14/06/2019

Université de Tlemcen
Faculté de Technologie
Département GEE

Cours 422
Théorie du signal
Dr. HANDOUZI Wahida
[Link]@[Link]
2019

Organisation du Cours
Déroulement du cours :
 Le cour de TS est constitué de 12 séances cours magistraux de 1h30 constitué de 6
chapitres.

2
 14/06/2019

Organisation du Cours
Séances de cours et TD :
 Respectez l’horaire des cours et TD.

 Prenez des notes sur vos cahiers à partir des projections.

 Le travail préparatoire d’une séance de TD doit être fait par tous les
étudiants du groupe et présenter par un (ou plusieurs) étudiant(s)
désigné(s) selon la liste des étudiants. Parallèlement, une ou
(plusieurs) copie(s) seront ramassées pour évaluation.

 Un des exercices du test final sera pris dans l’ensemble des exercices
3

des travaux préparatoires.

Organisation du Cours
modalités de contrôle
 Micro-tests de 15min seront effectués à la fin de chaque chapitre du
programme (20% de la note totale du contrôle continu).

 Participation au cours et TD (30% de la note totale du contrôle continu).

 Contrôle continu de 1h (50 % de la note totale).

 Examen final (100%).

4
 14/06/2019

Objective du Cours

 Savoir analyser et modéliser les principaux signaux ;

 Acquérir les notions de base du traitement du signal et des processus

aléatoires ;

 Appréhender les différentes approches :fréquentielle et temporelle.

 Savoir pourquoi on fait quoi !!!

Chapitre I :
Généralités sur les signaux

I. GÉNÉRALITÉS
II. CLASSIFICATION DES SIGNAUX
III. SIGNAUX PARTICULIERS
6
 14/06/2019

GÉNÉRALITÉS

 Signal/ Système?
 La théorie du signal?
 Le traitement du signal?

GÉNÉRALITÉS
Signal ?
 Définition 1
 entité (courant électrique, onde acoustique, onde lumineuse, suite
de nombres) engendrée par un phénomène physique et véhiculant
une information (musique, parole, son, image, température).
 Définition 2
 fonction de une ou plusieurs variables indépendantes: f(x,y,z)
 En général, il s’agit d’une fonction dont une des variables est de
nature temporelle.
8
 14/06/2019

GÉNÉRALITÉS

GÉNÉRALITÉS

La théorie du signal?
C’est la théorie sur laquelle repose le traitement du signal

Le traitement du signal ?
C’est la discipline qui développe et étudie les techniques de
traitement, d'analyse et d'interprétation des signaux afin d’en tirer
le maximum d’informations.
10
 14/06/2019

GÉNÉRALITÉS
Système ?
Ensemble isolé de dispositifs établissent un lien de cause à effet
entre des signaux d’entrée (excitations : commandes, consignes,
perturbations) et des signaux de sortie (réponses ou mesures).

Bruit ?
Phénomène perturbateur gênant la perception ou l’interprétation
d’un signal.

11

GÉNÉRALITÉS

Système: Ensemble organisé de composants dont l’utilité est la

réalisation d’une (ou de plusieurs) tâche(s).
 grandeurs agissant sur la tâche ⇒ signaux d’entrée
 grandeurs caractérisant la tâche ⇒ signaux de sortie
 Approche système : caractérisation de la loi Entrée/Sortie

12
 14/06/2019

13

GÉNÉRALITÉS

14
 14/06/2019

GÉNÉRALITÉS

15

GÉNÉRALITÉS

16
 14/06/2019

GÉNÉRALITÉS

17

GÉNÉRALITÉS

18
 14/06/2019

19

Classification des signaux

 Classification temporelle ou phénoménologique

 Classification morphologique

 Classification fréquentielle ou spectrale

 Classification énergétique

20
 14/06/2019

Classification des signaux

Classification temporelle ou phénoménologique

 Les signaux certains ou déterministes : leur évolutions

temporels peuvent être parfaitement d’écrite par des modèles

mathématiques.

