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/33.jpg)
33
• convolution en temps
• - exemple d’application de la méthode graphique de calcul de la convolution de 2 signaux x(t)
et y(t) :
- Principe de la méthode
- On garde le premier signal x(t’)
- On retourne le second signal y(t’) pour obtenir y[-t’]
)()( tutx e at−= )()( 2 tuty e at−=
![Page 34: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/34.jpg)
34
• convolution en temps
• - exemple d’application de la méthode graphique de calcul de la convolution de 2
signaux x(t) et y(t) :
- Principe de la méthode
- On garde le premier signal x(t’)
- On retourne le second signal y(t’) pour obtenir y[-t’]
- On décale y[-t’] de t pour obtenir y[-(t’-t)] ( t<0 avance t>0
retard )
)()( tutx e at−= )()( 2 tuty e at−=
t
t
![Page 35: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/35.jpg)
35
• convolution en temps
• - méthode graphique de calcul de la convolution de 2 signaux x(t) et y(t) :
- Principe de la méthode, suite
- On fait le produit x(t’).y(t-t’) là où les 2 signaux sont définis
- On calcule l’aire commune des 2 signaux
- On recommence pour t variant sur R et on obtient la convolution x(t)*y(t)
0)(*)(,0 =< tytxt eeee atatttat ataadttytxt 2)'(2
0
' 11')(*)(,0 −−−−− −==> ∫
t
![Page 36: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/36.jpg)
36
• convolution en temps
• - méthode graphique de calcul de la convolution de 2 signaux x(t) et y(t) :
- Principe de la méthode
- On garde le premier signal x(t’)
- On retourne le second signal y(t’) pour obtenir y[-t’]
- On décale y[-t’] de t pour obtenir y[-(t’-t)]
- On fait le produit x(t’).y(t-t’) là où les 2 signaux sont définis
- On calcule l’aire commune des 2 signaux
- On recommence pour t variant sur R et on obtient la convolution x(t)*y(t)
)()( tutx e at−= )()( 2 tuty e at−=
![Page 37: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/37.jpg)
37
La distribution de Dirac δ(t)
• Le pic de Dirac sera défini comme ayant un poids ou une masse de 1 en x=0
∫ =R
dtt 1)(δ
![Page 38: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/38.jpg)
38
La distribution de Dirac δ(t)
• Un Dirac a un support réduit à t=0 et associe à une fonction continue φ sa valeur en t=0 (0) )()( ϕϕδ =∫
+∞
∞−
dttt
Propriétés:
)0( )()( )()( ϕϕδϕδ =−=− ∫∫+∞
∞−
+∞
∞−
dtttudttut
)0( ' )( ' )( )()( ' ϕϕδϕδ −== ∫∫+∞
∞−
+∞
∞−
dtttdttt
![Page 39: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/39.jpg)
39
Propriétés de δ(t)
• Localisation
• Élément neutre
si )(
si 0)]()][([
⎪⎩
⎪⎨⎧
=−
≠=−−
baaxABba
bxBaxAδ
δδ
)()()( xfxxf =∗δ
)()()( axfaxxf −=−∗δ
![Page 40: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/40.jpg)
40
Application Définition : La réponse impulsionnelle d'un circuit est la
réponse à une impulsion de Dirac. Conclusion :
1- Un système linéaire est entièrement décrit par sa réponse impulsionnelle h(t). 2- La réponse du système à une excitation est égale au produit de convolution entre l'excitation et la réponse impulsionnelle.
![Page 41: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/41.jpg)
41
Utilisation de la distribution de Dirac pour le calcul des Transformées
Fourier • A partir de la TF d’une constante nous pouvons déduire :
( )( )
( ){ } ( )
0
0
1
2)(21)(21)(
ωωπδ
ωδπ
πδ
δ
ω
−=
=
=
=−
etj
TFAATFtTFtTF
{ } ( ) ( )[ ]000
cos ωωδωωδπω ++−=tTF
{ } ( ) ( )[ ]000
in ωωδωωδπω +−−= jtsTF
Donc la transformée Fourier de cos et de sin est :
![Page 42: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/42.jpg)
42
Corrélation des signaux
• Définition
• Propriétés – Fonction paire – Cx,y=0 les signaux sont décorrélés
∑∞
−∞=
+=l
yx klylxk )()()(,ϕ∫∞
∞−
+= dttxtxC yx )()()( 21, ττ
![Page 43: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/43.jpg)
43
Algorithme
– Le signal y(l) est décalé d’une certaine quantité k – Le produit x(l)y(l+k) est effectué échantillon par
échantillon pour tous les k – Les valeurs ainsi obtenus sont additionnées
![Page 44: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/44.jpg)
44
Autocorrélation
• Définition
• Propriétés – Cx,x(0)= l’ énergie du signal
∑∞
−∞=+==
lxxxx klxlxkkC )()()()( ,, ϕτ)dtx(t)x(t (ττ)C
-x,x ∫
∞
∞
+=
![Page 45: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/45.jpg)
45
Détection synchrone par corrélation d’un signal périodique noyé dans le bruit
• Corrélation avec un signal sinusoïdal pur xp(t). En faisant varier la fréquence de ce signal sinusoïdal, la fonction de corrélation sera non-nulle ou maximale à chaque fois que la fréquence de xp(t) sera identique à celle contenue dans le signal x(t).
• En effet :
• La détection se fait grâce au vobulateur (variation linéaire de la fréquence de sortie en fonction du temps)
)()( )( ,,, τττ ppp xbxxxs CCC +=
=0 si le temps d’intégration du corrélateur est suffisamment grand
![Page 46: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/46.jpg)
46
Propriétés de la Transformée de Fourier
![Page 47: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/47.jpg)
47
L’Intégrale de Fourier
( f ∈ L1):
∫∞
∞−
−== dt)tjω(f(t)(ωfF(ω exp )ˆ)
Mesure ‘’la quantité’’ d’oscillations à la fréquence ω qui est présente en f. Si f ∈ L1 cette intégrale converge
∞<≤ ∫∞
∞−
dttff |)(||)(ˆ| ω
Donc, la Transformée de Fourier est bornée et continue.
![Page 48: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/48.jpg)
48
Notion de système • Un système fait subir une transformation à un signal d’entrée x(t) et
délivre un signal de sortie y(t).
Filtre • On appelle filtre, d’entrée x(t) et sortie y(t), un système défini par:
• Réponse impulsionnelle h(t)
• Réponse indicielle u(t) • Réponse en fréquence
∫∫ −=−=RR
duuhutxduuthuxty )()( )()()(
)()()( thtxty ∗=
)()()( fHfXfY ∗=
![Page 49: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/49.jpg)
49
Valeurs et Vecteurs Propres
• Soit un opérateur linéaire sur un espace vectoriel V sur un corps K. Un scalaire est appelé valeur propre de T s’il existe un vecteur non nul pour lequel :
• Remarque kv est aussi un vecteur propre • Exemple : l’opérateur différentiel sur l’espace vectoriel V.
