Traitement du Signal

TdS

Par Ing.F. ATIA BEYINA 1

 Aperçu du cours
Introduction:
Contenu du cours:
Session 1 : - Introduction au traitement de signaux
 Corrélation: «traitement des signaux » et « signaux et systèmes »
 Concepts clefs
 Caractéristiques d'un système de traitement
 Principales fonctions intégrées dans l’élaboration et l’interprétation des signaux
 Importance du : «traitement des signaux »
Session 2 : Rappels utiles au traitement
1. Définitions utiles
2. Quelques propriétés des signaux
3. Rappels sur les fonctions complexes
4. Formules trigonométriques
5. Produit scalaire des signaux
6. Signaux orthogonaux et orthonormaux
Session 3 : Opérateurs mathématiques
Par Ing.F. ATIA BEYINA 2
o Séries de Fourier
o Transformée de Fourier
o Transformée de Fourier inverse
o Transformées de Fourier Discrète (TFD)
o Transformée de Laplace(TFL))
o Propriétés de TF et TFL
o Dirac
o Réponse Impulsionnelle
o Décalage temporel
o Fonction de transfert
Session 4: Applications concrètes: Filtrage
a. Définition et Types de filtres

b. Filtres analogiques et numériques

c. Reconstruction ou interpolation
d. Cas d’étude 1:Filtre passe
e. Cas d’études 2:Filtre passe bas du deuxième ordre RLC
f. Cas d’étude 3: Filtre passe bas du deuxième ordre par la mise en cascade de 2 premier ordre
Par Ing.F. ATIA BEYINA 3
Session 5: Applications concrète: Discrétisation
a. Définition
b. Echantillonnage
c. Quantification
d. Critère de Nyquist-Shannon

Conclusion
e. Erreurs d’échantillonnage (aliasing)

Par Ing.F. ATIA BEYINA 4

Avant-propos

Ce cours est conçu pour être dispensé en 18 heures.

Nous allons aborder les sujets suivants :
Il est important de noter que ce cours est une suite
logique au cours précédent sur "Les signaux et
systèmes", et que les connaissances acquises dans ce
cours seront nécessaires pour comprendre les concepts
abordés dans ce cours.

Par Ing.F. ATIA BEYINA 5

Références bibliographiques
Niveau 1 :
- Oppenheim, A. V., & Willsky, A. S. (1997). Signaux et systèmes.
Éditions Dunod. Une référence classique pour comprendre les
fondements du traitement du signal, abordant les signaux et
systèmes dans un cadre théorique et pratique.
- Haykin, S. (1998). Traitement du signal. Éditions Dunod.
Niveau 2 :
- Proakis, J. G., & Manolakis, D. G. (2006). Traitement numérique
des signaux. Éditions Pearson.
- Mitra, S. K. (2006). Traitement des signaux. Éditions Dunod.
Autres références
1. "Digital Signal Processing: Principles, Algorithms, and
Applications" par John G. Proakis et Dimitris K. Manolakis
Par Ing.F. ATIA BEYINA 6
Ce livre couvre en profondeur les techniques de traitement
numérique des signaux, avec des exemples d’application et des
algorithmes
2. "Introduction to Signal Processing" par Sophocles J. Orfanidis
Un excellent ouvrage pour les étudiants débutants dans le domaine
du traitement du signal, abordant les bases avec des explications
claires.
3. IEEE Transactions on Signal Processing
Une revue scientifique de premier plan qui publie des recherches de
pointe dans le domaine du traitement du signal.
4. "Understanding Digital Signal Processing" par Richard G. Lyons
Ce livre est plus orienté vers la pratique et propose une approche
axée sur les algorithmes et leur implémentation

Par Ing.F. ATIA BEYINA 7

Session 1 : - Introduction au
traitement de signaux

Par Ing.F. ATIA BEYINA 8

Introduction
Le traitement du signal est une branche des sciences de l'ingénierie qui consiste
à analyser, manipuler et transformer des signaux, généralement sous forme
numérique ou analogique.
Le signal peut être un son, une image, un signal électrique, etc.
L'objectif principal est d'extraire des informations utiles, de filtrer du bruit ou
de compresser les données pour un stockage ou une transmission plus efficace.
Il y a lieu donc lieu de:
- Comprendre les principes fondamentaux du traitement des signaux
- Apprendre les opérateurs mathématiques courants utilisés
- Appliquer ces opérateurs pour résoudre des problèmes de traitement des
signaux
Ce cours est essentiel pour les étudiants en électronique, télécommunications,
informatique et génie électrique, car il constitue une base pour des applications
variées allant de la reconnaissance vocale à l'analyse d'images médicales.
Ce cours est une suite logique au cours précédent sur "Les signaux et
systèmes".

