Analyse Et Filtrage Des Signaux Numériques - chap1+chap2+chap3+TPn - 3 - 2013

Analyse et Filtrage des signaux numriques M1 ST/TRM (2013/2014)
F.E.I., U.S.T.H.B.
1

Partie I : Analyse temporelle et frquentielle des signaux numriques

I. Introduction et rappels divers (1,5 Sance)
- Notion de traitement du signal
- Classification des signaux
- Rappels sur la TF
- Rappels sur lchantillonnage
- Systmes analogiques systmes numriques
- Signaux dterministes discrets usuels

II. Analyse temporelle des SLID (1,5 Sance)
- Systmes linaires et invariants discrets
- Stabilit, causalit
- Energie et puissance
- Corrlation et autocorrlation

III. Analyse frquentielle des SLID (2,5 Sances)
- Notion de frquence
- TF des signaux numriques
- Lien entre TF des signaux chantillonns et TFD
- Proprits principales de la TFD
- TF tronque et Fentres de pondration


F.E.I., U.S.T.H.B.
2
Partie II : Filtrage des signaux numriques
IV. Transforme en Z (2,5 Sances)
- TZ et Notion de convergence
- Proprits de la TZ
- TZ inverse
- Fonction de transfert

V. Filtres numriques RIF (2 Sances)
- Etude des filtres RIF
- Synthse des filtres RIF par la mthode des fentres
- Synthse des filtres RIF par la mthode de lchantillonnage frquentiel
- Constitution et ralisation de filtres RIF

VI. Filtres numriques RII (2 Sances)
- Etude des filtres RII
- Synthse des filtres RII par la mthode de la rponse impulsionnelle
- Synthse des filtres RII par la mthode des ples et des zros
- Synthse des filtres RII par la mthode de la transformation bilinaire
- Constitution et ralisation de filtres numriques

Travaux Pratiques
1. Analyse temporelle (Corrlation, convolution, nergie, puissance)
2. Analyse frquentielle (TFD et proprits)
3. Fentrage (Hanning, Blackman, etc.)
4. Transforme en Z et proprits
5. Conception de filtres numriques RIF
6. Conception de filtres numriques RII

F.E.I., U.S.T.H.B.
3
I. Introduction et rappels divers

Un signal est la reprsentation physique de linformation quil transporte de sa source son destinataire.
Il sert de vecteur une information. Il constitue la manifestation physique dune grandeur mesurable (courant,
tension, force, temprature, pression, etc.). Les signaux sont des grandeurs lectriques variant en fonction du
temps x(t) obtenues laide de capteurs. Sur le plan analytique : Un signal sera une fonction d'une variable
relle, en gnral le TEMPS.
Exemples :
Onde acoustique : courant dlivr par un microphone (parole, musique, )
Signaux biologiques : EEG, ECG
Tension aux bornes d'un condensateur en charge
Signaux gophysiques : vibrations sismiques
Finances : cours de la bourse
Images, Vidos
Tout signal physique comporte une composante alatoire (perturbation externe, bruit, erreur de mesure,
etc ). Le bruit est dfini comme tout phnomne perturbateur gnant la perception ou linterprtation dun
signal, par analogie avec les nuisances acoustiques (interfrence, bruit de fond, etc.). La diffrentiation entre le
signal et le bruit est artificielle et dpend de lintrt de lutilisateur : les ondes lectromagntiques dorigine
galactique sont du bruit pour un ingnieur des tlcommunications par satellites et un signal pour les
radioastronomes.

1. Notion de traitement du signal
La thorie du signal a pour objectif fondamental la "description mathmatique" des signaux. Cette
reprsentation commode du signal permet de mettre en vidence ses principales caractristiques (distribution
frquentielle, nergie, etc.) et danalyser les modifications subies lors de la transmission ou du traitement de
ces signaux.
Le traitement du signal est la discipline technique qui, sappuyant sur les ressources de llectronique,
de linformatique et de la physique applique, a pour objet llaboration ou linterprtation des signaux. Son
champ dapplication se situe donc dans tous les domaines concerns par la perception, la transmission ou
lexploitation des informations vhicules par ces signaux.
Les fonctions du traitement du signal peuvent se diviser en deux catgories : llaboration des signaux
(incorporation des informations) et linterprtation des signaux (extraction des informations). Les principales
fonctions intgres dans ces deux parties sont les suivantes :

F.E.I., U.S.T.H.B.
4
laboration des signaux
synthse (voix synthtique, image de synthse, etc.)
cration de signaux de forme approprie en procdant par exemple une combinaison de signaux
lmentaires.
modulation, changement de frquence : moyen permettant dadapter un signal aux caractristiques
frquentielles dune voie de transmission.

codage/compression : traduction en code binaire (quantification), compression (Jpeg, mp3, mpeg4, etc.)
Interprtation des signaux
filtrage : limination de certaines composantes indsirables (Dtection de craquements sur un
enregistrement, dtection de bruit sur une image, annulation d'cho, etc.)
dtection : extraction du signal dun bruit de fond (corrlation)
identification : classement dun signal dans des catgories pralablement dfinies ((identification d'une
pathologie sur un signal ECG, reconnaissance de la parole, etc.)
analyse : isolement des composantes essentielles ou utiles dun signal de forme complexe (transforme de
Fourier)
mesure : estimation dune grandeur caractristique dun signal avec un certain degr de confiance (valeur
moyenne, etc.)

Schma d'un systme de gnration et de traitement du signal

F.E.I., U.S.T.H.B.
5
Classification des signaux
Pour faciliter ltude des signaux, diffrents modes de classification peuvent tre envisags :
reprsentation temporelle des signaux (Description nergtique)
reprsentation spectrale pour laquelle le signal est class par le domaine de variation de la frquence
moyenne Df .
les signaux certains (ou dterministes) dont lvolution en fonction du temps peut tre parfaitement
dcrite par un modle mathmatique. Quant aux signaux alatoires (ou probabilistes), ils ont un
comportement temporel imprvisible et pour la description desquels il faut se contenter dobservations
statistiques.
caractristique morphologique (signal continu ou discret). Le temps est un paramtre important de
classification. Le traitement numrique des signaux conduit faire la distinction entre les signaux dits temps
continus (signaux continus) et les signaux dits temps discrets (signaux discrets ou chantillonns).
Un autre paramtre des signaux traits est prendre en compte, cest lamplitude qui peut aussi tre
continue ou discrte (quantifie). Ainsi quatre formes de signaux, qui se retrouvent dans un systme
numrique de contrle dun processus physique, peuvent tre distingues :
signal amplitude et temps continus (signal analogique) : s(t)
signal amplitude discrte et temps continu (signal quantifi) : Sq(t). Ce signal correspond celui qui
est fourni la sortie dun circuit convertisseur numrique analogique pour la commande dun actionneur
signal amplitude continue et temps discret (signal chantillonn) : s(nTe). Ce signal, obtenu laide
dun circuit chantillonneur bloqueur, est transmis un circuit convertisseur analogique numrique pour
obtenir un signal numrique utilisable par un ordinateur
signal amplitude discrte et temps discret (signal logique ou numrique) : sq(nTe). Ce dernier cas
correspond en ralit une suite de nombres cods en binaire. Ces nombres, utiliss au sein dun ordinateur,
se transmettent sous la forme de plusieurs signaux de type numrique 0 V (0 logique) ou 5 V (1 logique) se
propageant en parallle : 8 signaux pour un nombre cod sur 8 bits.


F.E.I., U.S.T.H.B.
6
Les notes dun lve sont un signal TD par nature, alors quune temprature mesure priodiquement
est un signal TD par chantillonnage.
Ainsi, la numrisation dun signal est lopration qui consiste faire passer un signal de la reprsentation
dans le domaine des temps et des amplitudes continus au domaine des temps et des amplitudes discrets. Cette
opration de numrisation dun signal peut tre dcompose en deux tapes principales : chantillonnage et
quantification. La restitution (ou linterpolation) constitue le processus inverse qui intervient lors du passage
du signal numrique au signal analogique : commande dun actionneur. Ces trois tapes sont indissociables.
En effet, le signal, tant le support physique dune information, doit conserver au cours de ces modifications
tout le contenu informatif initial. Cette condition, ajoute la notion de cot limite dun systme, va tre la
base de la numrisation des signaux et de ltude du traitement numrique.

2. Rappels sur la Transforme de Fourier
Signaux nergie finie
La transforme de Fourier est une technique mathmatique permettant de dterminer le spectre de
frquences d'un signal (par exemple un son). La transformation de Fourier correspond un changement de
base dans l'espace des fonctions de carr sommable. La dfinition mathmatique est la suivante :

x(t) et X(f) sont deux descriptions quivalentes du mme signal. La transforme de FOURIER existe si les
trois conditions de DIRICHLET sont vrifies:
- x(t) possde un nombre fini de discontinuits sur tout intervalle fini,
- x(t) possde un nombre fini de maxima et de minima sur tout intervalle fini,
- x(t) est absolument intgrable, cest--dire : existe
Ainsi, tous les signaux nergie finie possde une transforme de Fourier. Cette dernire est une
fonction complexe mme si x(t) est rel, elle pourra tre exprime sous la forme:

( ) dt t x
+

{ } ( ) ( )
( ) ( ) { } ( )
) (
2 1
2
.
df e f X f X TF t x
dt e t x f X t x TF
t f j
t f j
= =
= =
( )

) (
) (
)) ( arg(
) ( ) (
2 2
= =
+ =
f A
f B
arctg f X
f B f A f X

F.E.I., U.S.T.H.B.
7
O X(f) et sont respectivement le module et la phase de X(f) :
o X(f) = fonction rel x(t) est paire
o X(f) = fonction imaginaire pure x(t) est impaire
Exemples