D(e 5t)=5e 5t
VVT → : K∈λ
Vv∈
vvT λ=)(
![Page 50: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/50.jpg)
50
Transformée de Fourier Fonction de Transfert:
Les exponentielles complexes sont les vecteurs propres des opérateurs de convolution:
Les valeurs propres
est la Transformée de Fourier de à la fréquence . Donc nous voudrions décomposer une fonction dans une somme de vecteurs propres
tje ω
tjutjtj ehdueuhLe ωωω ω)(ˆ)( )(∫∞
∞−
− ==
∫∞
∞−
−= dueuhh ujωω )()(ˆ
h ω
f
![Page 51: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/51.jpg)
51
L’invariance à la translation dans le domaine temps d’un opérateur Signifie que si l’entrée est retardée de
La Transformée de Fourier
L
)()()()( tLftgtLftg ττ =−⇒=
)(tf
)()(, ττ τ −= tftfτ
∫∞
∞−
= dutuftf u )()()( δ
)()( tLth δ=
( ) )()()()()()( thfduutfuhduuthuftLf ∗=−=−= ∫∫∞
∞−
∞
∞−
Filtrage linéaire invariant en temps
la sortie a aussi un retard
Réponse impulsionelle
Si nous avons :
![Page 52: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/52.jpg)
52
• Réciprocité
• Linéarité • Dérivation • Intégration • Décalage temporel
Propriétés
) ( ) ( )( )( fGfFtgtf βαβα +⇔+
πf F(f) jtdtfd 2 )( ⇔
) (21 )( fFπ fjdttf∫ ⇔
) ( )( 2j fFtf e πft⇔−τ
F(f)f(t) f(t)F(f) F(f)f(t) ⇔→→
![Page 53: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/53.jpg)
53
• Décalage fréquentiel • Conjugaison
• Symétrie
) ( ) ( 20 fFffF e πftj⇔−
(f ) f(-t) F(f ) f(t) F*⇔⇔
πf(-ω) F(t)Ftf 2 )()( ⇔⇔ ω
![Page 54: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/54.jpg)
54
Fourier
∫∫∞
∞−
∞
∞−
= ωωωπ
dhfdtthtf )(ˆ)(ˆ21)()( **
∫∫∞
∞−
∞
∞−
= ωωπ
dfdttf 22 |)(ˆ|21|)(|
∫∞
∞−
= ωωπ
ω deftf tj)(ˆ21)(
La transformée de Fourier inverse ( , f ∈ L1): f̂
Parseval:
Plancherel:
Et,
0)ω(ˆlimω
=±∞→f
![Page 55: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/55.jpg)
55
La Variation Totale
• Si f est dérivable, la variation totale est :
• Exemple: f(t)=exp(-t 2)
• Relation avec la Transformée de Fourier
dttffv ∫
∞
∞−
= )('
2=vf
ωω v
ff ≤)(̂
![Page 56: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/56.jpg)
56
La Phase de la TF
• Dans une TF, l’information sur le temps est cachée dans les phases.
• Il est impossible de déterminer les phases avec assez de précision pour extraire les informations sur le temps.
![Page 57: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/57.jpg)
57
Définition Si f(t) désigne une fonction à valeurs réelles ou complexes
de la variable réelle t, définie sur le domaine et nulle pour ; on appelle Transformée de Laplace de f(t) la fonction
où p est complexe - l’existence de F(p) suppose la convergence de l’intégrale - on dit que F(p) est " l’image " de f(t)
Transformée de Laplace
![Page 58: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/58.jpg)
58
Relation d’incertitude de Heisenberg
• Le principe: Le produit de la variance de x pour |f|2 et de la variance de x pour |F|2 est supérieur ou égal à
• La largeur du paquet d'énergie d'un signal dans le temps est inversement proportionnelle à sa largeur dans l'espace des fréquences. On ne peut pas connaître avec une égale précision la position dans le temps et en fréquences d'un signal.
π 2161
![Page 59: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/59.jpg)
59
Conclusions
• La série de Fourier d’une fonction périodique ne comporte que les sinusoïdes de fréquence égales à des multiples entiers de la fréquence fondamentale
• La TF de la fonction de corrélation du signal représente la densité spectrale de l’énergie = la redistribution de l’énergie sur les axes de fréquences
![Page 60: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/60.jpg)
60
Défauts de la TF
• La transformée de Fourier est une représentation globale du signal. Elle ne permet pas d'analyser son comportement fréquentiel local, ni sa régularité locale. La condition de convergence sur la transformée de Fourier n'indique que le pire ordre de singularité. Elle ignore les régularités locales.
![Page 61: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/61.jpg)
61
• Le défaut de cette transformée est d ’avoir une fenêtre indépendante de la fréquence que l’on calcule.
![Page 62: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/62.jpg)
62
Filtrage Analogique
![Page 63: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/63.jpg)
63
Filtre Passe-Bas Idéal
• Un filtre passe-bas idéal a une fonction de transfert
• La réponse impulsionnelle est :
],[1)(ˆ)( ξξ−== fhfH
∫−
==ξ
ξ
ω
πξωπ ttdth e tj )sin(
21)(
f
H(f)
TF inverse
![Page 64: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/64.jpg)
64
Phénomène de Gibbs • Pour
Démonstration Le changement de variable nous permet d’obtenir la relation
0>∀ξ
dxxxthu
t
∫∞−
=∗)(sin)(
ξ
ξ π
ττπτξττπ
τξτξ dttdt
tuthu ∫∫∞∞
∞− −−=
−−=∗
0 )()(sin
)()(sin)()(
)( τξ −= tx
![Page 65: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/65.jpg)
65
Du signal analogique au signal numérique
![Page 66: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/66.jpg)
66
Les avances en moyen informatique (puissance de calcul) ont rendu possible le expression et traitement de signaux en forme numérique. Mais pour numériser, il faut d'abord échantillonner. Nous allons voir que la passage analogique – numérique implique nécessairement une perte d'information. Cette perte peut être minimiser par l'application des outils adaptés.
![Page 67: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/67.jpg)
67
Échantillonnage
MC68000 TMS320C50
![Page 68: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/68.jpg)
68
Échantillonnage
• Signal Analogique • Signal discret en temps • Signal numérique
![Page 69: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/69.jpg)
69
Signal Analogique
Signal échantillonnage
![Page 70: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/70.jpg)
70
A la limite du théorème de l'échantillonnage
On peut , intui t ivement, remarquer sur l'illustration précédente, que relier les échantillons à l'aide d'une ligne courbe, aussi bien choisie soit-elle, n'a que peu de chances de reproduire le signal original, bien que le théorème de l'échantillonnage soit, formellement, respecté.
![Page 71: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/71.jpg)
71
Sous-échantillonnage
Si l'on tente de relier les échantillons par une courbe, on ne va pas être en mesure de reconstituer le signal original, mais un autre, peu semblable au précédent. Ceci est la conséquence de la violation du théorème de l'échantillonnage.
![Page 72: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/72.jpg)
72
Modèle mathématique de l’échantillonnage
![Page 73: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/73.jpg)
73
Échantillonnage
• L’échantillonnage idéal prélève des échantillons à la cadence Te de façon instantanée.
∑∈
−=Zn
eeae nTtnTxx )()( δ
![Page 74: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/74.jpg)
74
Échantillonnage avec blocage
• En utilisant une impulsion
)()()( 1 ∑∈
−=Zn
ee nTttxtx δ
avec
)](*)([)(1 thtxtx a −=
X(n)
n X=[x(0),x(1),…,x(N-1)]T
![Page 75: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/75.jpg)
75
Signaux et Systèmes X(n)
n
X=[x(0),x(1),…,x(N-1)]T Notation:
![Page 76: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/76.jpg)
76
Spectre du signal échantillonné
)()()( 1 ∑∈
−=Zn
ee nTttxtx δ
)]nTδ(tTF[txTFfXZn
eae ∑∈
−= * )]([) (
)nf(fXf)]nTδ(tTF[fXffXZn
eaeZn
eaee ∑∑∈∈
−=−= * ) () (
![Page 77: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/77.jpg)
77
![Page 78: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/78.jpg)
78
Théorème de Shannon
• Pour éviter une superposition des spectres élémentaires il est nécessaire d’imposer le théorème de Shannon
max2f Fe ≥
Un signal de spectre borné ne peut pas être que de durée infinie. Il est donc erroné de considérer des signaux à la fois de durée et de spectre finis.
![Page 79: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/79.jpg)
79
Spectre dans le cas sinusoïdal L e s p e c t r e d ' u n s i g n a l échantillonné se compose d'une série de raies réparties de part et d'autre des multiples de la fréquence d'échantillonnage. Les raies intéressantes pour la démodulation sont celles qui se situent aux alentours de 0, puisque ce sont celles qui cor responden t au s igna l original.
![Page 80: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/80.jpg)
80
Quelques valeurs
• En téléphonie, on utilise une largeur de bande de 300 à 3400 Hz. Dans le cadre du réseau numérique à intégration de services (RNIS, ISDN pour les anglo-saxons), on utilise une fréquence d'échantillonnage de 8000 Hz (au lieu des 6800 théoriquement nécessaires).