21

Classification des signaux

Classification temporelle ou phénoménologique

1. Les signaux certains ou déterministes : signaux périodiques

Un signal s(t) est périodique de période T s’il satisfait la la relation

( ) = ( + ) pour tout ∈ .

 les signaux sinusoïdaux,

 les signaux pseudo-aléatoires (signal aléatoire qui se répète)

 les signaux périodiques composites (la répétition à l’infini d’un

motif). 22
 14/06/2019

Classification des signaux

Classification temporelle ou phénoménologique

1. Les signaux certains ou déterministes : signaux périodiques

23

Classification des signaux

Classification temporelle ou phénoménologique

2. Les signaux certains ou déterministes: signaux non périodiques

Les signaux qui ne satisfassent pas la relation précédente.

 Les signaux quasi-périodiques qui résultent de la somme de

signaux sinusoïdaux.

 Les signaux transitoires qui ont une existence éphémère ou qui

sont observés sur une durée finie (signaux de durée limitée ou à

24

support borné).
 14/06/2019

Classification des signaux

Classification temporelle ou phénoménologique

2. Les signaux certains ou déterministes: signaux non périodiques

25

Classification des signaux

Classification temporelle ou phénoménologique

 Les signaux aléatoires (ou probabilistes) : dont le comportement

temporel est imprévisible et dont on ne peut pas prédire la

valeur à l’instant t. La description est basée sur leurs propriétés

statistiques (moyenne, variance, loi de probabilités…etc.).

26
 14/06/2019

Classification des signaux

Classification temporelle ou phénoménologique
 Les signaux aléatoires (ou probabilistes) :

Il existe deux types de signaux aléatoires :

 les signaux stationnaires (dont les caractéristiques

statistiques sont invariantes dans le temps)

 les signaux non stationnaires.

27

Classification des signaux

Classification temporelle ou phénoménologique
 Les signaux aléatoires (ou probabilistes)
Les signaux aléatoires stationnaires sont ergodiques s'il est identique
de faire une moyenne statistique à un instant donné sur différents
essais ou de faire une moyenne temporelle suffisamment longue sur
un seul de ces essais.

28
 14/06/2019

Classification des signaux

Classification temporelle ou phénoménologique

Signal réel : C’est un signal représentant une grandeur physique.

Sa formulation réelle est une fonction réelle. C’est un mélange

déterministe et aléatoire (partie déterministe = tendance du

signal, partie aléatoire = bruit).

29

Classification des signaux

30
 14/06/2019

Classification des signaux

Classification morphologique
 Signal analogique : signal à amplitude et à temps continus.
 Signal quantifié : signal à amplitude discrète et temps continu
(virtuel).

31

Classification des signaux

Classification morphologique
 Signal discret : signal à amplitude continue et à temps discret, les
valeurs du signal sont disponibles uniquement à certains instants.
 Signal numérique ou digital : signal à amplitude et à temps discrets
(c’est un signal échantillonné dont les valeurs sont codées).

32
 14/06/2019

Classification des signaux

Classification morphologique

33

34
 14/06/2019

Classification des signaux

Classification énergétique
 L’énergie d'un signal est une caractéristique liée à la quantité de
l'information représentée, elle se mesure en Joules (J).
L'énergie d'un signal x(t) sur l'intervalle [t1, t2] avec (t1 < t2):

( , ) = ( )

L’énergie totale d’un signal est donnée par:

= ( )

35

Classification des signaux

Classification énergétique
 La puissance moyenne d’un signal x(t) sur un intervalle [t1, t2] avec (t1 <
t2) mesurée en watts (W).
1
= ( )
2− 1
 La puissance moyenne totale d’un signal x(t)
/
1
= lim ( ) .
→ /

 la valeur efficace d’un signal x(t) sur un intervalle [t1, t2] avec (t1 < t2).

Veff = = ∫ ( ) 36
 14/06/2019

Classification des signaux

Classification énergétique
 Les signaux sont caractérisés selon leur énergie et puissance.

37

Classification des signaux

Classification fréquentielle ou spectrale

 Spectre d’un signal : le spectre d’un signal est la représentation
de son amplitude, de sa phase, de son énergie ou de sa
puissance en fonction de sa fréquence f en Hertz (Hz)).