Remarques :
- La proprit de changement d'chelle indique que plus le support temporel d'une fonction est troit
plus le support de sa TF est large.
- La translation d'un signal temporel se traduit par un dphasage en frquence. Une translation en
frquence quivaut une modulation temporelle.
- La proprit de dualit permet dobtenir facilement de nouvelles paires de transformes de FOURIER
partir des paires dj connues.
- La TF d'un signal priodique est divergente, mais on peut dfinir une TF au sens des distributions en
utilisant la dcomposition en Srie de Fourier. Le rsultat correspond un spectre de raies (non continu). Lien
entre srie de Fourier et TF
sachant que:
( ) ( )
=
=

) 2 exp( ) (
1
2
.
0
2 /
2 /
dt e t x f X
dt t jnf t x
T
C
t f j
T
T
n
alors
+
=
T
n
C T f X ) . lim( ) (
Pour les signaux nergie finie, la TF conserve l'nergie (relation de Parseval) :
On peut donc dfinir une notion d'nergie par unit de frquence, la densit spectrale d'nergie (DSE). La
DES est la TF de l'autocorrlation (Thorme de Wiener-Kintchine

On remarque que la DES est indpendante de la phase, donc elle est insensible tout retard. Pour les
signaux puissance moyenne finie, on dfinit alors une densit spectrale de puissance (DSP):

+

+

= =
s s
x
df f X dt t x E
2 2
) ( ) (
= =
s
f j
x x
d e R f X f S
2
2
) ( ) ( ) (
T
f X
f P
T
x
2
) (
) (
lim

=

F.E.I., U.S.T.H.B.
8
Principales proprits de la TF
o Linarit : ) ( ) ( ) ( ) (
2 1 2 1
f bX f aX t bx t ax
TF
+ +
o Dcalage temporel :
0 2
0
) ( ) (
t f j TF
e f X t t x

o Dcalage frquentiel : ) ( ) (
0
0 2
f f X e t x
TF t f j

(MA)
o Dualit temps-frq : ) ( ) ( ) ( ) ( f x t X f X t x
TF TF

o Changement d'chelle : ) / (
1
) ( a f X
a
at x
TF

o Drivation : ) ( ) 2 (
) (
f X f j
dt
t x d
n TF
n
n

o Inversion et conjugaison :
) ( ) (
) ( ) (
* *
f X t x
f X t x
TF
TF

o Convolution : ) ( ). ( ) ( ) ( f H f X t h t x
TF

TF au sens des distributions
Pour les signaux puissance moyenne finie (Dirac, Echellon,
signaux priodiques, etc.), on peut dfinir une TF au sens des
distributions.
o Dirac :
0
2
0
) (
t f j TF
e t t

1 ) (
TF
t
o Echelon et signe:
jf
f Sgn f
jf
t U
TF
1
) ( ) (
2
1
2
1
) ( = +
o Priodiques :

+
=
+
=

n
n
TF
n
n
nf f C t jnf C ) ( ) 2 exp(
0 0

o Peigne de Dirac :

+
=
+
=
=
n
TF
n
nf f
T
f X nT t ) (
1
) ( ) (
0

o ) (
2
1
) (
2
1
) 2 cos(
0 0 0
f f f f t f
TF
+ +
o ) (
2
1
) (
2
1
) 2 sin(
0 0 0
f f
j
f f
j
t f
TF
+


F.E.I., U.S.T.H.B.
9
3. Quelques rappels sur lchantillonnage
Lchantillonnage est un lment important en traitement numrique de signaux - il constitue la
premire opration effectuer lors dune conversion analogique numrique (A/N). Nous devrons garder
lesprit le fait que lacquisition numrique ne doit pas dtriorer le signal. On doit conserver au travers de la
numrisation linformation utile (Voix : [0 , 20kHz] ; Vido [0 , 6MHz]). De plus, il faut limiter lespace
mmoire ncessaire au stockage. On sattachera dans une chane dacquisition minimiser cette valeur tout en
ne dtriorant pas le signal. Pour transformer un signal analogique en un signal numrique, il faut le
discrtiser. On va donc prlever rgulirement des chantillons du signal analogique pour le rendre discret et
permettre ainsi sa numrisation.

Echantillonnage idal
Soit x(t) un signal analogique de transforme de Fourier X(f). Echantillonner le signal x(t) consiste
choisir une frquence Fe et de construire un nouveau signal avec les x(nTe) avec n un entier et Te=1/fe.
On peut crire le signal chantillonn xe(t) sous la forme :
=
n
e e e
nT t nT x t x ) ( ) ( ) (
que l'on peut schmatiser : x(t) x
e
(t)

=
n
e e
nT t t x t x ) ( ). ( ) ( ,

n
e
nT t ) (

=
n
e e e
nf f X f f X ) ( ) (
Cette expression montre que le spectre Xe(f) est priodique de
priode fe et quil est la somme des rpliques (copies) du spectre
original X(f) dcales de nfe . L'chantillonnage dans le domaine
temporel se traduit par une "priodisation" de priode fe dans le
domaine frquentiel.
Thorme de Shannon
On considre que x(t) est un signal rel dont le spectre est born en frquence, de frquence maximale
fmax :
0 ) (
max
= > f X f f
2
) ( ) ( f X f
x
=

F.E.I., U.S.T.H.B.
10
2 cas se prsentent alors :
- fe > 2 fmax
Le motif principal (n = 0) est gal au spectre de x(t). Comme les
motifs sont disjoints, on peut extraire X(f) grce un filtre
passe-bas idal et donc reconstituer intgralement le signal x(t)
partir des xe(t).
- fe < 2 fmax
Les motifs lmentaires de |Xe(f)| se recouvrent. On
parle de repliement de spectres. Il n'est pas possible de
rcuprer le spectre X(f) par un filtrage appropri. Il
n'est donc pas possible de reconstruire le signal initial
x(t) partir de la connaissance de son chantillonn
xe(t).
Par consquent, pour que la rptition priodique du spectre de xe(t) ne dforme pas le spectre X(f) rpt, il
faut et il suffit que fe > 2 fmax (thorme de Shannon).

Remarques:
Si le support du spectre X(f) nest pas born (stale sur laxe rel) il y a un repliement du spectre des
chantillons (aliasing), on ne peut pas isoler le spectre original partir de celui des chantillons.
Dans la pratique, on ne peut pas se contenter de prendre une frquence dchantillonnage gale la
frquence de Nyquist (2 fmax), il faut en prendre une largement suprieure. Par exemple, pour numriser la
parole dans le rseau tlphonique, on utilise une frquence d'chantillonnage fe= 8kHz alors que le spectre de
la voix est en gnral compris entre 300Hz et 3400Hz. De mme, la digitalisation des disques compacts se fait
fe= 44.1kHz alors que le support du spectre sonore est [0Hz, 20kHz]. En effet, si on prend la frquence de
Nyquist pour chantillonner, alors il faudrait avoir un filtre passe-bas idal avec une frquence de coupure trs
nette. Par contre, quand le spectre est plus "ar", on peut utiliser des filtres dont la zone de coupure peut tre
plus large.
Filtre anti-repliement :
Les signaux tudis en ralit sont rarement support frquentiel born, cest--dire que fmax = 1. Cest
par exemple le cas dun signal rectangulaire priodique dont les raies frquentielles stendent linfini ou
encore un signal bruit. Ceci implique que quelle que soit la frquence dchantillonnage il y aura repliement
de spectre puisque fe > 2 fmax = est une condition impossible raliser. Pour remdier ce problme, on
utilise lentre dun systme numrique un filtre passe-bas appel filtre anti-repliement ou anti-aliasing. Ce
filtre est analogique, idalis il doit avoir un gain de 1 sur une bande de frquence Fe, centre en zro. Son rle
va tre de limiter le contenu spectral du signal la partie utile. Il va participer aussi limiter linfluence du
bruit ventuellement prsent sur le signal numriser.

F.E.I., U.S.T.H.B.
11
2
) ( ) ( f X f
x
=
Echantillonnage naturel (suiveur)
Soit x(t) un signal analogique de transforme de Fourier X(f). Echantillonner le signal x(t) consiste
choisir une frquence fe et de construire un nouveau signal avec les x(nTe) avec n un entier et Te=1/fe.
x(t) x
e
(t)

n
e
nT t ) 2 / (

Cela signifie que lchantillonnage naturel est la multiplication du signal analogique (suppose causal : nul
pour t ngatif) par le signal qui est un train, priodique de priode Te, dimpulsions rectangulaires de dure .
=
n
e e
nT t t x t x ) 2 / ( ). ( ) (
) ( * ) 2 / ( ). ( ) (
e
n
e
nT t t t x t x =

) ( . ) ( sin * ) ( ) (
e e
f j
n
e
nf f f e f c f X f X =

) ( ) ( sin * ) ( ) (
e
nf j
n
e e e
nf f e nf c f X f f X
e
=

) ( ) ( sin ) (
e
nf j
n
e e e
nf f X e nf c f f X
e
=

Donc, en comparaison avec lchantillonnage idal, un facteur ) ( sin
e e
nf c apparat lors dun chantillonnage
naturel. Le spectre du signal analogique va non seulement tre priodis la frquence dchantillonnage,
mais il va en plus tre pondr par un sinus cardinal.
Remarques :
Le terme fe= /Te est dcisif quant la qualit du compromis chantillonnage/rsolution frquentielle :
La rsolution frquentielle (pouvoir de discerner le spectre a deux frquences trs proches) exige fe faible et
lchantillonnage exige fe important et faible
Mise en forme
Une chane de traitement du signal chantillonn peut tre schmatise de la manire suivante :


F.E.I., U.S.T.H.B.
12
Le signal analogique s(t) possde probablement et dans la majorit des cas une bande spectrale large : la
premire tape consiste limiter cette bande par un filtrage passe-bas (mise en forme) afin de pouvoir
effectuer lchantillonnage en respectant le thorme de Shannon.
Une fois le signal chantillonn obtenu, le traitement souhaite peut tre effectu sur les chantillons. La
reconstruction des rsultats analogiques, de large bande gnralement, partir des chantillons traits
ncessite une reconstruction (un bloqueur par exemple) suivie dun filtrage passe-bas adquat (lissage) puis
dune mise en forme identique celle applique a lentre afin de limiter la largeur de bande.