• La musique se satisfait de 16, voire 20 kHz de largeur de bande. Un disque CD (Compact Disc) utilise une fréquence d'échantillonnage de 44 kHz.
• Remarque: Dans les deux cas, il est essentiel que l'on ait au préalable limité la largeur de bande du signal original : des fréquences inaudibles dans le signal original deviennent audibles par le phénomène de repliement !
![Page 81: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/81.jpg)
81
Quantification
• La quantification est une règle de correspondance entre : • L’ensemble infini des valeurs des échantillons xa(t=nTe) • et un nombre fini de valeurs xk
q est le pas de quantification
![Page 82: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/82.jpg)
82
De l’analogique au numérique
• Discrétisation temporelle
• Discrétisation de l’amplitude N niveaux ------------log2N bits par échantillon
• Débit D=Fe * log2N
Bfe 2≥
![Page 83: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/83.jpg)
83
Encore ….
La Transformée de Fourier mais
… Discrète
![Page 84: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/84.jpg)
84
Transformée de Fourier à temps discret
• Si le temps est discrétisé
• Et la transformée inverse
tfj
Zt
ex(t)fX 2 ) ( π−
∈∑=
∫−
=2/1
2/1
2)()( dftxtx e jftπ
![Page 85: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/85.jpg)
85
Propriétés
• X(f) est périodique T0=1
)( )1( 221(2 fXx(k)x(k) fX eee jππjππf
Zt
)kfjπ
Zt===+
−−
∈
+−
∈∑∑
Remarques: 1. La transformée de Fourier de Xa(t) d’un signal analogique
n’est pas périodique 2. X(f) est périodique F0=1, tout intervalle de longueur unité
est suffisant pour décrire complètement cette fonction
![Page 86: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/86.jpg)
86
Règle de construction de la TFtd à partir de la TF de x(t)
• On divise l’axe des fréquence par Fe • On périodise avec la période 1 • On divise l’amplitude par Te
)()( ee nTxnx =
![Page 87: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/87.jpg)
87
Observations spectrales
• Précision – Pour mesurer la fréquence d’une seule
sinusoïde • Résolution
– La capacité de mesurer des fréquences distinctes
![Page 88: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/88.jpg)
88
Transformée de Fourier discrète
• En se limitant à un nombre fini de L valeurs de la fréquence, à savoir f=k/L, on obtient la Transformée de Fourier Discrète
• L est le nombre de points de calcul de Tftd et N est le nombre de points de la suite temporelle
∑−
=
−=
1
0
/2)()(N
n
NjknenxkX π
{ }10 )(1)(1
0,...,N- knxNnx
N
n
nkNw ∈= ∑
−
=avec )/2exp( NjwN π−=
![Page 89: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/89.jpg)
89
La Transformée de Fourier Rapide
• Exemple N=2p où p=3
• Ce qui donne
• Une structure de papillon : addition, soustraction et multiplication
))7()5()3()1(())8()4()2()0(( 68
48
288
68
48
28 wwwwwww kkkkkkk
k xxxxxxxxX +++++++=
))6()2(())4()0(( 48
28
48 www kkk xxxx +++
))7()3(())5()1(( 48
28
48 www kkk xxxx +++
![Page 90: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/90.jpg)
90
Échelle temps
Séquence
n
)(nx
1 21− 3 4 5 6 70 t
)(tx
T T2T− T3 T4 T5 T6 T70
Temps physique
![Page 91: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/91.jpg)
91
Échelle fréquence
ω
)( ωjeX
π π20
1
Ω
)( ΩjX
Tπ
Tπ20
1
Fréquence physique Fréquence normalisée
![Page 92: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/92.jpg)
92
Signaux aléatoire
![Page 93: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/93.jpg)
93
Probabilité
• On appelle probabilité toute fonction P définie sur l’ensemble des événements d’un univers E qui vérifie les conditions suivantes : – Pour tout événement A, – Pour l’événement certain E, P(E)=1 – Pour tout couple (A,B) d’événements incompatible:
1)(0 ≤≤ AP
)()()( BPAPBAP +=∪
![Page 94: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/94.jpg)
94
La loi de probabilité d’une variable aléatoire
• On appelle loi de p des valeurs probabilité d’une variable aléatoire discrète la liste des valeurs qu’elle peut prendre, accompagnée de la liste des probabilités correspondantes
• Si (x1,x2,…,xn), associé à (p1,p2,…,pn) définit la loi de probabilité d’une variable aléatoire X, l’espérence mathématique de X est le nombre:
∑= ii pxXE )(
![Page 95: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/95.jpg)
95
La Variance
• V(hX)=h2V(X) • V(X+k)=V(X) • V(X)=E(X2)-[E(X)]2
)]([)( 22 XEXExV −==σ
![Page 96: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/96.jpg)
96
Lois continues • Une variable aléatoire sera définie comme une application de l’univers
dans l’ensemble des nombres réels. • La fonction F telle que:
s’appelle fonction de répartition. • Il existe une fonction f telle que :
appelée densité de probabilité. Elle est telle que:
)()( xXPxF <=
∫∞−
=x
dxxfxF )()(
1)( =∫∞
∞−
dxxf
![Page 97: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/97.jpg)
97
Lien continue discret
• Soit X une variable aléatoire continue et f(x) sa densité de probabilité. Alors,
]],[[)( dxxxXPdxxf +∈≈
![Page 98: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/98.jpg)
98
• On appelle espérance mathématique d’une variable aléatoire continue de densité f(x) l’intégrale :
• La variance est:
• Exemple numérique : loi uniforme sur [0,2]
∫∞
∞−
dxxxf )(
)]([)( 2XEXExV −=
![Page 99: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/99.jpg)
99
Signaux aléatoire • Un processus aléatoire PA est défini comme une fonction :
– Du temps t – Des épreuves aléatoires, d’une expérience aléatoire Ω
• L’observation d’un processus aléatoire, à un instant donné, permet de définir une variable aléatoire VA
• C’est la réalisation du processus, pour une épreuve aléatoire donné, qui constitue le signal aléatoire, SA.
),( ωtFPA=
),( 0ωtFVA=
),( 0ωtFSA=
![Page 100: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/100.jpg)
100
Stationnarité, Ergodicité, Indépendance
• Un signal aléatoire réel SAR x(t) est défini par une loi de probabilité pour son amplitude à chaque instant nTe Cette loi s’exprime sous la forme d’une densité de probabilité p(x,n)
• La fonction de répartition ayant pour expression :
VAxxxnxxxobnxp
x=
ΔΔ≤<Δ−=
→Δ ])([Prlim),(
0
∫∞−
→Δ
=
ΔΔ−−=
≤<−∞=
x
x
dxnxpnxF
xnxxFnxFp(x,n)
nxobnxF
'),'(),'(
/)],(),([ lim
x] )( (Pr ),(
0
![Page 101: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/101.jpg)
101
• Le signal est dit du second ordre s’il possède un moment du premier ordre ou espérance mathématique ou moyenne statistique:
et un moment de second ordre • Le signal est dit stationnaire si ses paramètres statistiques sont
indépendants du temps n (t=nTe), c’est à dire si :
• La stationnarité peut se limiter aux moments du premier et du second ordre. Le signal est dit stationnaire au sens large et :
∫ℜ
== )]([),( )]([ 1 nxmdxnxpxnxE
∫ℜ
== )]([),( ][ 222)( nxmdxnxpE xnx
nxpnxp ∀= ),(),(
xR
xmdxxxpxEnxE µ==== ∫ ][)(][)]([ 1
signaldu ation autocorrél )( )]()([ ==− pCpnxnxE
Indépendant de n
![Page 102: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/102.jpg)
102
• Propriété d’ergodicité permet de calculer la moyenne temporelle à partir de la moyenne d’ensemble :
• L’indépendance statistique de deux VA x et y est définie par: p(x,y)=p(x)p(y)
∑∫−=∞→ +
==N
NnR NnxNdxxxpxE )(12
1)(][ lim
)()()(121)]()([ ** lim pCpnnxNpnnxE xx
N
NnN=−
+=− ∑
−=∞→
![Page 103: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/103.jpg)
103
Le Bruit Blanc • Un signal aléatoire x(t) est appelé bruit blanc si, pour tout ensemble de
N valeurs temporelles ni , , la variable à N dimensions : x={x(n0),x(n1),…,x(nN-1)} satisfait la condition suivante:
10 −≤≤ Ni
⎪⎩
⎪⎨
⎧
≠
==−=
00
0ppour )]()([)(
,2
, pour ppnxnxEpC
b
xσ Le signal bruit blanc est amnésique
Remarques: Il n’existe aucune corrélation entre un échantillon du signal et un autre d’ordre différent
![Page 104: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/104.jpg)
104
Réalisation d’un générateur de bruit pseudo-aléatoire blanc
• Utilisation d’un polynôme générateur faisant intervenir un registre à décalage et un opérateur XOR. Le signal obtenu est un ensemble de 0 et de 1 ayant la même probabilité d’apparition. Ce type de signal est utilisé comme signal test pour les système de transmission numériques.
