TRAITEMENT NUMERIQUE DES SIGNAUX

Présenté par

Mme. Sellami Wafa

I. GENERALITE.
I.1. Définitions de base.
Un signal désigne l'information relative à une grandeur
physique qui évolue dans le temps (courant, tension, force,
température, pression, etc.).
L'obtention des signaux électriques à partir des variations
d'une grandeur naturelle se fait à l'aide d'un capteur ou d'un
transducteur.
Le bruit est défini comme tout phénomène perturbateur
gênant la perception ou l’interprétation d’un signal, par
analogie avec les nuisances acoustiques (interférence, bruit
de fond, etc.).
La théorie du signal a pour objectif fondamental la
"description mathématique" des signaux afin de
mettre en évidence ses principales caractéristiques
(distribution fréquentielle, énergie, etc.) et d’analyser
les modifications subies lors de la transmission ou du
traitement.
Le traitement du signal est la discipline qui,
s’appuyant sur les ressources de l’électronique, de
l’informatique et de la physique appliquée, a pour
objet l’élaboration ou l’interprétation des signaux
porteurs d’information.
Les fonctions du traitement du signal peuvent se
diviser en deux catégories : l’élaboration des signaux
(incorporation des informations) et l’interprétation
des signaux (extraction des informations).
Les principales fonctions intégrées dans ces deux
parties sont les suivantes :
Élaboration des signaux :
Synthèse : Création de signaux de forme appropriée en
procédant par exemple à une combinaison de signaux
élémentaires ;
Modulation: moyen permettant d’adapter un signal aux
caractéristiques d’une voie de transmission ;
Codage : traduction en code binaire (quantification), etc. ;
Interprétation des signaux :
 Filtrage : élimination de certaines composantes indésirables ;
 Détection : extraction du signal d’un bruit de fond (corrélation) ;
 Identification : classement d’un signal dans des catégories
préalablement définies ;
 Analyse : isolement des composantes essentielles ou utiles d’un signal
de forme complexe (transformée de Fourier) ;
 Mesure : estimation d’une grandeur caractéristique d’un signal avec
un certain degré de confiance (valeur moyenne, etc.)
I.3. Classification des signaux.
I.3.1. Classification morphologique.
I.3. Classification des signaux.
Il existe différents modes de classification.
I.3.1. Classification morphologique.
 Les signaux analogiques ou continus sont des signaux qui
peuvent être représentés par des fonctions continues.
 Les signaux numériques ou discret sont des signaux qui
peuvent être représentés par des suites de nombres.
Les signaux rencontrés dans la nature sont généralement des
signaux analogiques. Tout traitement numérique (discret) de
ces signaux nécessite au préalable une opération de
numérisation.
I.3.2. Classification spectrale.
On classe les signaux suivant la bande de fréquence
qu’ils occupent. On distingue les signaux à variation
lente ou signaux basse fréquence et les signaux à
variation rapide ou signaux haute fréquence.
I.3.2. Classification typologique.
 Un signal déterministe est un signal qui peut être prédit
par un modèle mathématique connu.
 les signaux périodiques (x(t) = x(t + T) où T est la
période du signal)
 les signaux apériodiques.
 Un signal aléatoire est un signal qui a un comportement
imprévisible. On le décrit grâce à des outils statistiques
(densité de probabilités, moyenne, variance, etc.).
I.3.2. Classification typologique.
I.5. Avantages et inconvénients du TNS.
I.5.1. Avantages.
La reproductibilité des systèmes ;
L’absence de dérive en temps ou en température ;
L’absence de réglages compliqués ;
La possibilité de traitement adaptatif ;
Etc.
I.5.2. Inconvénients.
Coût : élevé pour des réalisations simples ;
Vitesse : bande passante large = vitesse de calcul
élevé ;
Complexité : réalisation à la fois matérielle et
logiciel ;
I.6. Architecture d’un système de TNS
 II. Signaux particuliers

• II.1 Fonction signe

• II.2 Fonction échelon
• II.3 Fonction rampe
• II.4 Fonction rectangulaire
• II.5 Impulsion de Dirac
• L'impulsion de Dirac correspond à une
fonction porte dont la largeur T tendrait vers 0
et dont l'aire est égale à 1.
• Propriétés :
• II.6 Fonction sinus cardinal
• Propriétés :
• II.7 Fonction triangulaire
chap2

LES SIGNAUX DETERMINISTES A

TEMPS CONTINU
I. Introduction
Le lien entre la représentation temporelle d’un signal et sa
représentation fréquentielle est DSF pour les signaux
périodique ou TF pour les signaux non périodiques
II. Propriétés temporelles
II.1. Energie et puissance de signaux.
Toute transmission d’information est liée à un transfert
d’énergie, Comment mesure t’on l’énergie d’un signal
Soit un signal x(t) et T0 un intervalle de temps
II.2. Fonction d’auto corrélation et d’inter corrélation
Pour comparer deux signaux entre eux, on faire
ressortir une caractéristique d’un signal noyé dans un
bruit , on compare le signal x(t), à un signal y(t) pris à
un instant = t-Շ
II.2.1 Inter corrélation
L’inter corrélation compare x(t) et y(t) retardée, elle
traduit la ressemblance de forme entre eux