Par Ing.F. ATIA BEYINA 9

Corrélation: «traitement des signaux » et « signaux et
systèmes »

Par Ing.F. ATIA BEYINA 10

Signaux et Systèmes Traitement des Signaux

Signaux et Systèmes Traitement des Signaux

Objectifs principaux :
Objectifs principaux :

Étudier les bases théoriques des signaux et des ☞Manipuler et analyser des signaux pour extraire
des informations utiles.
systèmes.
Comprendre comment les systèmes réagissent
☞Concevoir des outils pour transformer ou
aux signaux d'entrée.
améliorer les signaux (filtrage, compression,
etc.).
 Fournir les outils mathématiques pour
analyser les signaux et les systèmes. ☞Appliquer des méthodes numériques pour le
Contenu typique : traitement des signaux.
1. Signaux : Contenu typique :
Définition des signaux (analogiques, numériques, 1. Traitements appliqués :
périodiques, apériodiques, énergie vs puissance).
Analyse des signaux :
Opérations sur les signaux : décalage, symétrie,
Échantillonnage et quantification.
mise à l'échelle.
Analyse fréquentielle (série et transformée de Spectre de puissance et densité spectrale.
Fourier).

Par Ing.F. ATIA BEYINA 11

2. Systèmes : 2. Traitements appliqués :
a. Caractéristiques des systèmes : linéarité, causalité,
invariance.
a) Filtrage numérique : conception de filtres FIR et
b.Modélisation des systèmes : réponse impulsionnelle,
réponse fréquentielle.
IIR.

Analyse des systèmes à temps continu (équations

c. b) Suppression de bruit et extraction de signal utile.
différentielles) et à temps discret (équations aux c) Transformations avancées : ondelettes,
différences). transformée de Hilbert.
3. Transformations mathématiques : 3. Applications :
1) Compression audio (MP3), traitement d'image
(JPEG), traitement radar, etc.
1. Transformée de Fourier et transformée de Laplace.
2) Reconnaissance vocale et traitement des signaux
biomédicaux.
2. Transformée Z pour les systèmes à temps discret. Approche :
Approche :
Approche théorique et mathématique. Plus pratique et orientée vers les applications.
Centrée sur la compréhension des fondations des
signaux et des systèmes.
Applicable dans les domaines comme le
Application dans les domaines de l’électronique, de la multimédia, la médecine, et les
commande et des télécommunications. télécommunications.

Par Ing.F. ATIA BEYINA 12

Si vous étudiez "Signaux et Systèmes", vous apprenez les bases
théoriques nécessaires pour comprendre les signaux et leur
interaction avec les systèmes.
Si vous étudiez "Traitement des Signaux", vous utilisez ces bases pour
concevoir des outils pratiques permettant d’extraire des informations
ou de transformer des signaux.
La première unité d’enseignement est une étape préparatoire à la
seconde.

Par Ing.F. ATIA BEYINA 13

Concepts généraux clés

Par Ing.F. ATIA BEYINA 14

La théorie du signal a pour objectif fondamental la "description mathématique"
des signaux.
Cette représentation commode du signal permet de mettre en évidence ses
principales caractéristiques (distribution fréquentielle, énergie, etc.) et
d’analyser les modifications subies lors de la transmission ou du traitement de
ces signaux.
Parmi les applications les plus importantes de la théorie du signal, il y a :
la représentation des signaux,
le codage,
la transmission et ,
le décodage de l’information.
L’objectif de la théorie du signal est de proposer une palette d’outils
(mathématiques) performants et de plus en plus complexes, permettant de:
détecter,
mesurer,
contrôler,
comparer et:
 évaluer l’intégrité structurelle d’un signal, d’une image ou d’une information .

Par Ing.F. ATIA BEYINA 15

Le traitement du signal est la discipline technique qui, s’appuyant sur les
ressources de l’électronique, de l’informatique et de la physique appliquée,
a pour objet l’élaboration ou incorporation des informations et
l’interprétation des signaux ou extraction des informations.
Le traitement du signal analogique repose essentiellement sur l’utilisation
d’opérateurs linéaires qui modifient les propriétés d’un signal de façon
homogène.
Le traitement du signal discret a pris son essor dans les années 70 grâce à
l’apparition des microprocesseurs et à l’utilisation de la transformée de
Fourier rapide.

Par Ing.F. ATIA BEYINA 16

Principales fonctions intégrées dans l’élaboration des signaux

▷ Synthèse : processus par lequel plusieurs signaux ou éléments (de différentes

fréquences ou amplitudes) sont combinés pour en créer un nouveau qui possède
des caractéristiques spécifiques

▷ Création de signaux de forme appropriée en procédant par exemple à un

combinaison de signaux élémentaires

▷ Modulation, changement de fréquence : moyen permettant d’adapter un signal

aux caractéristiques fréquentielles d’une voie de transmission

▷ Codage : traduction en code binaire (quantification), etc.