38
 14/06/2019

Classification des signaux

Classification fréquentielle ou spectrale
 Largeur de bande (ou largeur spectrale) : c’est le domaine des
fréquences occupés par le spectre d’un signal. On appelle largeur de
bande = −
= /2
• Différent types de signaux se distinguent :
 les signaux à bande étroite
 les signaux à large bande,
 les signaux de basses fréquences (BF)
39

 et les signaux de hautes fréquences (HF)

Classification des signaux

Classification fréquentielle ou spectrale
 Largeur de bande (ou largeur spectrale) :

• les signaux à bande étroite • les signaux à bande large dont

dont la largeur de bande est la largeur de bande est
relativement petite. relativement grande voire
<1 infinie. >1
2

40
 14/06/2019

Classification des signaux

Classification fréquentielle ou spectrale

• les signaux de basses • les signaux de hautes

fréquences (BF) dont la largeur fréquences (HF) dont la
de bande est centrée sur largeur de bande est centrée
des fréquences relativement sur des fréquences
faibles. relativement importantes.

41

Rappels

42
 14/06/2019

Rappels
 Signal paire : un signal réel est paire si pour tout ∈ , on a :
− =
Il présente une symétrie horizontale par rapport à l’axe des
ordonnées.

43

Rappels

 Signal impaire : un signal réel est impaire si, pour tout ∈ , on a

− = − = − − .
Il présente une symétrie par rapport à l’origine

44
 14/06/2019

Rappels

 Symétrie hermitienne : une fonction f ( t ) complexe présente une

symétrie hermitienne si, pour tout ∈ , on a :
= −
ù ̅ ( ) est le complexe conjuguée de f(t).
Sa partie réelle est paire et sa partie imaginaire est impaire.

45

Rappels

 Décalage (translation verticale) : un décalage est la transformation

qui fait correspondre à toute fonction f (t), la fonction g (t) telle que:
( ) = ( ) + avec ∈ .

46
 14/06/2019

Rappels
 Fonction retardée (translation horizontale) : la fonction g(t) est la
fonction f(t) retardée det (t > 0 ) si pour tout t ∈ R , on a:
( ) = ( − )
 Si < 0 (ou si ( ) = ( + ) et > 0 ), g (t) est en avance sur f
(t) .
 Si > 0, g (t) est en retard sur f ( t ) .

47

Rappels
 Changement d’échelle (dilatation ou compression) :
Un changement d’échelle est la transformation qui fait
correspondre à toute fonction f(t), la fonction g(t) telle que
( ) = ( )( ( ) = ( / ))
∗
avec a, un réel strictement positif ( ∈ ).

48
 14/06/2019

Rappels
 Changement d’échelle (dilatation ou compression) :
• Si ( ) = ( ) < 1 ( ) = ( / ) > 1 , c’est
une dilatation.
• Si ( ) = ( ) > 1 ( ) = ( / ) < 1 , c’est
une compression.

49

Signaux particuliers
 Impulsion (ou distribution ou pic) de Dirac :
L’impulsion de Dirac, notée ( ) se définit comme la distribution qui
fait correspondre à toute fonction f(t) continue à l’origine sa valeur à
l’origine. Plus particulièrement, pour

( ) = 1, (0) = 1 et ∫ ( ) = 1
L’aire de δ (t) est donc toujours égale à l’unité.

1 =
=
0 ≠
50
 14/06/2019

Signaux particuliers

 Echelon de Heaviside (ou échelon unitaire) : l’échelon de

Heaviside, notée Γ( ) se définit comme la primitive de
l’impulsion de Dirac :

0 si t < 0
( )=∫ δ u du =
1 si t ≥ 0

51

Signaux particuliers

 Rampe unitaire : la rampe unitaire, notée r (t) se définit comme

la primitive de l’échelon unitaire :

= .

0 ≤0
D’où : =
>0

52
 14/06/2019

Signaux particuliers
 Impulsion ou signal rectangulaire (ou signal porte) : le signal
rectangulaire, noté rect( t ) ou Π(t) , est définit par :

1 < 1/2
( ) = Γ( + 1/2) − Γ( − 1/2) =
0 > 1/2

Sa surface est égale à l’unité. A partir de ce signal, on peut obtenir

une impulsion rectangulaire de durée T, d’amplitude A centrée en

= notée ( ) .