CK
R1 R2 Rn
XOR
S Rp
![Page 105: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/105.jpg)
105
Ri = Registre à décalage contenant le bit Ri
Conditions initiales R1=1, Ri=0 • Ce circuit est la traduction expérimentale du polynôme générateur
• On montre que si Pn,p(x) est un polynôme générateur, c’est-à-dire s’il les contre-réactions (n,p) sont correctement choisies, on obtient en sortie une suite binaire périodique de longueur maximum, dont la période :
T=(2n-1)TH
comporte: 2n-1 bits= « 1 » 2n-1 bits = « 0 »
2mod11 ulo addition XOR ,p,n(x)P xx npn,p ==+≥>++=
équiprobabilité
![Page 106: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/106.jpg)
106
Les signaux gaussiens Loi gaussienne, théorème « Central-Limit » Une VAR a une distribution normale ou gaussienne si sa densité de probabilité est de la forme: µ = moyenne statistique σ = écart type σ2 = variance
Un signal aléatoire x(t) est appelé gaussien si, pour tout ensemble de N
valeurs temporelles ni , , la variable à N dimensions : x={x(n0),x(n1),…,x(nN-1)} est gaussienne
⎥⎥⎦
⎤
⎢⎢⎣
⎡ −−=σµ
σπ 22)( 2
exp 2
1)( xxp
10 −≤≤ Ni
![Page 107: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/107.jpg)
107
La Densité Spectrale • … est obtenue par la Transformée de Fourier de la fonction
d’autocorrélation (théorème de Wiener-Khintcine):
• La loi de probabilité gaussienne est importante dans la mesure où elle garde son caratère gaussien dans toute opération linéaire : convolution, filtrage, dérivation, intégration. En d’autres termes, si l’entrée d’un système linéaire est gaussienne, sa sortie est gaussienne.
{ } )2exp()(C(p)TF ) ( ∑∈
−==Zp
ejfpTpCfS π
![Page 108: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/108.jpg)
108
Rapport Signal/Bruit • C’est un moyen pour caractériser un système de transmission en
comparant le rapport S/B à son entrée ηe avec le rapport de sa sortie ηs
• Soit un signal x(t) de puissance Px mélangé avec du bruit blanc b(t), dont la puissance est Ps=Px+Pb
• On définira donc le rapport signal/bruit:
ση 2
b
x
b
x PPP == où bx
T
T
T
T
s PPdtdtP tbTtxT +=+= ∫∫+∞→+∞→
0
2
0
2 )]([1 lim)]([1 lim
![Page 109: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/109.jpg)
109
Sources de Bruit
• Bruit externe – Perturbations naturelles: Bruit cosmique, bruit atmosphérique – Perturbations artificielles:
• Bruit interne – La commutation de courant – Le bruit de fond
• bruit thermique • bruit de grenaille
![Page 110: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/110.jpg)
110
Bruit thermique • Relation Nyquist-Johnson:
K= const de Boltzman 1.38x10-23 J/K • La puissance totale du bruit Pth=kTΔf • Dans la bande de fréquence Δf ce bruit a une densité spectrale
B(f)=B0 avec B0 =1/2 kT bruit blanc • Donc sa fonction d’autocorrélation
Cb(t)=B0 δ(t) Toutes les valeurs en temps sont indépendantes
• Si la condition de densité spectrale de puissance n’est pas constante on parlera de bruit rose
fkTRbeff Δ= 4 2
![Page 111: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/111.jpg)
111
Détection d’un signal noyé dans le bruit
• Détection par corrélation d’un signal périodique noyé dans un bruit blanc
• Soit un signal réel périodique x(t) et un signal de bruit n(t), indépendant de x(t) et sans mémoire Cbb( )=0 . Le signal à traiter est donné par la somme de ces deux signaux s(t)=x(t)+b(t)
• La fonction d’autocorrélation Css(t) de ce signal est donnée par la relation :
• En utilisant la propriété de distributivité de l’opérateur de corrélation:
∞
dtτtbτtxtbtxdt s(t)s(t-τCT/
-T/
T/
-T/ss )]()()][()([ ) )(
2
2
2
2−+−+== ∫∫τ
)()( )()()()()( τCτCτCτCτCτCτC xxssbbbxxbxxss =⇒+++=
![Page 112: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/112.jpg)
112
Détection synchrone
• De nombreux phénomènes physiques produisent, dans le domaine des faible fréquence des signaux aléatoire dont la densité spectrale de puissance augmente vers les basses fréquence : bruit 1/f
• La présence d’un bruit 1/f gênent les mesures des signaux basses fréquences. Pour contourner cette difficulté les physiciens ont recours à la détection synchrone qui transfert momentanément le spectre du signal utile dans un domaine de fréquences plus favorable et évite la dégradation par le bruit 1/f
![Page 113: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/113.jpg)
113
Détection synchrone par corrélation d’un signal périodique noyé dans le bruit
• Corrélation avec un signal sinusoïdal pur xp(t). En faisant varier la fréquence de ce signal sinusoïdal, la fonction de corrélation sera non-nulle ou maximale à chaque fois que la fréquence de xp(t) sera identique à celle contenue dans le signal x(t).
• En effet :
• La détection se fait grâce au vobulateur (variation linéaire de la fréquence de sortie en fonction du temps)
)()( )( ,,, τττ ppp xbxxxs CCC +=
=0 si le temps d’intégration du corrélateur est suffisamment grand
![Page 114: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/114.jpg)
114
![Page 115: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/115.jpg)
115
Quantification uniforme
e(t) est l'erreur de quantification ou le
bruit de quantification
Si la densité de probabilité p(x) de l’amplitude du signal est connue, on peut déterminer la caractéristique de quantification qui, pour un nombre n donné de bits, minimise la puissance de distorsion totale.
xa
xk
2 2 pour )( q nq) (kT x q-nqnqkTx eeek +≤≤=
)( )( txxte ak−=
Hypothèse Le bruit de quantification est considéré comme un processus aléatoire stationnaire, il possède une valeur moyenne µe et une variance σe qui s’exprime par:
dxxxxpdxxpxxK
k
x
xkk
K
k qke
qk
qkk
∑ ∫∑∫==
+
−
−=−=1
2
1
222/
2/
)()( )( )(σ 12)(2
1
2 qkK
kke xp∑
=
=σ
![Page 116: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/116.jpg)
116
Convertisseur linéaire
qk=q=cte En écrivant que la somme des probabilités est égale à 1 :
Le rapport signal à bruit est donné par :
1)(1
=∑=
qxpK
kk 12
22 qe=σ
σσρ 2
2
e
x= σ=valeurs efficace
![Page 117: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/117.jpg)
117
qx
2
212σρ=
En exprimant q en fonction de la plage de variation V du signal D’entrée par un découpage en k=2M intervalles (M nbr de bits)
)log(20.68.10
12 222
2
xdB
Mx
VM
V
σρ
ρ σ
−+=
=
On a ainsi:
![Page 118: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/118.jpg)
118
Exemples 1) Pour un signal d’entrée sinusoïdal d’amplitude V/2
2) Un signal avec une distribution gaussienne : la règle de 3σ donc V=6σx
Remarque: Moyen simple de déterminer le nombre de bits d’un convertisseur linéaire permettant d’assurer un rapport signal à bruit connaissant la statistique du signal d’entrée.
icacevaleur effVx == 22/σ77.16)22log(20.68.10 +=−+= MMdBρ
6/Vx=σ76.46)6log(20.68.10 −=−+= MMdBρ
![Page 119: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/119.jpg)
119
Convertisseur Logarithmique Définition: Découper les amplitudes en intervalles d'autant plus petits
que l'amplitude est faible.