Par Ing.F. ATIA BEYINA 17

Principales fonctions intégrées dans l’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.)
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 différentiation entre le signal et le bruit est artificielle et dépend de l’intérêt de
l’utilisateur : les ondes électromagnétiques d’origine galactique sont du bruit pour un
ingénieur des télécommunications par satellites et un signal pour les radioastronomes.
Par Ing.F. ATIA BEYINA 18
Un système de traitement du signal est un système qui reçoit des signaux en
entrée, les traite en utilisant des algorithmes et des techniques de traitement du
signal, et produit des signaux en sortie qui contiennent les informations
désirées.
Caractéristiques d'un système de traitement :
1. Entrée : Le système reçoit des signaux en entrée, qui peuvent être des
signaux analogiques ou numériques.
2. Traitement : Le système traite les signaux en entrée en utilisant des
algorithmes et des techniques de traitement du signal.
3. Sortie : Le système produit des signaux en sortie qui contiennent les
informations désirées.
4. Rétroaction : Le système peut recevoir des rétroactions pour ajuster son
fonctionnement et améliorer ses performances.
Types de systèmes de traitement du signal :
a. Systèmes linéaires : Les systèmes qui traitent les signaux de manière linéaire.
b. Systèmes non linéaires : sont ceux qui traitent les signaux de manière non
linéaire.
c. Systèmes à temps invariant : ceux qui traitent les signaux de manière
identique quel que soit le moment.
d. Systèmes à temps variant : Les systèmes qui traitent les signaux de manière
différente en fonction du moment.
Par Ing.F. ATIA BEYINA 19
 Importance du traitement du signal

Le traitement du signal est crucial dans de nombreux domaines, et son importance

peut être résumée comme suit :
1. Amélioration de la qualité des signaux : en réduisant les bruits, les distorsions et
les erreurs.
2. Extraction d'informations utiles à partir des signaux, telles que les fréquences, les
amplitudes et les phases.
3. Prise des décisions éclairées en fonction des informations extraites des signaux.
4. Contrôle et régulation : Le traitement du signal permet de contrôler et de réguler
les systèmes en fonction des informations extraites des signaux.
5. Sécurité et surveillance pour détecter les anomalies et les menaces.
6. Il est utilisé dans les systèmes de communication pour améliorer la qualité des
signaux et réduire les erreurs.
7. En médecine pour analyser les signaux biologiques, tels que les
électrocardiogrammes et les électroencéphalogrammes.
8. Dans l’environnement pour surveiller et analyser les signaux tels que les signaux
sismiques et les signaux météorologiques.
Par Ing.F. ATIA BEYINA 20
Session 2 : Rappels utiles au
traitement

Par Ing.F. ATIA BEYINA 21

Définitions utiles au traitement du signal

On donne ici des définitions utiles au traitement du signal, permettant de caractériser

des propriétés physiques essentielles comme la causalité, la stabilité ou l’énergie d’un
signal.
Définition 1 (Signal analogique causal.)
Un signal causal est un signal qui débute à une date t = 0.
Plus précisément,
Soit s : ℝ → ℂ un signal analogique.
s est un signal causal si et seulement si
s(t)=0 pour t<0.
Un signal qui n’est pas causal sera dit acausal. Un cas particulier de signal acausal est le
signal anti-causal. De
manière analogue, on peut définir les signaux anti-causaux :
Définition 2 (Signal analogique anti-causal.)
Soit s : → un signal analogique. s
est un signal anti-causal si et seulement si
s(t)=0 pour t>0.
Par Ing.F. ATIA BEYINA 22
Définition 3 (Signal analogique stable)
Soit s : ℝ → ℂ un signal analogique.
On dira que s est stable si s ∈ ie
dt < +∞.
Une conséquence directe de la stabilité, est qu’un signal stable est borné.
On voit que cette condition semble nécessaire afin qu’un signal puisse
"réellement" exister.
Ces définitions permettent de définir la notion de signal "réalisable", c’est
à dire qui puisse exister physiquement.
Définition 4 (Signal réalisable) Soit s : ℝ → ℂ un signal analogique.
s est dit réalisable s’il est à la fois stable et causal.

Par Ing.F. ATIA BEYINA 23

Définition.4 (Excitation/Réponse)
L’entrée d’un système s’appelle l’excitation et la sortie la réponse.
Définition.5 (Filtre analogique)
Soit X et Y deux espaces de signaux à temps continu.
Un système S : X → Y est invariant dans le temps s’il existe une fonction
h: ℝ × ℝ → ℂ telle que
y(t) = (x(t)) = =h
On appelle un tel système un filtre analogique de réponse
impulsionnelle h.
Dans les définitions ci-dessus h est appelé la réponse impulsionnelle du
système. En effet, si on applique l’impulsion de Dirac comme excitation
à l’entrée du système, on retrouve bien y = h comme réponse en sortie.