53

Signaux particuliers
 Impulsion ou signal triangulaire : le signal triangulaire, noté
tri( t ) ou Λ(t)est défini par :
1− ≤1
( ) = ( + 1) − 2 ( ) + ( − 1) =
0 >1

54
 14/06/2019

Signaux particuliers
 Signal exponentiel sous la forme générale, peut s’écrire :
= .
B et a sont des paramètres réels. B est appelé amplitude, mesuré en
=0 ∶ (0) = Lorsque a est positif ou négatif, deux
comportements différents peuvent être identifiés par :
< 0 exponentielle décroissante, > 0 exponentielle croissante.

55

Signaux particuliers

 Fonction gaussienne est une fonction en exponentielle de

l'opposé du carré de l'abscisse. Elle a une forme caractéristique
de courbe en cloche. Elle peut s’écrire comme suit:

56
 14/06/2019

Signaux particuliers

 Sinus cardinal est noté sinc( t ) , est défini par :

( )
Sinc t = = avec lim
→
=1

57

Signaux particuliers
 Peigne de Dirac
On appel peigne de Dirac une succession périodique d’impulsion de
Dirac. T est la période du peigne. Cette fonction est parfois appelé
train d’impulsions ou fonction d’échantillonnage.

58
 14/06/2019

Signaux particuliers

59

Signaux particuliers

60
 14/06/2019

61

Travaux dirigés n °1

62
 14/06/2019

Chapitre II :
Analyse de Fourrier

I. INTRODUCTION
II. SÉRIES DE FOURIER
III. THÉORÈME DE PERCEVAL
IV. TRANSFORMÉE DE FOURIER
63

Introduction

64
 14/06/2019

Introduction

65

Séries de Fourier

66
 14/06/2019

Séries de Fourier

67

Séries de Fourier

Les conditions de Dirichlet (en résumé)

1. Le signal x(t) à un nombre fini de discontinuités dans n’importe quelle
période.
2. Le signal x(t) contient un nombre fini de maxima et de minima durant une
période.
3. Le signal x(t) est absolument intégrable dans n’importe quelle période c’est-

à-dire ∫ () <∞

68
 14/06/2019

Séries de Fourier

69

Séries de Fourier

70
 14/06/2019

Séries de Fourier

71

Séries de Fourier

72
 14/06/2019

Séries de Fourier

73

Séries de Fourier

74
 14/06/2019

Séries de Fourier

75

Séries de Fourier

76
 14/06/2019

Séries de Fourier

77

Séries de Fourier

78
 14/06/2019

Séries de Fourier

79

Exemples

80
 14/06/2019

Exemples

81

Séries de Fourier

82
 14/06/2019

Séries de Fourier

83

Séries de Fourier

84
 14/06/2019

Séries de Fourier

85

Séries de Fourier

86
 14/06/2019

Séries de Fourier

87

Séries de Fourier
 Relation entre la forme trigonométrique et la forme complexe de la DSF:
 Application de ces formules dans la forme trigonométrique on a:

88
 14/06/2019

Séries de Fourier
 Remarques

 Quelques propriétés

89

Théorème de Parceval ou de la
puissance

90
 14/06/2019

Théorème de Parceval ou de la
puissance

91

Comment faire pour les signaux non

périodiques ?

• Considérons que la période T est infinie (donc F tend vers 0)

• Et comme les harmoniques sont des multiples de F …
• l’écart entre les raies du spectre va donc devenir infiniment petit
• On tend alors vers une représentation fréquentielle continue

C'est la Transformée de Fourier, qui peut être vue

comme une généralisation des séries de Fourier aux
signaux non périodiques 92
 14/06/2019

Transformée de Fourier
Définitions:
 Soit x une fonction continue de la variable t alors la transformée
de Fourier de x est définie par :

[ ( )] = = .
TF désigne la Transformée de Fourier directe.
 Soit f(t) une fonction admettant pour transformée de Fourier alors
f(t) peut s'écrire :

= [ ( )] = .