4. Systmes analogiques Systmes numriques
Les systmes numriques possdent sur leurs homologues analogiques un ensemble davantages dcisifs :
- Simplicit. Les systmes numriques sont intrinsquement plus simples analyser (et donc synthtiser) que
les systmes analogiques. La rcurrence linaire qui caractrise un filtre numrique, par exemple, est accessible
un tout jeune enfant. Cette proprit des systmes numriques est due en partie ladquation parfaite entre
simulation et traitement : simuler un traitement numrique, cest en faire.
- Possibilits de traitement accrues. La simplicit des oprations numriques de base ne doit pas tromper : il
sensuit quil est possible de raliser, en numrique, des oprations beaucoup plus complexes quen
analogique, notamment des oprations non-linaires.
- Robustesse aux bruits. Les systmes numriques sont par essence insensibles aux bruits parasites
lectromagntiques. Le transcodage de linformation sous forme numrique joue un peu le rle de firewall .
- Prcision et stabilit. Puisque les seuls bruits sont lis la prcision des calculs, cette dernire dpend
uniquement du calculateur utilis ; elle est insensible la temprature et ne varie pas avec lge du systme.
- Flexibilit. Dans un grand nombre de systmes numriques, le traitement est dfini par un logiciel charg en
mmoire. Il est ds lors trs facile de modifier ce traitement, sans devoir modifier la machine qui le ralise. On
pense par exemple aux modems numriques actuels, qui peuvent sadapter facilement aux normes futures par
simple reprogrammation.

5. Signaux dterministes temps discret usuels
Rappelons que les signaux dterministes renferment une information dont l'volution en fonction du
temps peut tre parfaitement prdite par un modle mathmatique (au contraire des signaux
alatoires/stochastiques). Nous prsentons dans cette section quelques fonctions mathmatiques ainsi que
leurs proprits, supports de signaux lmentaires et utilises tout au long du cours de traitement du signal.
Un signal dterministe temps discret est une suite de valeurs relles ou complexes indexes par Z. On
utilise aussi le terme de signal. En traitement du signal, un signal temps discret provient souvent de
lchantillonnage la cadence Fe = 1/Te, dun signal x(t) dterministe temps continu qui est suppos bande
limite (Fe/2, Fe/2).

F.E.I., U.S.T.H.B.
13
Dans la suite nous supposerons que tous les signaux sont chantillonns la mme cadence et nous
omettrons alors dindiquer Te en notant x(n) = x(nTe).
- Fonction signe
<
=
0 1
0 1
) sgn(
n
n
n

- Fonction chelon (unit)
<
= =
0 0
0 1
) ( ) (
n
n
n n U

- Fonction porte

=
+
ailleurs
N n N
n
N
0
2 / 2 / 1
) (
1

- Fonction rectangle causal

=
ailleurs
N n
N n rect
0
1 0 1
) / (

- Fonction Dirac (impulsion unit)
) 1 ( ) (
0 0
0 1
) ( =
=
= n U n U
n
n
n
Autres proprits:
x(n). (n-n
0
)=x(n
0
) et x(n)* (n-n
0
)=x(n-n
0
)

- Fonction sinus cardinal
n
n
n c
) sin(
) ( sin =


F.E.I., U.S.T.H.B.
14

Srie 1
1. Soient x(t)=

) (t

et y(t) = ) (
2 /
t
signal porte et signal triangulaire damplitude A>0 et de largeur .

Tracer x(t) et y(t) sur le mme graphe
Utiliser les drives pour trouver X(f) et Y(f) qui seront reprsents sur le mme graphe puis commenter et
interprter les deux graphes pour A=1 et =20.

2. Soit le signal

+

= ) ( ) ( nT t t x , montrer que :
+

T
t
n j
e
2
=
+

) ( nT t T et dterminer la TF de x(t)

3. On chantillonne un signal sinusodal de frquence 200Hz avec une frquence dchantillonnage Fe =
500Hz puis avec Fe = 300Hz. Quel signal obtient-on lors dune reconstruction parfaite dans les deux cas ?

4. Un signal
t a
e t x

= ) ( avec a = 2 est transmis au travers du systme suivant :

Lchantillonneur est ralis par un interrupteur qui souvre et se ferme priodiquement la cadence fe =
20Hz avec un temps de fermeture gal Tf = 20ms. Esquisser lallure de y(t) et de son spectre damplitude
Y(f);

Solutions :
1. ) ( sin ) ( f c A f X =

) 2 / ( sin ) (
2
f c A f Y =

3. Fe=500Hz ) 2 cos( ) (
0
t f t x
r
= avec f0=200Hz
Fe=300Hz ) 2 cos( ) (
0
t f t x
r
= avec f0=100Hz
4. Echantillonneur naturel

=
n
e
nT t t x t y ) ( . ) ( ) (

) ( ) ( sin ) (
e
n
f e e f
nf f X T nf c f T f Y =

A.N. ) 20 ( ) 4 . 0 ( sin 4 . 0 ) ( n f X n c f Y
n
=

x(t)
chantillonneur
yt)

F.E.I., U.S.T.H.B.
15
Exercices supplmentaires
1. Soit
+
=
ailleurs
t t
t h
......... .......... .......... 0
2 / 1 .... )......... 2 cos( 2
) (

Dterminer H(f), la transforme de Fourier de h(t)
Esquisser H(f) pour lintervalle 0 <= f <= 3 et Donner la valeur numrique de H(f) pour f = 2.5
Solution ) 1 ( sin
2
1
) 1 ( sin
2
1
) ( sin 2 ) ( + + + = f c f c f c f H

2. On considre un signal de parole de dure 1mn et ayant une bande passante de 10 kHz.
- Calculer le nombre minimal dchantillons ncessaires pour reprsenter ce signal.
- En supposant que le signal est chantillonn selon le schma suivant :

xe(t)

0 Te +Te 2Te +3Te
- Exprimer le signal chantillonn xe(t) o est un retard.
- Calculer sa transforme de Fourier.
On suppose que lchantillonnage se fait sans retard ( = 0)
- Exprimer le signal chantillonn et montrer que lon peut reconstituer thoriquement le signal x(t) partir
des chantillons x(nTe).
On se propose de reconstituer le signal de la faon suivante, exprimer xr(t).

xr(t)

x(0)

0 Te 2Te 3Te 4Te t
Solution
D=60s et fmax=5kHz Nmin=D/Temin=6.10
5

=
n
e e e
nT t nT x t x ) ( ) ( ) ( ) ( ) (
2
e
n
jf
e e
nf f X e f f X =

=0
=
n
e e e
nT t nT x t x ) ( ) ( ) (

Reconstruction thorique ) (
1
) ( ) ( f
f
f X f X
fe
e
e R
= )) ( ( * ) ( ) (
e e e
n
R
nT t f sinc nT x t x =

Bloqueur dordre 0 ) 2 / ( ) ( ) (
e e
Te
e
n
R
T nT t nT x t x =

x(3Te
)
x(2Te
)
x(Te)

F.E.I., U.S.T.H.B.
16

II. Analyse temporelle des systmes linaires et invariants discrets

1. Thorie des systmes linaires et invariants
Dans de nombreuses applications fondes sur la propagation des ondes, en acoustique ou en
lectromagntisme, on simplifie considrablement les problmes tudis en faisant des hypothses sur la
manire dont un systme dforme un signal. Deux des hypothses les plus importantes sont la linarit et
l'invariance dans le temps.
Un systme linaire est un modle de systme qui applique un oprateur linaire un signal d'entre.
Un systme linaire affiche typiquement des caractristiques et des proprits beaucoup plus simples que le
cas gnral non-linaire. C'est une abstraction mathmatique trs utile en automatique, traitement du signal,
mcanique et tlcommunications. Les systmes linaires sont ainsi frquemment utiliss pour dcrire un
systme non linaire en ignorant les petites non-linarits. Un systme est discret, si la suite d'entre discrte
x(n) correspond une suite de sortie discrte y(n).

- Si le systme est rgi par le principe de superposition, on parle de systme linaire. Linarit : si l'entre x(n)
produit une sortie y(n), quand on applique une entre k.x(n) , la sortie sera k.y(n). Si deux entres x1(n) et
x2(n) engendrent deux sorties y1(n) et y2(n) alors x1(n) + x2(n) engendrera y1(n) + y2(n)

- Si le systme est invariant, cela implique que le systme ragit de la mme faon quelque soit linstant auquel
nous appliquons ses excitations. Cette proprit exprime que la caractristique du systme ne dpend pas de
lorigine du temps. Sil y a invariance dans le temps, une translation de l'entre (x(n) x(n-m)) se traduira par
une mme translation dans le temps de la sortie (y(n)y(n-m)).


F.E.I., U.S.T.H.B.
17
Remarque :
- Un systme linaire invariant est un systme dont le comportement dans le temps, peut-tre dcrit par une
quation aux diffrences :

= =
=
M
i
N
i
i i
i n x b i n y a
0 0
) ( ) ( ,
Si les hypothses de linarit et d'invariance temporelle sont vrifies, on peut caractriser le systme par sa
rponse impulsionnelle h(n).

On peut en dduire l'effet d'une entre quelconque sous la forme d'une convolution. Cette dernire est
lopration de traitement de signal la plus fondamentale. Elle indique que la valeur du signal de sortie
linstant n est obtenue par la sommation (intgrale) pondre des valeurs passes du signal d'excitation x(n).
La fonction de pondration est prcisment la rponse impulsionnelle h(n):

La rponse impulsionnelle h(n) est le signal qu'on obtient en sortie y(n)=h(n) si on applique en entre
une impulsion "de Dirac'' x(n)=(n). Le Dirac est l'lment neutre de l'opration de convolution:

Le calcul de la convolution consiste donc calculer la somme du produit x(m)h(n -m). Le signal h(n-m)
est simplement le signal initial h(m), retourn dans le temps pour donner h(-m) puis translat de n. En
calculant alors lensemble des produits obtenus en faisant glisser h, cest--dire pour tous les dcalages de
n, on obtient le produit de convolution pour tout n.