Pour les signaux complexes:

II.2.2 L’auto corrélation
Réalise une comparaison entre un signal x(t) et ces
copies retardées
Pour les signaux réels
II.2.3 Propriétés de corrélation
III. La Convolution

Une des méthodes d’analyse dans le domaine temporel permettant de

relier tout signal de sortie (réponse du système) à un signal d’entrée
(signal d’excitation du système) est basée sur la notion de Convolution
des signaux

III.1. Définition
La convolution de deux fonctions (signaux) est un concept physique très
important dans plusieurs domaine de la recherche scientifique.
L’intégrale ou produit de convolution, notée *, est définie par :
On appelle ℎ(𝑡) la réponse impulsionnelle du système (ou filtre) excité
par une impulsion de Dirac 𝜹(𝒕). la propriété d’invariance temporel

𝜹(𝒕−𝒕𝟎), obtenu par translation𝑡0, ( (𝑡) retardé de 𝑡0), comme étant

(stationnarité) du système permet de déterminer la réponse à

un signal 𝒉(𝒕−𝒕𝟎) ayant subi la même translation ( ℎ(𝑡)𝑟𝑒𝑡𝑎𝑟𝑑é

𝑑𝑒 𝑡0 𝑎𝑢𝑠𝑠𝑖 ):
 III.2. Propriétés de la Convolution

𝒙(𝒕)∗𝒉(𝒕)=𝒉(𝒕)∗𝒙(𝒕)
• Commutativité :

[𝒙𝟏(𝒕)∗𝒉(𝒕)]∗𝒙𝟐(𝒕)=𝒙𝟏(𝒕)∗[𝒉(𝒕)∗𝒙𝟐(𝒕)]
• Associativité :

• Distributivité :
L’opération de convolution est distributive par rapport à

𝒙(𝒕)∗[ 𝒉(𝒕)+ 𝒌(𝒕)]=𝒙(𝒕)∗𝒉(𝒕)+ 𝒙(𝒕)∗𝒌(𝒕)

l’addition de deux signaux.
• Elément neutre de la convolution
L’élément neutre de l’opération de convolution est le signal
impulsion ou pic de Dirac

𝒙(𝒕)∗𝜹(𝒕)= 𝒙(𝒕)∗𝜹(𝒕)=𝒙(𝒕)

• Changement d’échelle

𝒔𝒊 𝒙(𝒕)∗𝒉(𝒕)=𝒚(𝒕) 𝒂𝒍𝒐𝒓𝒔 𝒙(𝒂𝒕)∗𝒉(𝒂𝒕)=𝟏|𝒂|𝒚(𝒂𝒕)

III.3. Application
IV .Série de Fourier
IV.1. Définitions de base.

• La décomposition en série de Fourier permet de

décomposer un signal en somme de sinusoïdes. On
utilise principalement les séries de Fourier dans le
cas des signaux périodiques.
• ²
• Elles permettent ainsi de passer facilement du
domaine temporel au domaine fréquentiel. Pour
pouvoir être décomposable, un signal doit être à
variations bornées (Dirichlet).
• Pour tout signal s(t) réel où s(t) = s(t+T0), on
peut écrire :
 Remarques :
• On appelle le signal de pulsation ω0 le fondamental.
• On appelle les signaux de pulsation n.ω0 les harmoniques
de rang n.
• La valeur de S0 représente la valeur moyenne de s(t).
Autre expression (forme trigonométrique):
 IV.2 Développement en termes complexes
• En introduisant la notation complexe de cos(nω0t) et
sin(nω0t), il est possible d'obtenir une écriture complexe
de la série de Fourier.
IV.3 Propriétés
IV.4 exercice
• Décomposer en série de fourrier le signal
suivant
IV.5 correction
V . Transformée de Fourier
C’est une généralisation de la décomposition de série de
Fourier à tous les signaux déterministes. Elle permet d’obtenir
une représentation en fréquence (représentation spectrale)
de ces signaux. Elle exprime la répartition fréquentielle de
l’amplitude, de la phase et de l’énergie (ou de la puissance)
des signaux considérés.
Soit s(t) un signal déterministe. Sa transformée de Fourier est
un fonction, généralement complexe, de
la variable f et définie par :
• Soit s(t) un signal déterministe. Sa transformée de
Fourier est un fonction, généralement complexe, de la
variable f et définie par :
• Si cette transformée existe, la transformée de Fourier
inverse est donnée par :
• Si cette transformée existe, la transformée de Fourier
inverse est donnée par :
• Remarque :
On appelle spectre de s le module de la transformée de
Fourier de s.
V .1 Propriétés
 Exemple

• Calculons la transformée de Fourier d’un signal

sinusoïdale s(t) = S cos ω t
exercice