TF la Transformée de Fourier inverse. 93

Transformée de Fourier

94
 14/06/2019

Transformée de Fourier

95

Transformée de Fourier

96
 14/06/2019

Transformée de Fourier

97

Transformée de Fourier

98
 14/06/2019

Transformée de Fourier

99

Transformée de Fourier

100
 14/06/2019

Transformée de Fourier

101

Transformée de Fourier

102
 14/06/2019

Transformée de Fourier

103

Chapitre III :
Système linéaire invariant
dans le temps (SLIT)
I. NOTIONS DE SYSTÈME
II. PRODUIT DE CONVOLUTION
III. TRANSFORMÉE DE LAPLACE 104
 14/06/2019

Notions de système
Définition :
Un système est un modèle mathématique d’un processus physique qui
relie un signal d’entrée à un signal de sortie.
• Un système est un dispositif de traitement du signal
• En entrée : e(t) signal d’entrée
• En sortie : s(t) signal de sortie
Exemples :
• Amplificateur, système audio, téléphone, système vidéo
• Un système complexe peut être vu comme l’interconnexion de
105
plusieurs systèmes dont les fonctions sont plus simples.

Systèmes linéaire et invariants

Questions
• Quelles sont les propriétés intéressantes des systèmes SLIT?

• Comment représenter un système ?

• Comment modéliser la relation entre entrée et sortie ?

106
 14/06/2019

Propriétés des systèmes

Linéarité Invariance temporelle

Système

Causalité Stabilité
107

Propriétés des systèmes

Exemple: (Principe d'additivité ou de superposition)

Si y1 est la réponse à Si y2 est la réponse Alors la réponse a

l’entrée x1 à l’entrée x2 x1+x2 est y= y1+y2

108
 14/06/2019

Propriétés des systèmes

Exemple: (Principe de proportionnalité)
Si y est la réponse à l’entrée x.

109

Propriétés des systèmes

8
5 2  10

0 0

. 8
.
5 2  10 110
4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12

causal non causal

 14/06/2019

Propriétés des systèmes

2 20

0 0

.
. 20
2 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12
4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 11 12

Stable (convergence vers 0) Instable (souvent divergence) 111

Propriétés des systèmes

112
 14/06/2019

représentation des systèmes

 Par sa réponse à un signal de forme simple (impulsion, échelon, …)

 Par son diagramme de Bode qui donne le module et l’argument.

 Par l’équation différentielle linéaire reliant e(t) et s(t) qui permet de

trouver la réponse s(t) pour une entrée e(t) quelconque.

 Par son diagramme de Nyquist.

 Par sa transformée de Laplace qui lie les transformées de Laplace de

l’entrée E(p) et de la sortie S(p)

113

 Par des schémas blocs.

Représentations des systèmes

114
 14/06/2019

Représentations des systèmes

115

Représentations de système

Exemple: Système complexe

116
 14/06/2019

Réponse impulsionnelle

Une brève impulsion, injectée à l’entrée d’un système causal, linéaire,

continu et invariant donne en sortie un signal de durée finie appelée

réponse impulsionnelle.

La réponse impulsionnelle, notée h ( t ) est donc la réponse d’un

système à une impulsion de Dirac.

117

Réponse impulsionnelle
La réponse impulsionnelle caractérise ainsi le comportement temporel
du système (sa fonction de transfert).

118
 14/06/2019

Réponse indicielle

L’intérêt d’une telle étude est d’observer l’effet d’une discontinuité finie

du signal d’entrée. Cette « discontinuité » est obtenue en pratique

lorsque le signal d’entrée présente un temps de montée très court

devant les temps caractéristiques du système à étudier.

La réponse indicielle, noté γ ( t ) , est la réponse d’un système à un

échelon unitaire.
119

Réponse indicielle
La indicielle, noté γ ( t ) , est la réponse d’un système à un échelon
unitaire.

120
 14/06/2019

Produit de convolution
 La convolution est l’opération de traitement de signal la plus
fondamentale.
 La convolution décrit l’effet de l’entrée du système sur la sortie en
fonction de la réponse impulsionnelle du système h(t).

• Si le système est linéaire et invariant dans le temps, alors s(t) est

le résultat de la convolution de e(t) et de h(t)

s (t )  e(t ) * h(t )   e( )h(t   )d


 est la variable muette du produit 121

de convolution.