Exemple 1:

) ( ) ( n rect n x
N
=

1 0 ) ( ) ( < < = a n U a n h
n

) ( ) ( ) ( n h n x n z =

On distingue 3 cas :
x(n) y(n)
SLI: h(n)

=
=
= = =
m m
m n h m x m n x m h n x n h n y ) ( ) ( ) ( ) ( ) ( ) ( ) (
) ( ) ( ) ( n x n x n =
Analyse et Filtrage des signaux numriques

F.E.I., U.S.T.H.B.
Exemple 2 :
) (
1
1
) (
1
n
N
n h
N+
+
=

=
+
=
2 /
2 /
) (
1
1
) (
N
N m
m x
N
n y
Remarques :
Si on applique un SLIT une entre sinusodale relle ou complexe de frquence f
sinusode dont l'amplitude et la phase pourront tre modifies mais qui conservera la mme forme (une
sinusode) et la mme frquence f0. En termes plus mathmatiques, on dit que les sinusodes sont les fonctions
propres des SLIT.
- Si les ai sont diffrents de 0, le systme est dit rcursif
(RIF)
- Si le systme est rponse impulsionnelle de dure finie (RIF), alors :
Dans ce cas, le systme numrique est une fentre centre sur les K plus rcents chant
- Si le systme est rponse impulsionnelle de dure infinie (IIR) :
Dans ce cas, il est ncessaire de connatre tous les chantillons prsents et passs, le systme une mmoire de
longueur infinie.


Si on applique un SLIT une entre sinusodale relle ou complexe de frquence f
. En termes plus mathmatiques, on dit que les sinusodes sont les fonctions
sont diffrents de 0, le systme est dit rcursif (RII), il est non rcursif s'il ne dpend que des
ystme est rponse impulsionnelle de dure finie (RIF), alors :
Dans ce cas, le systme numrique est une fentre centre sur les K plus rcents chant
Si le systme est rponse impulsionnelle de dure infinie (IIR) :
essaire de connatre tous les chantillons prsents et passs, le systme une mmoire de
=
=
K
m
n y ) (
+
=
=
0
( ) (
m
m h n y
x(n)
M1 ST/TRM (2013/2014)
18

Si on applique un SLIT une entre sinusodale relle ou complexe de frquence f0, alors, la sortie sera une
. En termes plus mathmatiques, on dit que les sinusodes sont les fonctions
, il est non rcursif s'il ne dpend que des x(n-i)
Dans ce cas, le systme numrique est une fentre centre sur les K plus rcents chantillons.
essaire de connatre tous les chantillons prsents et passs, le systme une mmoire de
K
m n x m h
0
) ( ) (
) ( ) m n x m
y(n)

F.E.I., U.S.T.H.B.
Exemple 3

19

F.E.I., U.S.T.H.B.
20
2. Stabilit, causalit
Une contrainte importante pour la formalisation de nombreux problmes est de respecter la notion de
causalit (les effets ne peuvent pas prcder la cause). Dans le cas des SLIT, cette causalit se traduit par le fait
que pour: h(n) = 0 pour n<0.

0
, 0 ) ( n n n x < = alors
0
, 0 ) ( n n n y < =

0 , 0 ) ( < = n n h ,
=
=
n
m
m n h m x n y ) ( ) ( ) ( ,
- si h et x sont causaux
=
=
n
m
m x m n h n y
0
) ( ) ( ) (

C'est une hypothse fondamentale en traitement de signal : la cause prcde leffet les signaux de sortie ne
peuvent exister avant les signaux dentre qui les gnrent. Cest une hypothse intuitive qui est lie
lexprience mais, nous pouvons envisager mmoriser les signaux dentre et faire un traitement de ceux-ci en
temps diffr, les systmes utiliss ne sont plus alors ncessairement causaux car pour laborer la sortie
linstant ni, nous disposons en mmoire des entres aux instants suivants. Cest souvent le cas en traitement
dimage, en traitement de parole effectu aprs mmorisation du signal traiter. Un exemple de signal causal :
signal reu au vol (mission radio), exemple de signal non causal : signal enregistr.
Une autre notion fondamentale est la stabilit des systmes.
La proprit de stabilit des systmes boucls est non seulement
une performance mais une exigence pour le bon fonctionnement
dune boucle dasservissement ou de rgulation. Une boucle
instable est une boucle inutilisable. La dfinition la plus courante
de cette stabilit est la suivante : On dit qu'un systme est stable
si, en lui appliquant une entre borne quelconque, la sortie reste
borne, ce qui implique dans le cas des SLIT:

Un systme stable est un systme qui, perturb, revient son tat initial aprs disparition de la
perturbation.

3. Energie et puissance
Lnergie (puissance) est une quantit importante dans le traitement du signal. Toute transmission
dinformation saccompagne de transferts dnergie. En effet, les signaux continus ou discrets sont
essentiellement caractriss par lnergie ou la puissance quils vhiculent. Ce sont les seules grandeurs
physiques auxquelles sont sensibles les dtecteurs. Beaucoup de capteurs physiques mesurent une nergie ou
une quantit quadratique. Par exemple, les capteurs optiques mesurent une intensit, les compteurs
dlectricit mesurent une nergie, etc. Compte tenu de la dfinition fondamentale, lnergie du signal entre les
instants t et t+dt est : |x(t)|
2
dt (puissance instantane multiplie par le temps).
+

2
) (n x
<
n
n h ) (

F.E.I., U.S.T.H.B.
Soit un signal x(t) temps discret
finie et la valeur de cette somme est appele nergie du signal :

Exemples:
x(n) = Rect(n/N) nergie finie.
nergie finie
Pour un signal priodique, cette somme
signal x(n) priodique de priode N par :
=
1 2 /
2 /
2
) (
1
N
N
x
n x
N
P

Dans le cas gnral, on parle de signaux puissance moyenne finie dfinie par:

=
1 2 /
2 /
2
) (
1
lim
N
N
N x
n x
N
P

Exemples:
- signal continu x(t)=a,
- signal sinusodal A sin(2f0t) ,
- signaux priodiques,
- chelon unit.
- peigne de Dirac
Il existe des signaux ni priodiques, ni d'nergie finie, pour lesquels la puissance ne peut tre dfinie
comme par exemple la rampe x(n)=n
ne l'est jamais sur un intervalle de temps infini. Par exemple, on peut commencer visualiser un signal un
instant qu'on prendra comme origine des temps, et dans ce cas on
Tobs. Comme on ne sait pas ce que ce signal tait avant qu'on ne l'observe, ni ce qu'il deviendra aprs, il serait
prsomptueux d'utiliser les bornes de
sous la forme:

- Signal nergie finie = puissance nulle
Le calcul de l'nergie ou la puissance permet d'obtenir une premire caractrisation du signal. Par
ailleurs, la thorie du signal a largement dvelopp des mthodes dtude bases sur la corrlation pour
caractriser le comportement temporel du signal.
t un signal x(t) temps discret, tel que existe et converge. Alors le signal est dit nergie
est appele nergie du signal :
) nergie finie. x(n) = a (constante) nest pas nergie finie.
gnal priodique, cette somme ne converge pas. On peut nanmoins dfi
par :

ou
+
=
N
N
x
N
P
1 * 2
1

ou

=
N x
P
* 2
lim
Il existe des signaux ni priodiques, ni d'nergie finie, pour lesquels la puissance ne peut tre dfinie
x(n)=n. Il s'agit l de dfinitions mathmatiques. En pratique, un signal mesur
instant qu'on prendra comme origine des temps, et dans ce cas on arrtera son examen au bout d'un temps
. Comme on ne sait pas ce que ce signal tait avant qu'on ne l'observe, ni ce qu'il deviendra aprs, il serait
prsomptueux d'utiliser les bornes de - + dans la formulation de l'nergie, et on se limitera do
Signal nergie finie = puissance nulle - Signal puissance finie = nergie infinie
gement dvelopp des mthodes dtude bases sur la corrlation pour
caractriser le comportement temporel du signal.
=
=
Nobs
n
x
n x E
0
2
) (
+

=
2
) (n x E
x
+

2
) (n x
M1 ST/TRM (2013/2014)
21
, tel que existe et converge. Alors le signal est dit nergie
) = a (constante) nest pas nergie finie. x(n) = A sin(2f0n) nest pas
ne converge pas. On peut nanmoins dfinir la puissance d'un
N
N
n x
2
) (
+
N
N
n x
N
2
) (
1 *
1

Il existe des signaux ni priodiques, ni d'nergie finie, pour lesquels la puissance ne peut tre dfinie,
. Il s'agit l de dfinitions mathmatiques. En pratique, un signal mesur
arrtera son examen au bout d'un temps
. Comme on ne sait pas ce que ce signal tait avant qu'on ne l'observe, ni ce qu'il deviendra aprs, il serait
dans la formulation de l'nergie, et on se limitera donc l'crire
Signal puissance finie = nergie infinie
gement dvelopp des mthodes dtude bases sur la corrlation pour

F.E.I., U.S.T.H.B.
22
4. Corrlation et autocorrlation
La fonction de corrlation permet de mesurer le degr de ressemblance entre deux signaux en fonction
dun dcalage. Considrons x(n) et y (n) deux signaux d'nergie finie, la fonction d'intercorrlation Rx,y(k) est
dfinie par:
=
=
n
xy
k n y n x k R ) ( ) ( ) (
*

Lintercorrlation entre x(t) et y(t) atteint un maximum pour un retard k si x(n)=y(n-k)
Pour des signaux puissance moyenne finie, elle vaut : ) ( ) (
1
lim ) (
*
1
k n y n x
N
k R
n N
n
N
xy
=

=

Exemples:
Le signal x(t) ressemble le plus y(t) aux instants -T/2 et T/2. En t=0, x(t) ne ressemble pas du tout
y(t) (ils sont orthogonaux, produit scalaire nul). Pour l'exemple de droite, les signaux se ressemblent le plus
quand y(t) est dcal de 12 secondes.