Par Ing.F. ATIA BEYINA 24

Quelques propriétés des signaux

On se rappelle des propriétés suivantes :

− Le produit de deux signaux qui possèdent la même parité est un
signal pair
− Le produit de deux signaux qui possèdent des parités
différentes est un signal impaire
− Le produit de deux signaux impairs est un signal pair
− L’inverse d’un signal pair est un signal pair
− L’inverse d’un signal impair est un signal impair
− La somme de deux signaux pairs est un signal pair
− La somme de deux signaux impairs est un signal impair
− Un signal peut n’être ni paire ni impaire

Par Ing.F. ATIA BEYINA 25

−Si un signal 𝑺(𝒕) est impair, on a: 𝐝𝐭=𝟎 , si 𝐚>0
−Si un signal est pair, on a: 𝐝𝐭=2 𝐝𝐭, si 𝐚> 0
−=
Parité et imparité des signaux

On dit qu’un signal 𝑺(𝒕) est paire (invariance par retournement) si et

Signal paire

uniquement si son graphe est symétrique par rapport à l’axe des

𝐒(𝐭) = 𝐒(−𝐭) ,𝐭 ∈
ordonnées. Il est paire si :

Par exemple le signal 𝑺(𝒕) = 𝑨 𝒄𝒐𝒔(𝝎𝒕) est un signal pair

fig.(a).

Par Ing.F. ATIA BEYINA 26

 fig.(a). fig. (b)

Le signal 𝑺(𝒕) est dit impaire (symétrie par retournement) si et seule

Signal impaire

ment si son graphe est symétrique par rapport à l’origine 𝟎.Il est impair
si 𝑺(𝒕) = −𝑺(−𝒕), 𝐭 ∈ , fig. (b).
Par exemple le signal 𝑺(𝒕) = 𝑨Par𝒔𝒊𝒏 (𝝎𝒕) est un signal impair.
Ing.F. ATIA BEYINA 27
 Rappel sur les fonctions complexes

Il est important de rappeler que l’on utilise le plus fréquemment les nombres
complexes. En traitement du signal, la description mathématique la plus

𝑆(𝑡) = 𝑎(𝑡) + 𝑗𝑏(𝑡) , 𝒂(𝒕) et 𝒃(𝒕) sont des réels

générale d'un signal déterministe sera:

𝑆(𝒕).𝑺∗(𝐭)=[𝒂(𝒕)+𝒋𝒃(𝒕)][𝒂(𝒕)–𝒋𝒃(𝒕)]= (𝒕)− . (𝒕)= (𝒕)+ (𝒕)

On sait que :

La notion de | | correspond au module, car les signaux sont souvent

Signifie 𝑺 (𝒕). 𝑺∗ (𝒕) 𝟏𝟏

complexes Remarque importante :

(𝒕)= 𝒂(𝒕)–𝒋𝒃(𝒕),le conjugué de 𝑺(𝒕)

Considérons deux signaux réels (𝒕) et (𝒕) tels que : 𝑌(𝑡) = (𝒕) + j(𝒕) , on a:
Limite d’une fonction complexe

Par Ing.F. ATIA BEYINA 28

)=𝑎 +𝑗𝑏,
= 𝒂 , et
=𝒃
Dérivation d’une fonction complexe
L’opération de dérivation est :
=+
Soit : 𝒀′() = ′() + 𝒋 ′()
Intégration d’une fonction complexe
Dans le cas d’une intégration de fonctions complexes, on a :
𝒀(t) = + 𝒋
= +𝒋

Par Ing.F. ATIA BEYINA 29

Voici une synthèse des formules les plus fréquemment
Formules trigonométriques

rencontrées quide se ramener à des expressions plus simples et

plus pratiques dans les problèmes rencontrés en traitement du
signal.
= 𝒄𝒐𝒔𝜷+𝒊.𝒔𝒊𝒏𝜷
= 𝒄𝒐𝒔𝜷−𝒊.𝒔𝒊𝒏𝜷
𝒔𝒊𝒏𝜷 =
𝒄𝒐𝒔𝜷 = , avec .
1+ = 2𝒄𝒐𝒔 ()
1- =−2𝑖𝒔𝒊𝒏 ()
+ =2𝒄𝒐𝒔 ( ) .

Par Ing.F. ATIA BEYINA 30

- =2𝑖𝒔𝒊𝒏 ( )
𝐬𝐢𝐧𝟐𝜶 = 𝟐𝐜𝐨𝐬𝜶𝐬𝐢𝐧𝜶=
𝐜𝐨𝐬𝟐𝜶= - =𝟐 -𝟏=𝟏 −𝟐 =
=
=
𝟐𝐜𝐨𝐬𝛂. 𝐜𝐨𝐬𝛃 = 𝐜𝐨𝐬(𝜶−𝜷)+𝐜𝐨𝐬(𝜶+𝜷)
𝟐𝐜𝐨𝐬𝛂. 𝐬𝐢𝐧𝛃 = 𝐬𝐢𝐧(𝜶+𝜷)−𝐬𝐢𝐧(𝜶−𝜷)
𝟐𝐬𝐢𝐧𝛂. 𝐬𝐢𝐧𝛃 =𝐜𝐨𝐬(𝜶−𝜷)−𝐜𝐨𝐬(𝜶+𝜷)
𝟐𝐜𝐨𝐬𝛂. 𝐜𝐨𝐬𝛃 = 𝐜𝐨𝐬(𝜶−𝜷)+𝐜𝐨𝐬(𝜶+𝜷)
𝟐𝐜𝐨𝐬𝛂. 𝐬𝐢𝐧𝛃 = 𝐬𝐢𝐧(𝜶+𝜷)−𝐬𝐢𝐧(𝜶−𝜷)