Produit de convolution
• Localisation :
· = 0 · , ’ ` ∶ · − = ·
• Commutativité

s (t ) * e(t )  e(t ) * s (t )
• Associativité

( y (t ) * x(t )) * z (t )  y (t ) * ( x(t ) * z (t ))

• Distributivité
122
x(t ) * (h1(t )  h 2(t ))  x(t ) * h1(t )  x(t ) * h 2(t )
 14/06/2019

Théorème de convolution
Théorème de Plancherel

• Si X(f) et H(f) sont les transformées de Fourier de x(t) et de h(t), alors:

TF ( x(t ) * y (t ))  X ( f ).Y ( f )

TF ( x (t ). y (t ))  X ( f ) * Y ( f )

Physiquement, la convolution entre deux signaux est

l’intégrale de recouvrement de deux fonctions.

123

Calcul pratique de la convolution

 La valeur du signal de sortie s(t) à l’instant t est obtenue par la
sommation (intégrale = sommation continue) pondérée des valeurs
passées du signal d’entrée e(t). Ce calcul de la convolution peut être
d´écrit, pour tout ∈ , en plusieurs étapes :

 Tracer le domaine de définition I de ( )

 Retourner h(τ) et le décaler de t pour obtenir ℎ( − ) puis

tracer son domaine de définition I

 Calculez le produit de convolution au cas par cas. 124

 14/06/2019

125

Exemple

 Soit x(t) = Π1(t) un signal porte centré à l’origine de largeur L1 = 1 et

y(t) = Π2(t) aussi un signal porte centré à l’origine et de largeur L2 = 2.

1- Calculez le produit de convolution de x(t) et y(t).

126
 14/06/2019

Exemple

 Traçage des domaines de définitions des signaux x(τ) et y(t-τ)

On s’intéresse aux différents intervalles :
On sait que x(τ) =1 si -½ ≤ τ ≤ ½ donc τ ∈ [-1/2; 1/2] = Ix
y(t-τ) = 1 si -1 ≤ t-τ ≤ 1 ⇔ -1 - t ≤ -τ ≤ 1 - t ⇔ t +1 ≥ τ ≥ -1 + t ⇔ -1 + t ≤ τ ≤ t +1
donc t ∈[-1 + t; 1 +t] = Iy

127

Exemple

Cas 1 :
1+ < − → ⋂ = ∅ → ( ∗ )( ) = 0
Cas 2 :

− < 1+ < → ⋂ = − ,1 +
1+ 1
∗ = . − = 1 = 1 = 1+ +2
−2
3
= +
2
3
∗ = +
2 128
 14/06/2019

Exemple
Cas 3 :
− > −1 + 1+ > → ⋂ = − ,
1/2 1 1
∗ = . − = 1 = = + =1
−1/2 2 2
∗ =1
Cas 4 :
− < −1 + < 1+ > → ⋂ = −1 + ,
1/2
∗ = . − = 1 =
−1 +
1
= +1−
2
3 129
∗ =− +
2

Exemple
Cas 5 :
-1+t>1/2 →Ix∩Iy=∅→(x∗y)(τ)=0
Maintenant que nous avons déterminé les diverses valeurs du produit de
convolution, sur les divers intervalles, il est envisageable de tracer (par
morceaux), la courbe représentative :

130
 14/06/2019

Transformée de Laplace
 Les systèmes linéaires analogiques sont très souvent gouvernés par
des équations différentielles à coefficients constants reliant les
signaux en entrée et en sortie. En régime permanent sinusoïdal la
résolution de ce type d’équations est facilitée par la représentation
complexe des signaux sinusoïdaux ou par la transformée de Fourier.
 L'analyse temporelle des systèmes linéaires, en particulier pour
l’étude des régimes transitoires, nécessite la résolution des équations
différentielles.
131

Transformée de Laplace
 Dans ce chapitre nous introduisons un outil mathématique puissant,
la transformation de Laplace, pour l'étude des systèmes linéaires en
régime transitoire.
 Cette transformation permet d'associer à toute fonction du temps f(t)
une fonction F(p) d'une variable complexe p = σ + j ω.
 Elle permet de remplacer les opérations analytiques de dérivation et
d'intégration par des opérations algébriques. Cette propriété facilite
la résolution des équations différentielles.
132
 14/06/2019

Transformée de Laplace
 Pierre-Simon de Laplace
mathématicien, astronome, physicien français.