Pour l'autocorrlation, on remplace y(n) par x(n) on obtient l'expression de l'autocorrlation pour les
signaux nergie finie:
=
=
n
x
k n x n x k R ) ( ) ( ) (
*

L'autocorrlation permet de dtecter des rgularits, des profils rpts dans un signal comme un signal
priodique perturb par beaucoup de bruit.
Proprits :
- Pour k= 0, on retrouve lnergie du signal Rxx(0) = Ex .
- Si x(n) est rel, lautocorrlation est relle
- Rxx(k) est maximale en k=0. Rien ne ressemble plus au signal que lui-mme.
x(n) y(n)
t
n
-N/2 N/2 n
-N
N
-3N/2
3N/2
1
1
-
1
k
N/2
-N/2
N
R
xy
(k)

F.E.I., U.S.T.H.B.
23
- Lautocorrlation dun signal de dure N aura une taille 2*N-1
Autocorrlation des signaux priodiques : Le calcul sur une seule priode suffit. Lautocorrlation dun
signal priodique est elle mme priodique. Par dfinition, le signal priodique ressemble parfaitement lui
mme, dcal dune ou plusieurs priodes.

- signaux priodiques

) ( ) (
1
) (
*
1
k n x n x
N
k R
n N
n
x
=

=

Remarque: Les oprations de corrlation et convolution sont lies. Mathmatiquement, on peut crire une
relation qui permet dexprimer la fonction de corrlation comme un produit de convolution (et
rciproquement). En effet:
On peut donc considrer l'opration d'un SLI comme une mesure de la corrlation entre deux signaux
(x
*
(-n) et h(n)). En fait, le signal de sortie est "construit" partir des composantes frquentielles communes au
signal d'entre et la rponse impulsionnelle.
Exemples : Extraction d'un signal noy dans du bruit, mesure d'un temps ou retard, dtection d'un signal
priodique.

) ( * ) ( ) (
*
n y n x k R
xy
=
Sinusode noye dans un bruit blanc SNR=0.15 Signal mis signal reu (noy dans du bruit)
Corrlation entre le signal mis et le signal reu

F.E.I., U.S.T.H.B.
24
Remarque : La notion de bruit est relative, elle dpend du contexte. L'exemple classique du technicien en
tlcom et de l'astronome :
- Pour le technicien en tlcom : Ondes d'un satellite = signal. Signaux provenant d'une source astrophysique
= bruit.
- Pour l'astronome : Ondes d'un satellite = bruit. Signaux provenant d'une source astrophysique = signal.
Ainsi, tout signal physique comporte du bruit = une composante alatoire.
Le rapport signal/bruit dsigne la qualit de la
transmission d'une information par rapport aux
parasites. Il est dfini par:
SNRdb=20 Log(PS/PB)


F.E.I., U.S.T.H.B.
25
Srie 2

1. Donner lexpression du signal chelon U(n) en fonction du signal signe Sgn(n).

2. Donner lexpression du signal x(n) = Arect[(n-n0)/N+1]= A ) (
0
1
n n
N

+
laide du signal signe seulement.
Justifier graphiquement la solution trouve (N suppos pair).

3. Calculer la sortie y(n) lorsque : x(n) = (nn0) +(nn1) et h(n) = e
an

4. Soit le signal chelon f(n)= E0 U(n), damplitude E0. Reprsenter graphiquement et calculer le produit de
convolution de f(n) par lui-mme (autoconvolution).

5. La fonction triangulaire est dfinie de la manire suivante:

Vrifier analytiquement et graphiquement la relation E
2.
N. N(n) = E.N+1(n) * E.N+1 (n), en dduire
l'autocorrlation du signal et son nergie (devoir rendre)

6. Les signaux suivants sont-ils nergie finie, puissance moyenne finie, ou ni lun, ni lautre ? Calculer, dans
chaque cas, lnergie totale et la puissance moyenne totale (a>0).

Arect(n/N+1) Asin(2f0n) Asin(2f0n).U(n) U(n)
n.U(n) Ae
-an
u(n) Ae
-an
Atri(n/N)

7. Calculer l'autocorrlation des signaux suivants (devoir rendre)
Arect(n/N) Asin(2f0n) 5 N(n) Bcos(2f0n)

8. Les squences x(n) (rel) et y(n) reprsentent respectivement lentre et la sortie dun systme discret.
Pour chaque cas, identifiez celles reprsentant
a) des systmes linaires, b) des systmes causals, c) des systmes invariants aux translations de n,
d) des systmes assurment ou possiblement stables (en fonctions des constantes)
1. y(n) = x(n) + bx(n-1) 2. y(n) = x(n) + bx(n+1) 6. y(n) = b
x(n)
b : constante relle
3. y(n) = nx(n) 5. y(n) = x(n)e
n
7. y(n) = |x(n)|
4. y(n) = x(n) sin(2f0n) N : constante entire

Solutions
1. U(n)=1/2(sgn(n)+1)
2. x(n)= A/2 [sgn(n-(n0-N/2))- sgn(n-(n0+N/2+1))]
3.
) 1 ( ) 0 (
) (
n n a n n a
e e n x

+ =
4. f(n)*f(n)= E0
2
.(n+1) pour n0 et 0 ailleurs
6. E=A
2
.(N+1) Pm=0, E= Pm=A
2
/2, E= Pm=A
2
/4, E= Pm=1/2
E= Pm=, E=A
2
/(1-e-
2a
) Pm=0 , E= Pm=, E=2A
2
N(1+N) Pm=0
7. A
2
N.N(k) A
2
/2.cos(2f0k) 25 N(k) B
2
/2.cos(2f0k)

( )

+ +
=
ailleurs
N n N n E
n N N n E
n N E
N
0
0 ) 1 (
0 ) 1 (
.
2
2
2

F.E.I., U.S.T.H.B.
26
8. a) Tous sauf 6 et 7. b) Tous sauf 2.c) Les systmes 1, 2, 6 et 7.

d) Les systmes 1 (b finie), 2 (b finie), 4, 6 (b finie) et 7.


1. Reprsenter les signaux suivants:
) 1 ( n
N
, n.U(n), (n-2).U(n-3), (-n+3)U(n-2)U(-n+3), e
-an.
U(n-1)

2. Soient

Calculer b > a b) (a, avec ) ( * ) (
+
2 1
et n x n x

Solution :
>
<
=

0 ] 1 [
0 0
) (
) (
n e
a b
e
n
n x
n a b
bn

3. Calculer et esquisser graphiquement pour les cas n0 < n1 et n0 > n1 le produit de convolution z(n) = x(n)*y(n)
pour les cas suivants :
X(n) = A[(n+n0) + (n-n0)] et Y(n) = B (n) + 1/2B[(n+n1) + (n-n1)]
Solution :
X(n)*Y1(n)=AB[(n+n0) + (n-n0)]+AB/2[(n+n0+n1) + (n-n0-n1)+ (n-n0+n1) + (n-n0-n1)]

) ( . ) ( ) ( . ) (
.
2
.
1
n U e n x n U e n x
n b n a
= =

F.E.I., U.S.T.H.B.

TP n1 : Analyse temporelle
Convolution, Energie, Puissance et Corrlation
I. Rappels

Convolution: Un SLIT est entirement caractris par sa rponse impulsionnelle :
( ) ( ) ( ) ( x t h t x t y = =
Energie et Puissance: Pour un signal temps continu x(t), et un signal temps

sexprime par :

et leur puissance moyenne par :

pour des signaux priodiques, elle devient :

Corrlation : La fonction de corrlation se dfinit de diffrentes faons suivant la classe de signaux laquelle
on sadresse :
-signaux nergie finie
( ) ( x t R
xy
=
- signaux priodiques
( )
1
2 /
2 /
x
T
t R
T
T
xy
=

- Proprits la fonction dautocorrlation R
puissance.

Remarques :
- Un signal numrique s(n) est une suite de N chantillons rguli
x(0),x(Te),x(2Te),, x((N-1)Te). La grandeur Fe=1/Te est appe

E
1
lim
+
=
T
T
P
1
=
T
T
P
TP n1 : Analyse temporelle des SLIT discrets
: Un SLIT est entirement caractris par sa rponse impulsionnelle :
) ( ) ) ( ) ( ) ( n h n x n y et d t h
k
= =

+
=

: Pour un signal temps continu x(t), et un signal temps
, elle devient :
: La fonction de corrlation se dfinit de diffrentes faons suivant la classe de signaux laquelle
) ( ) ( ) ( ) (
* *
y n x k R et d t y
k
xy
=

+
=

( ) ( ) ) (
1
) (
*
1
*
y n x
N
k R et d t y
k N
n
xy
=

=

Proprits la fonction dautocorrlation Rx : Paire, maximum en 0, pour k=0, on retrouve lnergie ou la
) est une suite de N chantillons rgulirement espacs de Te secondes:
1)Te). La grandeur Fe=1/Te est appele frquence dchantillonnage
) ( et ) (
2 2
= =
+

k
k x E dt t x
) (
1
lim et ) (
1
1 2 /
2 /
2 2

=
+
=
N
N k
N
T
k x
N
P dt t x
T
) (
1
et ) (
1 2 /
2 /
2 2

=
=
N
N k
T
k x
N
P dt t x
M1 ST/TRM (2013/2014)
27
discrets
: Un SLIT est entirement caractris par sa rponse impulsionnelle :
) ( ) ( k n h k x
+
=

: Pour un signal temps continu x(t), et un signal temps discret x(k), leur nergie
: La fonction de corrlation se dfinit de diffrentes faons suivant la classe de signaux laquelle
) ( k n
) (
*
k n
=0, on retrouve lnergie ou la
rement espacs de Te secondes:
le frquence dchantillonnage.