Méthode : Utiliser un amplificateur non linéaire avant échantillonnage.
![Page 120: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/120.jpg)
120
)1ln(/)1ln()sgn( µµ ++= xxy
La loi µ Etats Unis Japon
x = signal d’entrée µ = le paramètre de conversion
La loi A ou la loi de 13 segments Europe
⎪⎩
⎪⎨⎧
≤≤++
≤≤+=
1x1/Apour )]ln(1/[)]ln(1)[(sgn(
/1x0pour )]ln(1/[)[sgn(
AxAx
AAxAxy
x = signal d’entrée A = le paramètre de compression A=87.6
Remarque: Dans la pratique la loi A est une loi approchée par des segments de droite : chaque pas de quantification vaut le double du pas précédent
![Page 121: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/121.jpg)
121
Entrée normalisée
Numéro de segments / 8bits
000
100
110
101
100
011
010
001
1/2 1 1/4
13 segments
![Page 122: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/122.jpg)
122
Corrélation des signaux
• Définition
• Algorithme – Le signal y(l) est décalé d’une certaine quantité k – Le produit x(l)y(l+k) est effectué échantillon par
échantillon pour tous les k – Les valeurs ainsi obtenus sont additionnées
∑∞
−∞=
+=l
yx klylxk )()()(,ϕ
![Page 123: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/123.jpg)
123
Propriétés
) () (* )() ( 2 fYfXkfxy e jfkxy ==Φ ∑ − πϕ
Théorème de Parseval
dffl xx x ) ()()0(2/1
2/1
2 ∫Φ∑−
==ϕ k =0
La fonction d’autocorrélation est une fonction paire
![Page 124: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/124.jpg)
124
Représentation par la Transformée en z
• Définition On appelle transformée en z bilatérale d’une suite {x(n)},
la somme Xb(z) définie par :
{ } z n
Znx(n)x(n) TzbXb(z) −
∈∑==
Remarque : On peut considérer la transformée monolatérale:
{ } z n
nx(n)x(n) TzbXb(z) −
=∑==0
![Page 125: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/125.jpg)
125
Propriétés • Linéarité
• Shift (retard ou avance)
• Inversion dans le temps
)()()()()()( zbYzaXzWnbynaxnw +=↔+=
)()( 00 zXnnnx z−↔−
)()( 1zXnx −↔−
![Page 126: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/126.jpg)
126
Propriétés • Multiplication par une exponentielle
• Convolution
• La transformée en z n’a pas de sens que si l’on précise le domaine de convergence
Le domaine de convergence d’un signal causal est un codisque
)()( 1αα −↔Xnxn
)()()()()()( zHzXzYnhnxny =↔∗=
![Page 127: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/127.jpg)
127
Lien avec la Transformée de Laplace
• Pour p=σ+2πjf, σ l’amortissement et f=fréquence
{ } { } ee ptpt zZn
npTe
z enxnxTLnxTz=
∈
−
= ∑== )()()(
0 σ
2πjf Plan de Laplace
Plan des {z}
![Page 128: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/128.jpg)
128
Signaux Déterministes
• Dans un contexte de logique câblée ou programmée, il est immédiat de créer certains signaux déterministe:
• Par contre il est moins facile de créer des signaux plus élaborés comme par exemple:
)()(
)()(
ntriangnx
nrectnx
N
N
=
=
) u(n)nTπf() (ααa y(n) ee 02cosexp=
![Page 129: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/129.jpg)
129
Génération des signaux numériques
• Relation de récurrence :
• Générer un signal sinusoïdal
)1( )( −= kxakx⎩⎨⎧ ≥==
resten 00k x(k)1)0( akx
s )sin()sin()cos()cos()cos()sin()cos()cos()sin()sin()sin()sin()cos()cos()cos()sin()cos()cos()sin()sin(
bkbbkbbkbbkbbkbbkbbabababababa
−=++=+−=++=+
(b)x(k)(b)y(k))y(k(b)y(k)(b)x(k))x(k
sincos1sincos1
−=++=+
⎩⎨⎧
==1)0(0)0(
yx
⎩⎨⎧
==
)cos()()sin()(
kbkykbkx
![Page 130: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/130.jpg)
130
Relation de récurrence et transformée en z monolatérale
• Considérons la relation de récurrence:
• La Transformée en z est :
0)2()1()( 21 =−+−+ nybnybny b1 et b2 ctes
{ } { }zbzbybybybz zY 2
21
1
1221
1)1()2()1( )( −−
−+
++−+−+−−=
![Page 131: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/131.jpg)
131
Systèmes linéaires
• Les systèmes linéaires sont caractérisés complètement par leur réponse à une impulsion unité
)]([)()]()([)( lkLlxlklxLky −=−= ∑∑ δδ
![Page 132: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/132.jpg)
132
Systèmes linéaires invariants
• Définition )()( )()( 00 kkykkLxkykLx −=−=
∑∑==
−=−M
mm
N
nn mkxankyb
00)()(
Exemple (l’importance des conditions initiales)
)(1)^(1)(1)1(1)2(1)0()1()1(1)1()0()0(
)1(
2
kuaaky
aaayyaayxy
ayxy
k
+−−=
+−=−=−=−==−−=
+)()(
0 0)(tukxkky
=<∀=
![Page 133: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/133.jpg)
133
Modèle Linéaire Discrets
∑∑−
=
−
=−=−
1
0
1
0)()(
K
kk
L
ll knxalnyb
Soit, l’équation linéaire, aux différences finies
Est un modèle ARMA d’ordre (K,L)
Questions: 1. Quel l’ordre minimal (K,L) qui permettre de représenter le signal de
façon convenable ? 2. Comment déterminer les {ak} et les {bl} ? Ces coefficients restent-ils
invariants lorsque l’on considère différentes réalisation du signal ?
![Page 134: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/134.jpg)
134
Application aux système linéaires invariants
• La transformée en z du signal de sortie est donnée par :
B(z)I(z) X(z) B(z)
A(z) (z) Y −=+
Permanent Transitoire ∑−
==
1
0
K
l
-ll zbB(z)
∑−
==
1
0
k- )(K
kkzazA
])1(...)([)()1(1
0
−−−
=−++−=∑
lL
ll zylybzI
Si on admet des conditions initiales toutes nulles
)()(
)()()(0 zB
zAzXzYzH == X(z) Y(z)
H0(z)
![Page 135: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/135.jpg)
135
)(/)()()()( 0 zBzIzXzHzY −=
L’expression de la Tz du signal de sortie, tenant compte de conditions initiales non-nulles
Evaluation de la sortie d’un système ARMA Un tel système est caractérisé par:
- ses K coefficients ak et ses L coefficients bl avec b0=1 - la séquence d’entrée {xn} - la séquence de sortie {yn} , y compris les conditions initiales, soit pour une séquence de N échantillons du signal de sortie: ]),N(L [n 11 −−−∈
![Page 136: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/136.jpg)
136
Filtres
• Filtres récursifs
• Filtres non-récursifs
RII-ARMA Entrée Xk
Sortie yk
Entrée Xk RIF-MA
Sortie yk
![Page 137: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/137.jpg)
137
Stabilité des Modèles ARMA
• La CNS pour qu’un système linéaire, de réponse impulsionnelle {h(n)} soit stable est que :
• La stabilité d’un système AR ou ARMA exige que les pôles de la fonction de transfert H(z) soient à l’intérieur du cercle unité du plan {z}
ésommabilitnhn
)(0
∞<∑∞
=
![Page 138: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/138.jpg)
138
Théorème « Central-Limit » • Soit le signal:
avec
devient , lorsqu’il est convolue m fois avec lui-même, m assez grand :
Zna x(n) Zk
k ∈∀=⇒=∑∈
n a x(n) k)-(n δ
nulnonfiniaZkk −==== ∑∑ ∑
∈∈ ∈ ,,aket 0ka ,1 2
Zkk
2
Zkk σµ
)()2/(exp( 2
1 22*)]([ knmm Zk
m
knx −−= ∑∈
δσπ σ
![Page 139: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/139.jpg)
139
Filtrage Numérique
![Page 140: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/140.jpg)
140
Gabarit d’un filtre • Pour un filtre passe-bas, est conduit à introduire 3 régions
– Bande passante, plage de fréquences où le gain prend des valeurs comprises entre (1-δp,1+ δp) où δp est le taux d’ondulation
– Bande affaiblie, plage de fréquences où le gain prend des valeurs inférieurs à δp
– Bande de transition, plage de fréquence où le gain s’atténue dans un rapport A.