Transformée de Laplace S( p) d’un signal s( t ) est définie par :

( )
= =

Relation avec la transformée de Fourier : si le signal s ( t ) est causal

(s(t)=0 pour tout t < 0 ), alors on a la relation :
= { ( )} 133

Transformée de Laplace
 Linéarité : ( )+ ( ) ↔ ( )+ ( )
 Convolution : ( )∗ ( ) ↔ ( ). ( )
 Translation temporelle : − ↔ ( )
 Translation fréquentielle : ( ) ↔ ( − )

 Dérivation : = ( ) − (0 ) ( (0 ): condition initiale)

( )
 Intégration : ∫ =↔

 Théorème de la valeur initiale : 0 = lim = lim

→ →

 Théorème de la valeur finale : = lim = lim 134

→ →
 14/06/2019

Transformée de Laplace

Exemple
Transformée de Laplace de la fonction échelon
=1 >0

135

Transformée de Laplace
Dans le cas de résolution d’équations différentielles (voir TD3)

D’une manière générale, on procède en trois étapes :

1) Passage du système d’équations différentielles à un système
algébrique grâce à la transformée de Laplace.
2) Résolution du système algébrique pour obtenir les
transformées de Laplace des solutions.
3) Retour aux solutions du systèmes différentielles à l’aide de la
recherche d’originaux.
136
 14/06/2019

Transformée de Laplace

137

Transformée de Laplace

138
 14/06/2019

Travaux dirigés n °3

139

Chapitre VI
Corrélation des signaux

I. DÉFINITIONS
II. PROPRIÉTÉS ET APPLICATIONS
III. DENSITÉ SPECTRALE
140
 14/06/2019

Définitions

 L’énergie (resp. la puissance) échangée obtenue en

décalant un premier signal de τ secondes par rapport à
un autre signal est appelée intercorrélation .

 Il s’agit donc d’une généralisation de l’énergie (resp. la

puissance) échangée pour les signaux continus à
énergie finie.

141

Définitions
 Cas des signaux à énergie finie
Soient x(t) et y(t) deux signaux à énergie finie. La fonction
d’inter-corrélation de ses deux signaux est :

∗
=∫ −

La fonction d’autocorrélation est la suivante :

∗
=∫ −
142
 14/06/2019

Propriétés
 Symétrie :
∗
− =
∗
− =
• Si x est réel :
− =
 Energie du signal :
= 0 =∫ ( )
( ) ≤ (0)
143

Définitions
 Cas des signaux périodiques (puissance moyenne finie)
Dans le cas des signaux périodiques les relations précédentes
deviennent comme suit :
/ ∗
= lim ∫ /
−
→

La fonction d’autocorrélation est la suivante :

1 / ∗
= lim −
→ / 144
 14/06/2019

Propriétés
 Symétrie :
∗
− =
∗
− =
 Si x est réel :
− =
 Puissance du signal :
/
= 0 = lim ∫ /
( )
→
( ) ≤ (0)
145

Applications
 L’intercorrélation est la mesure de similitude entre deux
signaux.

 La corrélation est utilisée dans les radars, les sonars, les

communications numériques, la détection de signaux
noyés dans du bruit, la mesure de temps de
transmission, le GPS (Global Positioning System), etc.
146
 14/06/2019

Relation entre corrélation et convolution

Convolution Corrélation

t reste la variable et la deuxième

τ est la variable de la fonction
fonction est renversée y(t-u) avec
résultat
u la variable d’intégration

Formalise l’interaction (filtrage) Mesure la ressemblance entre x(t)

entre x(t) et y(t) et y(t) selon un décalage τ

∗
= ∗ −
147

 Exemple d’intercorrélation

Le signal x(t) ressemble le plus à y(t) aux instants -T/2 et T/2.