F.E.I., U.S.T.H.B.
Le trac graphique d'un signal discrtis en temps peut s'effectuer sim
(matlab)
- Lnergie dun signal x(n) est fournie sous matlab par
diviser lnergie par le nombre dlments
- Pour la corrlation et la convolution, on utili
corrlation de x et h de dure N est un signal y(n) de dure (2N
- La fonction b=randn(1,N) permet de gnrer un vecteur bruit b de distribution pseudo normale (de Gauss)
de taille N de moyenne nulle et dcart type 1 . Un coefficient multipli par
volont la puissance du bruit. Ainsi pour gnrer un vecteur bruit blanc de taille N, de moyenne m et dcart
type s la commande est : bruit= m+s *

II. Exemples tester
1. Le programme suivant permet de gnrer un Dirac en 0
t=-10:10;
x=[zeros(1,10),1,zeros(1,10)];
stem(t,x);
axis([-10 10 -0.5 1.5]);
title('Impulsion unit');
xlabel('n');
ylabel('Amplitude');

2. Le programme suivant permet de gnrer un chelon U(n)=1 pour n
t=-20:20;
x=[zeros(1,20),ones(1,21)];
stem(t,x);
title('Echelon unite');
xlabel('n');
ylabel('Amplitude');

3. Pour gnrer N=128 chantillons d'une sinusode de frquence f
une frquence d'chantillonnage : Fe = 8000 (le pas de temps Te=1/Fe) Crer le vecteur des temps : t = (0:N
Calculer les chantillons: x = cos(2*pi*t*f
clc ; clear all ; close all ;
N=128; fo=1000; Fe=8000; Te=1/Fe;
t=(0:N-1)*Te; x=cos(2*pi*fo*t);
plot(t,x) ;

4. Le programme suivant permet de crer une porte de largeur 2s, centre
Te=0.1s avec N=50 et de calculer son auto
clc;clear all; close all;
Te=0.1; N=50; A=4;
t=(0:1:N-1)*Te;
porte=A*[zeros(1,10),ones(1,20),zeros(1,20)];
subplot(2,2,1);
plot(t,porte);
subplot(2,2,2);
stem(t,porte);
tt=(-N+1:1:N-1)*Te;
Le trac graphique d'un signal discrtis en temps peut s'effectuer simplement l'aide de la fonction stem
) est fournie sous matlab par sum(x.^2). Concernant la puissance moyenne, il faut
diviser lnergie par le nombre dlments de x(n).
Pour la corrlation et la convolution, on utilisera les fonctions xcorr et conv. A noter que la convolution ou la
corrlation de x et h de dure N est un signal y(n) de dure (2N-1)
permet de gnrer un vecteur bruit b de distribution pseudo normale (de Gauss)
moyenne nulle et dcart type 1 . Un coefficient multipli par randn
type s la commande est : bruit= m+s *randn(1,N); dont la puissance est Ps = m
2
+s

Le programme suivant permet de gnrer un Dirac en 0 : (n) =1 pour n=0 et vaut 0 ailleurs
Le programme suivant permet de gnrer un chelon U(n)=1 pour n0 et 0 pour n<0
llons d'une sinusode de frquence f
0
=1000, on peut procder de la faon suivante, choisir
une frquence d'chantillonnage : Fe = 8000 (le pas de temps Te=1/Fe) Crer le vecteur des temps : t = (0:N
Calculer les chantillons: x = cos(2*pi*t*f
0
) ; Puis, regarder le rsultat : plot(x) ou plot(t,x). Ce qui nous donne
N=128; fo=1000; Fe=8000; Te=1/Fe;

Le programme suivant permet de crer une porte de largeur 2s, centre en 3 s, damplitude 4, chantil
Te=0.1s avec N=50 et de calculer son auto-corrlation et son nergie.
porte=A*[zeros(1,10),ones(1,20),zeros(1,20)];
M1 ST/TRM (2013/2014)
28
plement l'aide de la fonction stem
Concernant la puissance moyenne, il faut
A noter que la convolution ou la
permet de gnrer un vecteur bruit b de distribution pseudo normale (de Gauss)
randn permet daugmenter
+s
2
.
(n) =1 pour n=0 et vaut 0 ailleurs
0 et 0 pour n<0
=1000, on peut procder de la faon suivante, choisir
une frquence d'chantillonnage : Fe = 8000 (le pas de temps Te=1/Fe) Crer le vecteur des temps : t = (0:N-1)Te. Te.
Puis, regarder le rsultat : plot(x) ou plot(t,x). Ce qui nous donne :
en 3 s, damplitude 4, chantillonne avec

F.E.I., U.S.T.H.B.
29
subplot(2,2,3);
plot(tt,xcorr(porte));
subplot(2,2,4);
plot(tt,Te*xcorr(porte));
Energie1=sum(porte.^2)
Energie2=sum(porte.^2)*Te

III. Programmes raliser
1. Autocorrlation dun sinus
-Gnrer 50 chantillons dune sinusode de frquence f0 =0.1 avec fe=10.f0
- Calculer et afficher son autocorrlation
- Retrouver les caractristiques du signal (puissance et frquence).

2. Ralisez un seul programme qui effectue les tches suivantes :
- Gnre une sinusode s(k) de frquence 50Hz, damplitude 1, chantillonne 2.5KHz (Te=0.4ms) et de taille
n=256.
- Calcule la puissance de s(k).
- Gnre un bruit damplitude quelconque.
- Additionne le bruit la sinusode
- Visualise les trois signaux simultanment.
- Affiche le SNR lcran.
- Observer le signal et son autocorrlation pour diffrentes amplitudes du bruit.


F.E.I., U.S.T.H.B.
30

III. Transforme de Fourier Discrte (TFD)

La reprsentation temporelle peut tre suffisante dans tous les cas o la forme du signal et la nature du
traitement restent simples. Dans la ralit, les signaux n'ont pas toujours une forme simple soit en raison de la
nature de l'information qu'ils portent, soit en raison du traitement qu'ils doivent subir. L'unique reprsentation
du signal en fonction du temps s'avre insuffisante : elle ne permet plus d'interprter correctement
l'information. Dans de tels cas, la reprsentation du signal en fonction de la frquence est trs utile. Pour cela,
on fait appel la transforme de Fourier. Elle a pour but de mettre en vidence des caractristiques du signal
non videntes dans la reprsentation temporelle : les proprits frquentielles (spectrales). Lutilisation de cette
description frquentielle permet en outre de caractriser simplement les filtres linaires, et faciliter leur tude.
Dans le but de calculer la transforme de Fourier S(f) dun signal s(t) laide dun ordinateur, celui-ci
nayant quun nombre limit de mots de taille finie, on est amen discrtiser le signal (chantillonnage),
tronquer temporellement ce signal et discrtiser sa transforme de Fourier.

1. Transforme de Fourier temps discret (TFTD)
Lorsque le signal traiter nest plus analogique mais numrique, la relation de la TF devient :

L'chantillonnage priodise le spectre du signal avec une priode de rptition fe Se(f)= Se(f+fe), par
ailleurs, l'amplitude est multipli par un facteur fe. Sachant que tout signal priodique peut tre dcompos en
sries de Fourier, on a :
Avec

Cette transforme de Fourier applique aux signaux discrets est donc une fonction frquence continue,
priodique de priode fe. Il est dusage de la reprsenter sur un intervalle de longueur fe, de -fe/2 +fe/2.
Cependant, si on veut calculer la TF d'un signal discret l'aide d'un calculateur, on se retrouve confront
aux problmes suivants : Le calcul de la TF ncessite une infinit de points de mesures s(n) (pas toujours
possible dans la pratique : contraintes temps rel, etc.). En outre, le calculateur ne peut calculer une TFTD car
sa rponse frquentielle est forcment discrte = un nombre fini de points frquentiel alors que f varie
continment. La solution est de limiter la dure de s(n) i.e. considrer un nombre fini N de points temporels et
de discrtiser la frquence (considrer un nombre fini L de points frquentiels) TFD.

{ } ( ) ( ) ) (
2
.
dt e t s f S t s TF
t f j
= =

+
=
=
n
nTe f j
e e e
e nT s T f S
2
) ( ) (
+
=
=
n
f Te n j
n e
e C f S
2
) (
= =
2 /
2 /
2
) (
.
1
) (
fe
fe
f Te n j
e
e e e
n
e
df e f S
f T T
C
nT s


F.E.I., U.S.T.H.B.
31
2. Transforme de Fourier discrte (TFD)
Cette transforme, popularise par son calcul rapide (TFR ou FFT : Fast Fourier Transform), fait
correspondre une suite de N valeurs une autre de suite de N valeurs numriques galement.
On considre un signal numrique s(n) dfini par N chantillons temporels, obtenus par chantillonnage
avec la priode Te. La numrisation du signal S(f) passe par l'chantillonnage de S(f). On divise l'intervalle fe
par N, ainsi S(f) est chantillonn la cadence f=fe/N=1/NTe. Ce dernier rsultat entrane une priodicit du
sig
nal temporel de T0=1/f = NTe.

Sachant que fe = N.f, les formules prcdentes deviennent :

Et

Ce qui nous permet d'obtenir pour (Te=1), la TFD et la TFD inverse :

=
=
1 2 /
2 /
/ 2
1
0
/ 2
1
N
N k
N k n j
k n
N
n
N k n j
n k
e S
N
s
e s S
= = =
1
0
/ 2
1
0
/ 2
) ( ) ( ) ( ) / (
N
n
e
N k n j
e
N
n
N fe k Te n j
e e e
k S e n s T e n s T N kf S

=
=
= =
1 2 /
2 /
/ 2
1 2 /
2 /
/ 2
) ( . ) ( ) (
N
N k
N k n j
e
e
N
N k
N k n j
e
e k S
N
f
f e k S n s

=
=
1 2 /
2 /
/ 2
1
0
/ 2
N
N k
N k n j
k
e
n
N
n
N k n j
n e k
e S
N
f
s
e s T S

F.E.I., U.S.T.H.B.
32
Il faut bien remarquer que lon perd toute rfrence aux valeurs des instants correspondant aux
chantillons. Nous avons une relation entre une suite indexe par une variable entire n et une suite indexe
par k. Les N termes S(k) correspondent une approximation ( un facteur multiplicatif Te prs) de la
transforme de Fourier de ce signal aux N points de frquence k f, avec k entre 0 et N 1, c'est--dire f entre 0
et fe.