Par Ing.F. ATIA BEYINA 31

𝟐𝐬𝐢𝐧𝛂. 𝐬𝐢𝐧𝛃 =𝐜𝐨𝐬(𝜶−𝜷)−𝐜𝐨𝐬(𝜶+𝜷)
𝟐𝐬𝐢𝐧𝛂 .𝐜𝐨𝐬𝛃 = 𝐬𝐢𝐧(𝜶−𝜷) + 𝐬𝐢𝐧(𝜶+𝜷)
𝒔𝒊𝒏𝜶 + 𝒔𝒊𝒏𝜷 = 2 𝐬𝐢𝐧 () 𝐜𝐨𝐬 ()
𝒄𝒐𝒔𝜶 + 𝒄𝒐𝒔𝜷 = − 2 𝐜𝐨𝐬 () 𝐜𝐨𝐬 ()
𝐜𝐨𝐬(𝜶+𝜷) = 𝐜𝐨𝐬𝜶 cos 𝜷 −𝐬𝐢𝐧β sin𝜶
𝐜𝐨𝐬(𝜶−𝜷) = 𝐜𝐨𝐬𝜶 cos 𝜷 +𝐬𝐢𝐧β sin𝜶
𝐬𝐢𝐧(𝜶 − 𝜷) = 𝐬𝐢𝐧𝜶 cosβ − 𝐬𝐢𝐧β cos𝜶
𝐜𝐨𝐬𝟐𝜶= - =𝟐 -𝟏=𝟏 −𝟐 =
=
=

Par Ing.F. ATIA BEYINA 32

Produit scalaire des signaux

Soient (𝒕) et (𝒕) deux signaux complexes, on définit leur produit scalaire par :
< (𝒕).(𝒕) > = 𝒅𝒕
Il ressort que :
𝟏 − Le produit scalaire d’un signal (cas s’un signal à énergie finie) non périodique
par lui-même est égal à son énergie
< (𝒕).(𝒕) >= 𝒅𝒕 𝒅𝒕
𝟐 − Le produit scalaire d’un signal périodique de période par lui-même est égal à
sa puissance
< (𝒕).(𝒕)> =𝒅𝒕=

Par Ing.F. ATIA BEYINA 33

Intégration par partie

L’intégration par partie est une méthode qui permet de

transformer l’intégrale d'un produit de fonctions en d'autres
intégrales. Elle permet de simplifier les calculs. Soient deux
signaux 𝑺𝟏(𝒕) et 𝑺𝟐(𝒕) continues et dérivables , 𝑎 et 𝑏 deux
réels de leur intervalle de définition , on a :
′𝒅𝒕 = − ′𝒅𝒕 𝒅𝒕
Calculer l’intégrale suivante:
Soit 𝑺𝟏(𝒕) = et 𝑺𝟐(𝒕) = 𝐜𝐨𝐬(𝐧 𝐭),
Calculer l’intégrale suivante : 𝟏 ∫𝟐𝝅 𝑺𝟏(𝒕) 𝑺𝟐(𝒕)𝒅𝒕

Par Ing.F. ATIA BEYINA 34

Signaux orthogonaux et orthonormaux

On dit que deux signaux (𝒕) et (𝒕) sont orthogonaux dans l’intervalle [, ] lorsque leur
Signaux Orthogonaux

< (𝒕).(𝒕) >=𝒅𝒕=𝟎

produit scalaire est nul, soit :

et < (𝒕).(𝒕)> = 𝒅𝒕=𝟎

(𝒕) et (𝒕) sont les conjugués des signaux complexes de (𝒕) et (𝒕)
Lorsque (𝒕) et (𝒕) sont des signaux réels, ainsi la condition d’orthogonalité est : 𝒅𝒕= 𝟎

• On dit que deux signaux (𝒕) et (𝒕) sont orthonormaux dans l’intervalle [, ] si leur
Signaux Orthonormaux

• < (𝒕).(𝒕)> = 𝒅𝒕= =𝟏 et < (𝒕).(𝒕)> = =𝟏

produit scalaire est égal à 1, soit :

Par Ing.F. ATIA BEYINA 35

Caractéristiques d’un signal périodique
Les caractéristiques d’un signal périodique sont :
• Sa période : La période 𝑻 d’un signal périodique est la durée qui sépare deux
évènements identiques successifs.

périodes par unité de temps 𝒇 = , l’unité en système international est le

• Sa fréquence : La fréquence d’un signal périodique correspond au nombre de

Hertz(Hz), 𝟏𝑯𝒛 = 𝟏
• Tout signal périodique de période 𝑻 présente une fréquence fondamentale à la
fréquence 𝒇 = 𝟏/𝑻.
• Son amplitude maximale : L’amplitude maximale 𝑨𝒎𝒂𝒙 d’un signal périodique
est la plus grande valeur prise par ce signal
• Son amplitude minimale : L’amplitude minimale 𝑨𝒎𝒊𝒏 d’un signal périodique
est la plus petite valeur d’amplitude prise par ce signal.