En t=0, x(t) ne ressemble pas du tout à y(t) (ils sont orthogonaux,
produit scalaire nul). 148
 14/06/2019

Densité spectrale

Cas des signaux périodiques

Cas des signaux à énergie finie
(puissance moyenne finie)

La densité spectrale de puissance

La densité spectrale d’énergie pour
pour les signaux à puissance
les signaux à énergie finie donne la
moyenne finie donne la répartition
répartition moyenne de l’énergie
moyenne de l’énergie du signal à la
du signal à la fréquence.
fréquence.
149

Densité spectrale

 Théorème de Wiener Khintchine :

la densité spectrale de puissance d'un processus

stochastique stationnaire au sens large est la transformée
de Fourier de la fonction d'autocorrélation
correspondante.

( )=∫ ( )
150
 14/06/2019

Densité spectrale : Propriétés

 Si le signal ( ) a une transformée de Fourier ( ), on définit le

spectre de puissance d'un signal ou densité spectrale par :

= . = ( )

 L'énergie contenue dans une bande de fréquence de largeur autour

d'une fréquence F0 est:

, =∫ .

151

Densité spectrale : Propriétés

 L'énergie totale contenue dans le spectre X( f ) s'exprime sous la forme:

=∫ . =∫ ( )

 Nous pouvons aussi définir la densité spectrale d'interaction de deux

signaux x(t) et y(t) de transformées de Fourier respectives ( ) et ( )
par:
= .

= .
152
 14/06/2019

153

Cas des signaux périodiques

• Par définition un signal périodique de période T0 est classé dans les
signaux permanents. La fonction d’autocorrélation déterminée sur
un intervalle infini est identique à celle déterminée sur une période
unique.

• Soit x(t) un signal périodique de période T0. Celui-ci est

décomposable en série de Fourier sous la forme :

154
 14/06/2019

Cas des signaux périodiques

 Pour ce type de signal on a:

 Ce qui est équivalent :

155

Cas des signaux périodiques

 La fonction d’autocorrélation d’un signal périodique est également

une fonction périodique de même période.

 À partir de Rx(t), il est possible de retrouver l’amplitude de chaque

harmonique de x(t) mais toute information concernant leur phase
respective est perdue.

 L’intercorrélation de deux signaux de période identique

est également périodique de même période.

156
 14/06/2019

Cas des signaux périodiques

157

Cas des signaux périodiques

158
 14/06/2019

Corrélation

 L'autocorrélation est l’étude de la ressemblance du processus avec

lui-même au cours du temps, et par conséquent, si le signal est
périodique, la fonction d'autocorrélation permettra de détecter
cette périodicité.

 On l’utilise beaucoup pour enlever le bruit dans des signaux.

159

Travaux dirigés n 4

160
 14/06/2019

Chapitre V :
Echantillonnage et signaux
discrets

161

Introduction

 La numérisation d’un signal analogique s(t) comporte deux étapes.

 La première consiste à échantillonner le signal dans le temps pour le

rendre discret, c’est-à-dire prélever la valeur du signal aux instants
kTe. Te est la période d’échantillonnage.

 La seconde étape de la numérisation est la quantification. Elle

permet de représenter les échantillons s(kTe) à l’aide d’une suite
binaire.

162
 14/06/2019

Signaux discrets

163

Signaux discrets usuels

164
 14/06/2019

165

166
 14/06/2019

Energie et puissance d’un signal discret

167

Types des signaux: rappels

 On définit les différents types de signaux

- Signal analogique x(t)
- Signal échantillonné xe(t)
- Signal quantifié
- Signal numérique x[k]

168
 14/06/2019

Echantillonnage ?

169

Echantillonnage ?

170
 14/06/2019

Echantillonnage

171

Echantillonnage

172
 14/06/2019

Théorème d’échantillonnage de Shannon

173

Echantillonnage réel

174
 14/06/2019

Transformée en Z
• La transformée en Z peut être considéré comme une généralisation
de la transformation de Fourier à laquelle elle peut s’identifier dans
des cas particuliers.

• La transformée en Z constitue l’outil privilégie pour l’étude des

systèmes discrets.

• Elle joue un rôle équivalent à celui de la transformée de Laplace et

permet de représenter un signal possédant une infinité
d’échantillons par un ensemble fini de nombres.
175

Transformée en Z

176
 14/06/2019

Fin
177