Exemple
Soit le signal s(n) = 1 pour n = 0 et n= 3 et 0 ailleurs. Calculons la TFD d'ordre 4 de s(n)
Calcul de la TFD sur 4 chantillons (4 chantillons de la TFD partir de 4 chantillons du signal)

Modules de ces 4 chantillons :

Arguments de ces quatre chantillons :


F.E.I., U.S.T.H.B.
33
Remarques
sn est priodique de priode N et Sk est priodique de priode N :

Par ailleurs, comme l'nergie se conserve, on obtient :

=
1
0
2
1
0
2 1
N
k
N
n
S
N
s
Autres proprits : Toutes les proprits se dduisent des proprits de la transforme continue en se
rappelant que chaque signal manipul, de dure finie, doit tre considr comme une priode d'un signal
priodique, et cela en temps et en frquence. La consquence en est que la translation d'un signal (qui
intervient aussi dans les oprations de convolution ou de corrlation) se traduit par un dcalage circulaire
o Linarit : ) ( ) ( ) ( ) (
2 1 2 1
k bX k aX n bx n ax
TF
+ +
o Dcalage temporel :
N
m k j
TF
e f X m n x
2
) ( ) (

o Dcalage frquentiel : ) ( ) (
0
2
0
k k X e n x
TF
N
n k j

o Dualit temps-frquence : ) ( . ) ( ) ( ) ( k x N n X k X n x
TF TF

o Changement d'chelle : ) / (
1
) ( a k X
a
an x
TF

o Convolution priodique : ) ( ). ( ) ( ) ( k H k X n h n x
TF

o 1 ) (
TF
n

2. TFD des signaux de longueur illimite
Le nombre dlments dune squence transforme par la TFD est implicitement limit, la fentre
intrinsque la transforme discrte de Fourier est donc la fentre rectangulaire de dure T0=NTe. En termes
de contenu spectral, le fentrage nest pas neutre et il introduit ncessairement une distorsion des
composantes. La troncation du signal chantillonn par une fentre de largeur T0 a pour effet de convoluer le
spectre avec un sinus cardinal qui sannule tous les 1/T0 avec T0 = NTe soit tous les fe/N.

n
N
Nk
j
N
k
N
nk
j
k
N
k
N
k N n
j
k N n
s e e S
N
e S
N
s = = =

=
=
+
+
2
1
0
2
1
0
) ( 2
1 1

F.E.I., U.S.T.H.B.
34
Exemple 1 :
Module de la TFD de {s(n) = e
2
jf0n
}, pour n= {0, . . . ,N 1}, avec N = 16
et f0 = 0,2. En pointill, le module de la TFTD de s(n). Lallure de S(k)
fait apparatre un lobe principal de largeur 2/N (ou 2fe/N) autour de
la frquence f0 et des lobes secondaires de largeur 1/N (ou fe/N).

Exemple 2:

Dans le cas dun signal priodique, le spectre, obtenu par transforme de Fourier discrte, est donc un
ensemble de fonctions sinc(T0 f ) centres sur les frquences qui composent le signal thorique initial. Ainsi
cette qualit du rsultat peut tre incommode pour ltude du spectre, en particulier lorsque le spectre est
compos de nombreuses raies, proches les unes des autres. L'importance de ses lobes peut tre rduite par
l'emploi d'autres fentres.
La prcision frquentielle dpend du nombre de points adopts pour le calcul. Les points en frquences,
sont espacs de 1/N (ou fe/N). Considrons l'exemple suivant:
s(n)= A0 e
2
jf0n
+ A0 e
2
jf11n
pour n (0:N-1) o f0 et f1 [-fe/2, fe/2]
Le trac du spectre par TFD montre que si l'cart en valeur absolue entre f0 et f1 est suprieur fe/N, il
sera possible de distinguer les deux frquences sur le trac. Cette rsolution en frquence est lie au nombre de
points du signal.
Quant la prcision, elle peut tre amliore par la technique du zro-padding : on calcule la TFD sur un
nombre N pouvant tre largement suprieur au nombre de points disponible du signal.

Exemple

F.E.I., U.S.T.H.B.
35

On considre maintenant l'exemple suivant :
s(n)= A0 e
2
jf0n
+ A0 e
2
jf11n
pour n (0:N-1) o A0 > A1
Un masquage du lobe principal de la composante en f1 peut survenir en raison des ondulations prsentes
dans le spectre de A0 exp(2jf0n). Une frquence damplitude faible au voisinage dune damplitude plus
leve sera masque par le premier lobe secondaire. La sparation dans ce cas peut tre amliore par lemploi
de fentres de pondration (Hamming). Mais cest au dtriment de la sparation de frquences trs
voisines mais damplitude semblables car les 2 raies seront confondues dans un lobe principal largi par la
fentre (la fentre rectangulaire a le lobe principal le plus troit de toutes les fentres).

3. Fentres de pondration
Lors de lanalyse spectrale dun signal de longue dure, nous navons accs, en pratique, qu une
portion limite de ce signal. Le spectre obtenu correspond donc au spectre du signal analyser auquel une
fentre a t pralablement multiplie. Pour ne pas altrer le spectre original, il faudrait que WR (f) (spectre
de la fentre) se rapproche le plus possible dune distribution de Dirac. La distribution de Dirac tant llment
neutre du produit de convolution. Il y a deux lments importants pour se rapprocher de la distribution de
Dirac. La finesse du lobe principale et la hauteur des lobes secondaires.

F.E.I., U.S.T.H.B.
36

En effet, plus la largeur du pic principal est fine, plus la rsolution
est grande, cest--dire que lon peut sparer des raies proches. Et plus les
lobes secondaires sont levs plus on dgrade la forme du spectre. Il peut
y avoir apparition de pics fantmes. En outre, lamplitude des lobes
latraux dtermine ltalement spectral de la fentre. Un talement
spectral trop grand nuira la dtection dun signal damplitude faible en
prsence dun signal damplitude leve.
- Fentre rectangulaire
Pour la fentre rectangulaire, on voit que la finesse du lobe principale peut
tre rgle par le nombre dchantillons N. Ainsi, plus on observe le signal
longtemps, plus la rsolution du spectre augmente ce qui parait logique. Par
contre, R varie trs peu en fonction de N (-13dB), ce qui signifie quune
fentre rectangulaire apporte toujours une distorsion du spectre.
- Fentre Triangulaire
Pour obtenir la transforme de Fourier de la fentre triangulaire de largeur N,
rappelons que la convolution de deux signaux rectangulaires donne un signal
triangulaire. Ainsi, on peut exprimer cette fentre sous la forme dune
convolution de deux rectangles de largeur N/2. On observe une attnuation
des lobes secondaires (-24dB) par rapport la fentre rectangulaire.
Malheureusement, ceci se fait au prix de llargissement du pic central (4/N).
- Autres fentres
+
=
ailleurs
N
n pour
N
n
N
n
n w
Black
0
2
1
)
1
4
cos( 08 . 0 )
1
2
cos( 5 . 0 42 . 0
) (

+
=
ailleurs
N
n pour
N
n
n w
Ham
0
2
1
)
1
2
cos( 46 . 0 54 . 0
) (
=
ailleurs
N
n pour
I
I
n w
Kais
0
2
1
) (
) (
) (
0
0

o est un paramtre,
2
)
1
2
( 1
=
N
n
et
+
= (
(
\
|
+ =
1
2
0
2 !
1
1 ) (
k
k
x
k
x I


F.E.I., U.S.T.H.B.
37

Dans un problme danalyse spectrale, on utilise gnralement plusieurs fentres lune aprs lautre
afin dobtenir un bon compromis rsolution/dformation.


F.E.I., U.S.T.H.B.
38
4. Calcul de la FFT ou TFR
La TFD est reste un outil peu utilise jusqu lapparition dalgorithmes rapides permettant son
calcul. Le plus connu est du Cooley et Tuckey et date de 1965. Le calcul direct de la TFD sur N points
ncessite 2N
2
multiplications et 2N(N-1) additions. Lalgorithme propos rduit Nlog2(N) le nombre
doprations. Sans nuire la gnralit, prenons le cas de N=8. Il faut calculer :

Soit : alors
Pour N=8, explicitons la relation prcdente :

Les facteurs Wn prsentent un certain nombre de proprits dont certaines sont mises profit dans
lalgorithme :

Lalgorithme suppose que N est pair : posons N=2 P. Introduisons les 2 sous-suites de sn en fonction de
la parit de n.

=
= =
7
0
2
1
0
2
n
N
k n
j
n
N
n
N
k n
j
n k
e s e s S

=
=
|
\
|
=
7
0
2
exp
n
nk
N n k N
W s S
N
j W

(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
7
6
5
4
3
2
1
0
49
8
42
8
35
8
28
8
21
8
14
8
7
8
0
8
42
8
36
8
30
8
24
8
18
8
12
8
6
8
0
8
35
8
30
8
25
8
20
8
15
8
10
8
5
8
0
8
28
8
24
8
20
8
16
8
12
8
8
8
4
8
0
8
21
8
18
8
15
8
12
8
9
8
6
8
3
8
0
8
14
8
12
8
10
8
8
8
6
8
4
8
2
8
0
8
7
8
6
8
5
8
4
8
3
8
2
8
1
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
7
6
5
4
3
2
1
0
s
s
s
s
s
s
s
s
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
S
S
S
S
S
S
S
S
n
N
N n
N
N
N
nN
N
W W W W = = =
+
, 1 , 1
2 /
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
7
6
5
4
3
2
1
0
1
8
2
8
3
8
4
8
5
8
6
8
7
8
0
8
2
8
4
8
6
8
0
8
2
8
4
8
6
8
0
8
3
8
6
8
1
8
4
8
7
8
2
8
5
8
0
8
4
8
0
8
4
8
0
8
4
8
0
8
4
8
0
8
5
8
2
8
7
8
4
8
1
8
6
8
3
8
0
8
6
8
4
8
2
8
0
8
6
8
4
8
2
8
0
8
7
8
6
8
5
8
4
8
3
8
2
8
1
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
7
6
5
4
3
2
1
0
s
s
s
s
s
s
s
s
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
S
S
S
S
S
S
S
S
{ }
{ }
1 ,..., 0
1 2
1 ,..., 0
2
=
+
=
=
=
P n
n n
P n
n n
s v
s u

F.E.I., U.S.T.H.B.
39

On obtient ainsi :

Par ailleurs,

Le calcul de la FFT revient donc calculer Uk et Vk qui sont les TFD sur P points des suites de termes de
rang pair et impair. Le calcul revient au schma suivant :

On saperoit sur le schma prcdent quil ne reste qu exprimer les Uk et Vk. Or, ce sont des TFD sur P
points, qui peuvent reprendre le mme schma que prcdemment. Cela est faisable si P est pair. On peut
ritrer le processus chaque sous-tage, si cette condition est chaque fois vrifie, donc si N au dpart est
une puissance de 2. En pratique, lorsque cela nest pas le cas, les suites dchantillons sont compltes par des
zros jusqu la puissance de 2 immdiatement suprieure. (zero padding).