Par Ing.F. ATIA BEYINA 36

Session 3 : Opérateurs mathématiques
de base

Par Ing.F. ATIA BEYINA 37

Les opérateurs linéaires jouent un rôle essentiel dans le traitement des signaux
analogiques, notamment dans le cas du filtrage.
Les deux repésentations du signal contiennent la même information et on peut
passer facilement de l’une à l’autre.
f(𝑡) =(représentation cartésienne)
f(𝑡) = (représentation polaire)
Un opérateur linéaire est une transformation qui respecte deux propriétés
fondamentales :
Additivité : L'opérateur appliqué à la somme de deux signaux est équivalent à
la somme des opérateurs appliqués à chaque signal.
Homogénéité : L'opérateur appliqué à un signal multiplié par une constante
est équivalent à la multiplication de l'opérateur appliqué au signal par la
même constante.

Par Ing.F. ATIA BEYINA 38

Séries de Fourier
Soit f : et T > 0. On dit que est T-périodique, ou
périodique de p période T, si pour tout x∈ , on a
(x+T)=f(x).
Séries de Fourier tient de l’idée de décomposer (ou
d’approcher) toute fonction 2π- périodique (ou signal)
comme «combinaison linéaire » de fonctions
périodiques élémentaires . i.e. sin(nx) et cos(nx) et de
()=() de cette décomposition».
Si est une fonction T-périodique on vérifie alors
trouver « les coefficients

facilement que la fonction g définie par :

est 2π-périodique.
()=
Ainsi, si on peut décomposer g sous la forme :
Par Ing.F. ATIA BEYINA 39
Transformée de Fourier
Transformée de Fourier = décomposition spectrale
Les exponentielles étant les vecteurs propres des opérateurs d’un système
linéaire homogène, il est tentant d’exprimer le signal f(t) comme somme
d’exponentielles complexes de façon à facilement calculer la réponse du filtre.
La plupart des signaux d’intérêt pratique peuvent être décomposés en une
somme de composantes sinusoïdales.
⏁ Pour la classe des signaux périodiques, une telle décomposition est appelée
SÉRIE DE FOURIER ..
⏁ La série de Fourier est une technique de décomposition des signaux en une
succession de composantes sinusoïdales (exponentiels complexes).

Où , et sont les coefficients de Fourier, et , est la fréquence fondamentale.

Avec une telle décomposition, un signal est dit être représenté dans le domaine
fréquentiel.
☆ Soit donc représentation fréquentielle= décomposition en une somme de
composantes sinusoïdales
Par Ing.F. ATIA BEYINA 40
La Transformée de Fourier de (t) est l’intégrale :
(p)=
et son inverse est obtenue par:
• (t)=
La transformée de Fourier est une généralisation des séries de
Fourier pour tous types de signaux.
Transformée de Fourier inverse permet de revenir au domaine
temporel.
La transformée inverse (IDFT), qui permet de retrouver le signal
x[n], est :

Applications courantes:
 Analyse spectrale. et conception de filtres numériques
Compression audio et image (MP3, JPEG).
Par Ing.F. ATIA BEYINA 41
Transformées de Fourier Discrète (TFD))
La TFD est utilisée, lorsque l’on travaille avec des suites
numériques sans lien avec un signal physique, pour définir une
représentation de la suite sur une base de fonctions
fréquentielles.

La Transformée de Fourier discrète TFD est donnée par :

La TFD évaluée sur un nombre L de points fréquentiels d'un
signal discret est définie par :
X(k)
Elle est utilisée pour les signaux numériques.
Applications : Traitement numérique, analyse spectrale
rapide avec l’algorithme FFT (Fast Fourier Transform).
Transformée de Fourier Rapide TFR, Fast Fourier Transform
FFT TFD calculée selon un algorithme permettant de réduire le
nombre d’opérations et, en particulier, le nombre de
multiplications à effectuer.
Par Ing.F. ATIA BEYINA 42
 Propriétés de TF

Soient s(t) et f(t) deux fonctions avec (𝑡𝜖R), et soient X(p) et Y(p),
respectivement, leurs transformées de Laplace.
1. TF est linéaire
𝑇𝐿{𝛼𝑥(𝑡) + 𝛽𝑦(𝑡)} = 𝛼𝑋(𝑝) + 𝛽𝑌(𝑝)
2. Changement d’échelle temporelle (multiplication de t par un
scalaire)
𝑇𝐿{𝑥(𝛼𝑡)} = 𝑋()
3. Translation temporelle
Retard 𝑇𝐿{𝑥(𝑡 − 𝜏)} = 𝑋(𝑝)
Avance 𝑇𝐿{𝑥(𝑡 + 𝜏)} = 𝑋(𝑝)
4. Multiplication d’une fonction par une exponentielle
𝑇𝐿{x(t)} = 𝑋(𝑝 + 𝛼)
5. Dérivation par rapport à t
𝑇𝐿 { } = 𝑝𝑋(𝑝) − 𝑥(𝑡 = 0)
𝑇𝐿 { } = 𝑋(𝑝) − 𝑥(0) − − ⋯ − 𝑝(0) − (0)