• Le lien entre le gabarit et la position des pôles et des zéros. – Le cercle unité est gradué en valeur de la fréquence qui varie entre –½et ½ – Si les pôles et les zéros sont complexes conjugués |H(jω)| est paire – La partie du plan complexe où se trouvent les pôles correspond à la bande
passante. Plus les pôles sont proches du cercle unité, plus les surtension sont grandes. Plus les pôles est grandes, plus les ondulations dans la bande passante pourront être rendues faibles.
![Page 141: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/141.jpg)
141
• La partie du plan complexes où se trouvent les zéros correspond à la bande affaiblie. Plus les zéros sont proches du cercle unité, plus l’atténuation est grande. Plus le nombre de zéros est grand, plus les ondulations dans la bande affaiblie pourront être rendues faibles.
B. affaiblie
B. passante
f
H(f) Im(z)
Re(z) x
x
x
x
zéros pôles
f=0 f=1/2
f=1/4
f=-1/4
- 3dB
![Page 142: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/142.jpg)
142
La phase
Φ
f
Représente le retard entre les différentes fréquences
Phase linéaire
f
Delay
![Page 143: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/143.jpg)
143
Synthèse d’un filtre réel à temps continu
• Problème : Comment réaliser en numérique un filtrage analogique ? – Donc, si xa(t) et ya(t) sont les signaux d’entrée et de
sortie d’un filtre analogique: comment fabriquer les échantillons de ya(t) à partir de ceux de xa(t) ?
![Page 144: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/144.jpg)
144
Solution : • Soit le filtrage linéaire réel analogique défini par l’équation en
fréquence :
Si Xa(f)=0 pour |f|>B, alors Ya(f) est lui-même à bande limitée B. On prend Fe=1/Te>2B
• L’expression des échantillons ye(n)=ya(nT) en fonction des échantillons x e(n)=xa(nTe) s’écrit
) () () ( fXfHfY aaa =
)e(H)e(X)e(Ynhtxny fjπe
fjπe
nfjeeee
n 2n 2 2 ~ )(~*)()( =⇔= π
Où est la périodisée de )e(H nfjπe
2~ B/febfrectfFeH bba =− où )( )( ),(
![Page 145: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/145.jpg)
145
Conclusion
• C’est donc un filtrage à temps discret dont la réponse en fréquence s’obtient par troncature de Ha à la bande (-B,B) suivie d’une division de l’axe des fréquences par Fe
![Page 146: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/146.jpg)
146
Preuve
• En utilisant la formule de Poisson:
Et en posant
∑∑∑
∈
∈∈
−−=
−==
Zkeaeae
Zkeae
fnj
Zne
fje
FfkXFfkHF
FfkYFnyY ee))(( ))((
))(( )( )( 22 ππ
: aon )( )()(~),( frectfFeHfH bbaa −=
∑∑∈∈
−−=Zk
eaZk
eaefj
e FfkHFfkXFY e ))((~))(( )( 2 π
![Page 147: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/147.jpg)
147
ANALYSE DES FILTRES NON RECURSIFS OU RIF
![Page 148: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/148.jpg)
148
RIF
• Il existe des méthodes de conception de filtre RIF simple à mettre en œuvre
• Phase linéaire, donc pas de dispersion • Stabilité • Cher en réalisation • Le retard entre l’entrée et la sortie peut être relativement
longue
![Page 149: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/149.jpg)
149
ΣΣ
z 1− z 1−X(n)
ak a1 a0
y(n)
1...10
)()()(
1 zbzbbzXzYzH
NN
−− +++==
![Page 150: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/150.jpg)
150
Filtre à réponse impulsionelle finie (RIF)
Stabilité : un filtre RIF est stable Phase linéaire: si la réponse impulsionelle
vérifie
110 ... −−−++= LnLnn xhxhy
,N][L hh LN L 0 ∈∀= −
Remarque: conséquence directe de la symétrie de la réponse impulsionelle
![Page 151: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/151.jpg)
151
Exemple
• Considérons le filtre RIF, dont la réponse :
Sa réponse en fréquence est :
{ }3210 0 2 13 0 ,,,pour n et hh, hhh n ≠===
πf ))( hπf )( (hehehehhH
ee
jππ
fjfjfjfj
6cos3cos )(
1 03
63
42
210
2
−+−=+++=
−
−−− ππππ
![Page 152: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/152.jpg)
152
Synthèse RIF passe-bas par la méthode de la fenêtre
• On veut construire un filtre numérique idéal réel de bande b∈(0,1/2) définie par :
• Donc
• La meilleure approximation en m.q. de longueur 2N+1 est :
)() ( ),(2 frecteH bbfj
−=π
πππ
nbndfh
b
b
fjnn e )2sin(2 ==∫
−
{ sinon 0} [N,...,Nsi nhg n
n∈=
Remarque: cette troncature introduit des lobes dans la réponse en fréquence
![Page 153: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/153.jpg)
153
Algorithme 1. On se donne le gain complexe H(f) à réaliser et le nombre N de
coefficients du filtre 2. On détermine les coefficients h(n) par la formule précédente en
limitant le calcul à N valeurs réparties de facon symétrique autour de n
3. On multiplie terme à terme la suite obtenue par une suite w(n) appelée fenêtre de pondération
![Page 154: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/154.jpg)
154
Fenêtre de pondération
• Sont des fenêtres qui présentent des lobes secondaires de moindre amplitudes.
• Conséquence: l’élargissement de la bande de transition. • Exemple: Hamming
• Remarque: la pondération utilisée conserve la symétrie de la fenêtre et donc la propriété de phase linéaire
{ }nnn
n
whg-N,...,NN) où n(π..w
×=∈+= n/cos460540
![Page 155: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/155.jpg)
155
Synthèse RIF passe-bande à partir d’un RIF passe-bas
• Soit hn la réponse impulsionnelle d’un filtre passe-bas de bande B. • Considérons le filtre de réponse impulsionnelle:
• Par TFtd on en déduit que l’expression du gain complexe de gn:
• Conclusion : Si hn est filtre passe-Bas de bande B, gn est un passe-bande centré autour de f0 de bande 2B
ehehnfhg nfjn
nfjnnn
00 220 ) 2cos(2 πππ −+==
)()()( )(2)(22 00 eee ffjffjfj HHG −+ += πππ
![Page 156: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/156.jpg)
156
Exemple • Supposons que l'on veuille faire un filtre passe-bas de fréquence de
coupure fc,
On peut prendre • Réponse de ce filtre :
• On a donc une réponse fréquentielle du type :
Réponse en amplitude Réponse en phase
121
21
−+= nnn ees
zzEzEzS 1)(21)(2
1)( −+= zzEzSzH 1
21 2
1)()( )( −+==
eeeeeTej
eTejTejTejTej
TjH 2222
2cos)(21
21 2
1)(ωωωωω
ωω
−−−−
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛=+=+=
![Page 157: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/157.jpg)
157
![Page 158: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/158.jpg)
158
L' équation de récurrence • Ex: y(n)=x(n)-x(n-1) dérivateur mais avec des
résultats très moyens sauf pour les basses fréquence.