Par Ing.F. ATIA BEYINA 43

Soient s(t) et f(t) deux fonctions avec (𝑡𝜖R), et soient X(p) et Y(p),
respectivement, leurs transformées de Laplace.
1. TF est linéaire
𝑇𝐿{𝛼𝑥(𝑡) + 𝛽𝑦(𝑡)} = 𝛼𝑋(𝑝) + 𝛽𝑌(𝑝)
2. Changement d’échelle temporelle (multiplication de t par un scalaire)
𝑇𝐿{𝑥(𝛼𝑡)} = 𝑋()
3. Translation temporelle
Retard 𝑇𝐿{𝑥(𝑡 − 𝜏)} = 𝑋(𝑝)
Avance 𝑇𝐿{𝑥(𝑡 + 𝜏)} = 𝑋(𝑝)
4. Multiplication d’une fonction par une exponentielle
𝑇𝐿{x(t)} = 𝑋(𝑝 + 𝛼)
5. Dérivation par rapport à t
𝑇𝐿 { } = 𝑝𝑋(𝑝) − 𝑥(𝑡 = 0)
𝑇𝐿 { } = 𝑋(𝑝) − 𝑥(0) − − ⋯ − 𝑝(0) − (0)

Par Ing.F. ATIA BEYINA 44

6. Intégration par rapport à t
𝑇𝐿 {} =
7.TF [produit de convolution] = produit :
TF s(t)(h*e)(t)S(f)H(f)E(f)
s(t)(h*e)(t)
8.Dualité de TF et T (on permute t et f, et on fait
apparaître –f )
• x(t)   x(f) 
• x(f) TF[X(t)]
La symétrie des transformations directe et inverse
montre l’existence d’une dualité entre l’espace-temps
et l’espace fréquence.

Par Ing.F. ATIA BEYINA 45

 Transformée de Laplace(TFL))
Soit f une fonction causale de la variable temporelle t, à valeur donc dans +,
La Transformée de Laplace de f est alors la fonction F de la variable
complexe p définie par :
• (p)=
• p est une variable complexe p=σ+jω ,

Si σ=0, on retombe sur le cas particulier de la Transformée de Fourrier

C’est une fonction utilisée pour les systèmes continus linéaires invariants (LTI).

L’opération de Transformation est notée le plus souvent L(f)=F(p), on

rencontrera également TL(f)=F(p).
L’étude d’un système consiste à rechercher un modèle mathématique du
système, c’est-à-dire des relations d’entrée-sortie. Ces relations peuvent
être :
 des équations différentielles (TC) ou à des équations aux différences (TD) :
systèmes dynamiques;
 Algorithmiques (Transformée de Fourier Discrète) : approche procédurale.
• MODÈLE = une représentation mathématique du comportement du système
obtenu à partir de lois physiques et permettant de prévoir l’évolution des
grandeurs au cours du temps pour une entrée donnée.
Applications : Analyse de la stabilité, réponse des systèmes.
Par Ing.F. ATIA BEYINA 46
 Propriétés de la Transformée de Laplace
Linéarité de la TL :1
Si f(t) = f1(t) + f2(t) alors F(p) = F1(p) + F2(p)
Dérivation de la TL :2
La transformée de Laplace F’(p) de f’(t) (dérivée de f(t)) est
égale à: F’(p) = pF(p) – f(0)
Dans les conditions de Heaviside, dériver dans le domaine
temporel revient à multiplier par p dans le domaine de Laplace.
f(0) = 0 alors F’(p) = pF(p)
De même F’’(p) = F(p) – pf(0) – f’(0)
Si f(0) = 0 et f’(0) = 0 alors F’’(p) = F(p)
Plus généralement, si f(t) et toutes ses dérivées jusqu’à l’ordre
n s’annulent pour t = 0 alors : = F(p)
Intégration de la TL :3 g(t)= 𝑑x G(p)=
Par Ing.F. ATIA BEYINA 47
Théorème du retard :4
Soit g la fonction retardée d’une fonction f d’un temps τ tel
que :
g(t) = f(t-τ)
On a alors : G(p) = F(p- τ) = ⸱F(p)
Théorème de la valeur initiale : 5
=
Théorème de la valeur finale :6
=
Exemples: On s’intéresse à un circuit RL (résistance +
bobine). Déterminer la relation obtenue après application de
la transformée de Laplace.
p S(p)+S(p)=E(p)
Par Ing.F. ATIA BEYINA 48
Dirac

Un Dirac est une masse ponctuelle qui est souvent utilisée pour simplifier les
calculs. C’est une ‘’distribution’’ dont le support est réduit au point t=0 et
d’intégrale l’unité, si bien que toute fonction continue f(t)
.
Soit est une fonction continue à support dans [-1, 1] et de masse unité.