![Page 159: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/159.jpg)
159
![Page 160: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/160.jpg)
160
ANALYSE DES FILTRES RECURSIFS OU RII
![Page 161: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/161.jpg)
161
Synthèse des filtres numériques par transformation de H(p) en H(z)
• Transposer la fonction de transfert H(p) de son homologue analogique du plan p dans le plan z par une règle reliant p à z
Transformation d’Euler ou équivalence de la dérivation
ekkk Txxydt
dxty 1 )( −−=→=
p H(p)ppXpY =⇒= )()(
[ ] )(1)()(1)(1
1 zXTzXzXTzYeezz−
− −=−=
eTp z 11 −
−→
![Page 162: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/162.jpg)
162
Les banc filtres
![Page 163: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/163.jpg)
163
Traitement Multicadence • Un système multicadence est caractérisé par le fait que des cadences
de traitement différentes sont présentes simultanément en divers points de la chaîne de calcul
• Exemple: les opérations de sur et de sous-échantillonnage • Avantage: gain en termes d’efficacité de calcul
![Page 164: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/164.jpg)
164
Applications du traitement du signal
« multicadence »
• Filtrage bande étroite : Audio numérique
• Le codage en sous-bandes
• La conversion analogique/digitale (Σ-Δ)
• Transmultiplexeurs (OFDM)
• MPEG audio/vidéo
• ………
![Page 165: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/165.jpg)
165
Problématique Les systèmes de communications mobiles (GSM) ou interactifs sur câbles sont des systèmes où divers utilisateurs sont autorisés à communiquer simultanément.
L'accès multiple est classiquement résolu en ayant recours au multiplexage temporel des signaux (GSM) où l'attribution de codes différents (code division multiple acces). Pour les réseaux CATV interactifs, il a récemment été proposé d'attribuer à chaque utilisateur une forme d'onde qui est en fait une fonction de base d'une transformation de Fourier discrète. Cette technique a été baptisée OFDMA (orthogonal frequency division multipleacces).
Solution: • Structures en bancs de filtres (systèmes sous-bandes) , qui sont plus
généraux que les systèmes à transformation orthogonale.
![Page 166: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/166.jpg)
166
Introduction Un banc de filtre est un ensemble de filtres numériques travaillant en
parallèle et découpant la bande de fréquence en K sous bandes.
Le traitement du signal numérique traditionnel utilise des blocs comme: l’additionneur, multiplicateurs et des le retard. Dans les systèmes banc de filtres, nous avons deux nouveaux bloc Décimateur
Expandeur
M↓
L↑
![Page 167: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/167.jpg)
167
Sur-échantillonnage • Consiste à effectuer une interpolation sur une suite x(n) en calculant
M-1 valeurs intermédiaires entre deux points consécutifs
Sous-échantillonnage • Consiste à calculer, à partir d’une suite échantillonnée à fe, les valeurs
de la même suite qui aurait été échantillonnée à fe/M
![Page 168: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/168.jpg)
168
M Décimateur M décimation:
M↓x y
)()( Mnxny =
( ) MjM
k
kM eWWzXM
zY /21
0
/1 ,1)( π−−
=
== ∑
( )∑−
=
−=1
0
/)2(1)(M
k
Mkjj eXM
eY πωωωjez =
Dans l’intervalle (-1/2,1/2), Y(f) est la somme algébrique de M contributions décalées de 1/M
![Page 169: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/169.jpg)
169
Échelle temps Séquence
n
)(nx
1 21− 3 4 5 6 70
n
)(ny
1 21− 3 40
t
)(tx
T T2T− T3 T4 T5 T6 T70
t
)(ty
T2 T4 T60
Temps physique
![Page 170: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/170.jpg)
170
Échelle fréquence
ω
)( ωjeY
π π20
ω
)( ωjeX
π π20
1
21
Ω
)( ΩjX
Tπ
Tπ20
1
Ω
)( ΩjY
Tπ
Tπ20
21
Fréquence physique Fréquence normalisée
![Page 171: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/171.jpg)
171
L Expandeur
L-expandeur:
L↑x y
⎩⎨⎧=
de multiple un estresten ,0
),/()( LnLnxny
)()( LzXzY = ωjez = )()( Ljj eXeY ωω =
On retrouve le spectre de x(n) répliqué L fois
![Page 172: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/172.jpg)
172
Filtre Décimateur )(zH M↓
x y
Filtre Décimateur Décimateur
u
)()()( zHzXzU =
∑
∑−
=
−
=
=
=
1
0
/1/1
1
0
/1
)()(1
)(1)(
M
k
kMkM
M
k
kM
WzHWzXM
WzUM
zY
∑∞
−∞=
−=k
knhkxnu )()()(
∑∞
−∞=
−=
=
k
kMnhkx
Mnuny
)()(
)()(
![Page 173: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/173.jpg)
173
Filtre Interpolateur L↑
x y)(zHu
filtre interpolateur
expandeur
)()( LzXzU =
)()()()()(zHzXzHzUzY
L=
=
( )⎩⎨⎧= rest en
de multiple ,0
,/)( LnLnxnu
∑
∑∞
−∞=
∞
−∞=
−=
−=
k
k
kLnhkx
knhkuny
)()(
)()()(
![Page 174: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/174.jpg)
174
Connexion des éléments d’un schéma bloque
≡ M↓ cx yM↓c yx
M↓1x
2x
yM↓
y
2x
M↓
1x≡
M↓1x
2x
yM↓
y
2x
M↓
1x≡
![Page 175: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/175.jpg)
175
Décimateur-Expandeur en cascades
M↓ L↑
M↓L↑x
x
0u
1u
0y
1y
( ) premiéres si seulement et si , 10 LMyy =
![Page 176: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/176.jpg)
176
Simplification Identité 1: Identité 2:
≡ M↓ )(zHx y)( MzH M↓
x y
≡L↑ )( LzHx y )(zH L↑
x y
![Page 177: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/177.jpg)
177
Filtres Spéciaux
Filtre banc d’ordre M: Représentation fréquentielle:
czE =)(0
∑−
=
=1
0
)(M
k
k MczWH
)(zH )(zWH )( 2zWH )( 1−MzWH
π20ω
![Page 178: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/178.jpg)
178
Banc de Filtres Numériques
)(0 zH
)(1 zH
)(1 zHM −
x0x
1x
1−Mx
)(0 zF
)(1 zF
)(1 zFM −
0y
1y
1−My y
Analyse Synthèse
![Page 179: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/179.jpg)
179
Conclusions:
)(0 zH
)(1 zH
)(1 zHM −
x 0x
1x
1−Mx
)(0 zF
)(1 zF
)(1 zFM −
0u
1u
1−Mu x̂
M↓ M↑
M↑
M↑
M↓
M↓
0v
1v
1−Mv
M-banc de filtres:
)()(ˆ),()(ˆ 00 nncxnxzXczzX n −== −
La reconstruction exacte est:
![Page 180: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/180.jpg)
180
M=2 :
2↓)(0 zG
)(1 zG )(1 zH2↑2↓
2↑ )(0 zH0x
1x
0y
1y
x
2/)]()()()()[()(
2/)]()()()()[()(
1111
0000
zXzGzXzGzHzY
zXzGzXzGzHzY
−−+=
−−+=
La reconstruction parfaite est assurée lorsque
)()(ˆ zXzzX r−=
![Page 181: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/181.jpg)
181
• QMF: G1(z)=G0(-z)
• CQF: G1(z)=(-z) -N G0(-z -1)
0)()()()(
2)()()()(
1100
1100
=−+−
=+ −
zHzGzHzG
zzHzGzHzG r
![Page 182: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/182.jpg)
182
Transmission Numérique
![Page 183: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/183.jpg)
183
Types de transmission
• Transmission en bande de base: les signaux sont transmis tels qu’ils sortent de la source
• Transmission par modulation: transposer le signal en autre contenant la même information, mais avec une modification en fréquence du signal – Permet le multiplexage fréquentiel – Adaptation aux condition d’un milieu de transmission
![Page 184: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/184.jpg)
184
Quantité d’information • La quantité d’information I contenue dans un caractère est :
• Quantité d’information moyenne d’une source Entropie Soit une source ayant émis un message de m caractère issus d’un alphabet de n caractère alors
)(log2 ixpI −=
)(log)()( 21
in
ii xpxpXH ∑
=
−=
![Page 185: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/185.jpg)
185
Message numérique en bande de base
• Le message numérique est une suite {dk} de v.a. à valeurs dans {0,1}
• Le modulateur associe de façon bijective à chacun de 2k message possible un signal à temps continue x(t)
• Exemple: le signal numérique est engendré à partir d’une impulsion h(t) décalée et modulée par dk
• Où Tb est l’intervalle de temps entre l’émission de 2 bits
∑=
−=K
kbk kTthdtx
1)( )(
bb TD 1=
![Page 186: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/186.jpg)
186
Transmission binaire • On considère un alphabet fini à M symboles
• On choisit un codage qui associe à toute suite de m bits du message numérique un symbole ak de l’alphabet A
• Le modulateur fournit le signal numérique:
• Donc
2mM=
bk
k mTkT) où Th(tax(t) =−=∑
baud log1
2(M)D
TRb==
Codage de Gray 100 -7 101 -5 111 -3 110 -1 010 1 011 3 001 5 000 7
![Page 187: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/187.jpg)
187
Modulation sur fréquence porteuse
• On associe à un symbole dans l’intervalle de temps (kT,(k+1)T) le signal: x(t)=A cos(2πf0t+Φk)
L’enveloppe complexe de x(t) a pour expression
∑ =−=k
kkTkb )(jφkT) a(trectaAt)x exp(
![Page 188: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/188.jpg)
188
Introduction • Lors de transmission sont émis, soit des signaux analogique numérisés
soit des données purement et initialement numérique
• La suite des valeurs binaires obtenues est transformée en une série d’impulsion destinée à être transmises c’est la transmission PCM
• En modulation numérique différentielle dite DPCM sont transmis des différences en amplitude des échantillons successifs
![Page 189: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/189.jpg)
189
Modulation PCM • Supposons que le signal analogique à transmettre ait quantifié en
amplitude sur q niveaux représentés par des nombres binaires de n bits : q=2n Donc, il faut transmettre n impulsions binaires pour chaque échantillons soit nFe impulsion par seconde.