La fonction a un support dans [-s, s]. Avec le changement de variable t’= on

montre que

Soit f(t) une fonction continue, on vérifie facilement que

Un Dirac se définit par . où la limite doit être formellement prise au sens où pour
toute fonction continue f(t) = )

Par Ing.F. ATIA BEYINA 49

On peut définir un Dirac translaté en par

` et on montre que pour toute fonction continue f(t)

)
On peut cependant éviter d’utiliser une limite et déduire le
résultat

par un changement de variable u’=u.

Un Dirac est symétrique , car
= )
On peut don récrire
) , comme une décomposition de f(t) en une somme de
Diracs translatés en différents points

Par Ing.F. ATIA BEYINA 50

Réponse Impulsionnelle
En décomposant un signal f(t) comme une somme de Diracs translatés, nous
montrons que tout opérateur homogène peut s’écrire comme un produit de
convolution.
On a vu ,

La continuité et la linéarité de L montrent que

L[f(t)]=
Soit h(t)=la réponse de L pour une impulsion de
h(t)= L[
L’homogénéité temporelle implique
L[= h(t-u) et donc
L[ = =
Une multiplication des signaux dans le temps correspond une convolution de
leurs spectres
On note le produit de convolution de h avec f
L[ f(t)]=h*f(t)=
Un opérateur linéaire se calcule donc par un produit de convolution avec la
réponse impulsionnelle. Par Ing.F. ATIA BEYINA 51
Décalage temporel
Les signaux sont assimilés à des fonctions, il est possible de leur faire
subir différentes opérations mathématiques.
Il est souvent en analyse du traitement des signaux de devoir décaler
temporellement un signal 𝑺(𝒕) (𝐬𝐡𝐢𝐟𝐭𝐢𝐧𝐠); on obtient ainsi un
nouveau signal 𝑺(𝒕 ∓ 𝒂).Ce décalage 𝒂 peut être négatif (décalage
retardé) ou positif (décalage avancé).
− Pour toute valeur de 𝒂 𝟎, on dit que:
− Le signal est avancé si on a 𝑺(𝒕 + 𝒂) c'est-à-dire faire une
translation horizontale du signal 𝑺(𝒕) de la valeur de 𝒂 vers la gauche.
−Le signal est retardé si on a 𝑺(𝒕 − 𝒂) c’est à dire lorsqu’on fait une
translation horizontale du signal 𝑺(𝒕) de la valeur 𝒂 vers la droite.
Un exemple de décalage est donné ci-après dans le slide suivant.

Par Ing.F. ATIA BEYINA 52

Fig. .Exemple d’un signal porte retardé et avancé

Par Ing.F. ATIA BEYINA 53

Convolution
Soient f et g, 2 fonctions périodiques
On note t ∈ R :
(f ∗ g)(t) =f(t) ∗ d.= d
L’application f ∗ g est appelée le produit de convolution de f
et g. on a :
f(t)∗g(t)= d=dg(t)∗f (t)

« Recette »: pour calculer un produit de convolution, il faut

conserver le premier signal, trouver le symétrique du second
par rapport à l’axe des ordonnées, décalé ce signal du temps t,
multiplier les deux signaux obtenus et finalement intégrer le
résultat.

Par Ing.F. ATIA BEYINA 54

 Quelques propriétés du produit de convolution
Commutativité
h*f(t)= f*h(t)
La convolution de f(t) avec un Dirac translaté translate f(t) par
f*δτ (t)= = f(t-τ)
Stabilité et causalité
Un filtre est causal si et seulement si L[ f(t)] ne dépend que des valeurs f(u)
pour u<t.
Comme L[f(t)]=
Cela signifie que h(u)=0 pour u<0
On dit alors que h(t) est une fonction causale
On exprime souvent les fonctions causales comme les produits avec la
fonction échelon.
h(t)=h(t)γ(t)
avec γ(t)=. 0, pour t< 0 et 1, pour t ≥ 0
Lorsque f(t) est bornée on veut garantir que L[ f(t)] est aussi bornée.
On dit alors que le filtre L et h(t) sont stables.
Par Ing.F. ATIA BEYINA 55
Fonction de transfert
Les exponentielles complexes sont les vecteurs propres des
opérateurs de convolution.
En effet, L[ =
Ce qui donne
L[ = =
Avec pour valeur propre,

La fonction et est appelée fonction de transfert de filtre. Les

exponentielles étant les vecteurs propres des opérateurs d’un système
linéaire homogène, il est tentant d’exprimer le signal f(t) comme
somme d’exponentielles complexes de façon à facilement calculer la
réponse du filtre.
L’analyse de Fourier prouve qu’une telle décomposition est possible,
en imposant des conditions sur f(t).
Par Ing.F. ATIA BEYINA 56