• Le débit de moments est donc :
• La bande passante nécessaire à la transmission PCM d’un signal analogique dont le spectre est borné par par valeur supérieure à fmax=Fe/2 est :
(Bd) nFeM=
max22 nfFnMB e===
![Page 190: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/190.jpg)
190
Modulation delta
Principe • C’est fondamentalement une quantification à un seul bit. Cette
variable est égale à la différence entre l’amplitude xe[n] de l’échantillon informatif et une amplitude xΣ(n) reconstitué par extrapolation successives d’ordre zéro.
• Pour cette reconstitution on utilise un pas de quantification Δ • xΣ est calculé à la fois par l’émetteur pour la modulation et par le
récepteur.
![Page 191: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/191.jpg)
191
Bande passante • Le débit de moments est donc M=Fe (Bd). • Les erreurs de traînage c’est à dire la possibilité que l’écart entre x(t)
et xΣ(t) ne soit supérieure à Δ qui impose :
max
)(dttdx
Te≥Δ
max
)( 1 dttdxfe
Δ≥
Condition plus exigeante que le théorème de Shannon
![Page 192: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/192.jpg)
192
Analyse Temps-Fréquence
![Page 193: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/193.jpg)
193
L’Analyse Temps Fréquence La representation temps-fréquence affiche comment les fréquence
contenues dans un signal change avec le
L’analyse temps fréquence est bien adaptée pour des signaux Non-stationnaires
La transformée de Fourier N’est pas adaptée pour ce type de
signaux
Time Signal Fourier Spectrum
Optimal-Kernel Wigner Distribution Spectogram
![Page 194: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/194.jpg)
194
Short Time Fourier Transform x(t) le signal ω(t) la fonction fenetre t le temps )()(),( 2* dtetttxftSTFT ftj
txπω ω −∫ ʹ′−=
Dans la STFT une fonction fenêtre est utilisée sachant dont la taille reste constante
Pour avoir une bonne localisation en temps nous utilisons une fenêtre de petite taille
L’Analyse Temps Fréquence
![Page 195: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/195.jpg)
195
Noise Corrupted Residuals Measurement White Noise (0, 0.2)
Coloured Noise (standard deviation = 1.6156 )
0γ
1γ
2γ
0γ
1γ
2γ
0γ
1γ
2γ
0γ
1γ
2γ
![Page 196: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/196.jpg)
196
Noise free case
Coloured noise corrupted residuals
![Page 197: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/197.jpg)
197
Solution :
![Page 198: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/198.jpg)
198
Les Ondelettes « temps-échelle » de Grossman-Morlet
• L’échelle signifie que le signal sera, à une échelle donnée, remplacé par l’approximation la plus adéquate que l’on puisse tracer à cette échelle .
• C ’est une projection sur une « base » dite d ’ondelettes issues de la même ondelette mère.
![Page 199: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/199.jpg)
199
Analyse fréquentielle et analyse espace-échelle
• analyse de Fourier cos(ωt) et sin(ωt) • analyse en ondelettes : temps-échelle
F fréquence analysée en fonction de la largeur de fenêtre
![Page 200: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/200.jpg)
200
La transformée en ondelettes continue unidimensionnelle (x)
• D'après cette interprétation, nous pouvons représenter un signal monodimensionnel f(x) (ou une fonction) sous forme d'un champ à deux dimensions WT(b,a); en faisant varier b (homogène à un temps), et a (homogène à une échelle). Le résultat est une représentation temps-échelle de f(x).
• La famille des ondelettes construite par dilatation-translation à partir de l'ondelette mère est définie comme :
( )abxaab −Ψ=Ψ 1
avec a ≠ 0 et a,b ∈ R, ainsi, toutes les ondelettes ont la même énergie.
![Page 201: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/201.jpg)
201
La transformée en ondelettes continue unidimensionnelle
• La transformée continue s'écrit :
( )dxabxxf
a−Ψ∫ )(1
Pour un signal, une formulation équivalente de WT est donnée à partir des transformées de Fourier de f et Ψ, si on utilise l'identité de Parceval. : >Ψ=< ˆ,),(2 , fbaWTfψπ
)(ˆ)exp()(ˆ , ωω aa iabba Ψ=Ψ −
![Page 202: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/202.jpg)
202
Ondelettes mère
• dilatations et translations d’une fonction analysante
ψ
oscillante
localisée
normée
![Page 203: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/203.jpg)
203
Propriétés fondamentales
![Page 204: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/204.jpg)
204
Conservation de l'énergie
L'information contenue dans le signal est conservée dans le passage de f à ses coefficients d'ondelettes.
La transformée inverse permet la reconstruction de la fonction f en sommant toutes les contributions de la transformée directe dans le plan a x b.
![Page 205: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/205.jpg)
205
Linéarité, invariance par dilatation et translation
• La transformée en ondelettes est une application linéaire. Une des propriétés importantes est le principe de superposition qui est respecté.
• Si WTf,ψ(a,b) est la transformée en ondelettes de f(x), alors WTf,ψ(a,b-x0) est la transformée de f(x-x0) et WTf,ψ(a/λ,b/λ) est la transformée de 1/√λ}f(x/ λ).
• Cette propriété n'est pas valable dans le cas de la transformée en ondelettes discrète.
![Page 206: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/206.jpg)
206
Localisation espace-échelle
• La localisation d'ondelettes dans le temps et dans les fréquences permet de représenter la zone d'influence dans le demi-plan espace-échelle R x R d'un événement se produisant à l'instant x pour le signal f.
![Page 207: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/207.jpg)
207 Transformée en Ondelettes
Deux sinus des fréquences différentes
Transformée de Fourier
![Page 208: Les Bases du Traitement des Signaux Numériqueshomepages.laas.fr/adoncesc/TraitementduSignal.pdfLes Bases du Traitement des Signaux Numériques Andrei Doncescu adoncesc@laas.fr Licence](https://reader035.vdocuments.mx/reader035/viewer/2022071112/5fe8c349aa047d0a117bebdc/html5/thumbnails/208.jpg)
208
Exercice