Il y a dautres algorithmes qui ne prsentent pas cette contrainte (mais en
prsentent dautres). Lalgorithme ainsi mis en uvre prsente des motifs
croisement appel algorithme papillon . Notons lentrelacement temporel qui
bouscule lordre dapparition des chantillons.

s0
s2
s4
s6

s1
s3
s5
s7

W8
0
W8
1
W8
2
W8
3

+
+
+
+

-
-
-
-
S0
S1
S2
S3

S4
S5
S6
S7

U0
U2
U4
U6

V1
V3
V5
V7

+
+
-
-

+
+
-
-
W4
0
W4
2
W4
0
W4
2
+
-
+
-

+
-
+
-
W2
0
W2
0
W2
0
W2
0
k
k
N k k
P
i
ik
P i
k
N
P
i
ik
P i k
P
i
k i
P i
P
i
ik
P i
N
n
nk
N n k
V W U S
W v W W u S
W v W u W s S
+ =
+ =
+ = =

=
+
=
1
0
1
0
1
0
) 1 2 (
2
1
0
2
2
1
0
k
k
N k P k
P
i
ik
P i
k
N
P
i
ik
P i P k
P
i
iP
P
ik
P i
P
N
k
N
P
i
iP
P
ik
P i P k
P
i
P k i
P i
P
i
P k i
P i
N
n
n P k
N n P k
V W U S
W v W W u S
W W v W W W W u S
W v W u W s S
=
+ =
+ =
+ = =
+
=
+
=
+
=
+ +
=
+
=
+
+

) (
1
0
1
0
) (
1
0
1
0
) (
1
0
) )( 1 2 (
2
1
0
) ( 2
2
1
0
) (
) (
1 . ) 1 ( 1 .

F.E.I., U.S.T.H.B.
40

Avec cette reprsentation, lalgorithme FFT se reprsente par :

Lalgorithme de FFT peut scrire sous forme matricielle. On obtient :

Notons aussi que lalgorithme prsent est dit entrelacement temporel. Une version tout fait
symtrique et au mme cot, opre les permutations sur les S et non les s : lalgorithme est dit entrelacement
frquentiel. Il y a d'autres variantes de l'algorithme FFT (base 4, etc.)


F.E.I., U.S.T.H.B.
41

Srie n3

1. Calculer la transforme de Fourier temps discret (TFTD) de x(n)=(n) + 6 (n 1) + 3(n 2)

2. Calculer la TFD du signal s(n)=n pour N=2, 3, 4, 8.
3. Calculer la transforme de Fourier discrte (TFD) de la suite x(n) forme de N = 8 points (n [0,7]), obtenue
en chantillonnant la frquence fe = 16 Hz le signal s(t) = 2sin(8t)+8cos(4t)
4. Etant donn les signaux s(n)={1,-2,3,2} et v(n) ={-2,1,2,3}, dterminer w(n)=s(n)*v(n) par
- la mthode directe
- la mthode de la TFD

5. On a le signal suivant x(n)=e
-an
U(n), avec U(n) lchelon unit, chantillonn Te = 1.
- Calculer la TFTD
- Calculer la TDF et comparer

6. Soit x(n)=1/N pour 0 n N-1 et 0 ailleurs. Calculer sa TFD X(k) pour N=4.

Solutions
1. X(f)=1+6.e
-2
jf
+ 3.e
-4
jf
2. N=2, Xk=[1, -1] N=3, Xk=
(
+ ) 3 1 (
2
3
), 3 1 (
2
3
, 3 j j
N=4, Xk=[ ] j j 2 2 , 2 , 2 2 , 6
3.
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
7
6
5
4
3
2
1
0
49
8
42
8
35
8
28
8
21
8
14
8
7
8
0
8
42
8
36
8
30
8
24
8
18
8
12
8
6
8
0
8
35
8
30
8
25
8
20
8
15
8
10
8
5
8
0
8
28
8
24
8
20
8
16
8
12
8
8
8
4
8
0
8
21
8
18
8
15
8
12
8
9
8
6
8
3
8
0
8
14
8
12
8
10
8
8
8
6
8
4
8
2
8
0
8
7
8
6
8
5
8
4
8
3
8
2
8
1
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
7
6
5
4
3
2
1
0
s
s
s
s
s
s
s
s
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
S
S
S
S
S
S
S
S
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
7
6
5
4
3
2
1
0
1
8
2
8
3
8
4
8
5
8
6
8
7
8
0
8
2
8
4
8
6
8
0
8
2
8
4
8
6
8
0
8
3
8
6
8
1
8
4
8
7
8
2
8
5
8
0
8
4
8
0
8
4
8
0
8
4
8
0
8
4
8
0
8
5
8
2
8
7
8
4
8
1
8
6
8
3
8
0
8
6
8
4
8
2
8
0
8
6
8
4
8
2
8
0
8
7
8
6
8
5
8
4
8
3
8
2
8
1
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
0
8
7
6
5
4
3
2
1
0
s
s
s
s
s
s
s
s
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
W W W W W W W W
S
S
S
S
S
S
S
S

Avec [ ] 2 4 2 0 2 4 2 8 2 4 2 0 2 4 2 8 + + =
n
s
et
(
+ = ) 1 (
2
2
) 1 (
2
2
1 ) 1 (
2
2
) 1 (
2
2
1
8
j j j j j j W
k


F.E.I., U.S.T.H.B.
42
4. Convolution circulaire w(n)=s(n)*v(n) =[0, 18, 0, -2]

(
(
(
(

=
(
(
(
(
(
=
(
(
(
(
(
j j
j j
W W W W
W W W W
W W W W
W W W W
W W W W
W W W W
W W W W
W W W W
1 1
1 1 1 1
1 1
1 1 1 1
1
4
2
4
3
4
0
4
2
4 4
2
4
0
4
3
4
2
4
1
4
0
4
0
4
0
4
0
4
0
4
9
4
6
4
3
4
0
4
6
4
4
4
2
4
0
4
3
4
2
4
1
4
0
4
0
4
0
4
0
4
0
4

Sk=[4, 4j-2, 4, -2-4j] Vk=[4, -4+2j, -4, -4-2j] Wk=[16, -20j, -16, 20j] w(n)=[0, 18, 0, -2]
5. TFTD
f j a
e
f X
2
1
1
) (

=
TFD
N k j a
aN
e
e
k X
/ 2
1
1
) (

=

6.
N N k j
e
N k
k
N
k X
/ ) 1 (
) / sin(
) sin( 1
) (

=

4 / 3
) 4 / sin(
) sin(
4
1
) (
k j
e
k
k
k X

=

1. Calculer la Transforme de Fourier Discrte de la suite comportant N = 16 termes tels que :
x (0) = x (1) = x (2) = x (14) = x (15) = 1 x (n) = 0 pour 3 n 13
et de la suite : x (0) = x (1) = x (2) = x (3) = x (4) = 1 x (n) = 0 pour 5 n 15
- Comparer les rsultats obtenus.
- Effectuer la Transforme inverse sur ces rsultats.

2. Calculer la TFD de la suite x(n) forme de N =24 points obtenus en chantillonnant le signal
x(t)=3.sin(8t)+4.cos(6t) la frquence fe = 24 Hz.

3. Calculer et tracer le module de la TFD des signaux suivants :
=
+
=
aileurs
n si
n
n h
0
3 ,.., 0
10
) 1 (
) (
+ =
+ + =
=
=
2 4 2
3 4 , 1 4 1
4 0
) (
k n si
k k n si
k n si
n h


F.E.I., U.S.T.H.B.
43
TP n2 : TFD

Rappels

1. Transforme de Fourier Discrte
La TFD dordre N dun signal numrique s(kTe), k=0N-1 est dfinie par :
= = |
\
|
=
1
0
/ 2
2 / ....... 2 / , ) ( ) (
N
n
N n k j
e e
N N k e nT s f
N
k
S k S

Sa transforme inverse est donne par:
( )

=
= = =
1 2 /
2 /
/ 2
1 ....... 0 , ) / (
1
) (
N
N k
N n k j
e e
N n e N kf S
N
nT s n s

Par abus dcriture et pour simplifier on note s(k) et S(n) le signal et sa TFD en omettant les facteurs Te et
Fe. N est souvent une puissance de 2 et dans ce cas il ya un algorithme rapide de calcul des N coefficients
de la TFD. On parle alors de FFT (Fast Fourier Transform). Matlab fournit la fonction fft pour calculer la
transforme de Fourier complexe dun vecteur. Ainsi aux coefficients s(1)s(N) correspondent par TFD
les coefficients S(1)S(N). Il suffit d'crire fft(s,N). La transforme inverse est donne par ifft(s,N). Le
vecteur signal tant de dimension finie, c'est la transforme discrte qui est calcule. Si N est la longueur
du signal, le spectre sera un vecteur complexe de mme longueur qui pourra tre reprsent en
coordonnes cartsiennes (partie relle et imaginaire fonction real et imag), ou en coordonnes polaires
(module et phase, fonction matlab abs et angle ou unwrap).

Prenons le cas dune sinusode, les frquences vont tre gradues en Hz en supposant une
frquence dchantillonnage fe de 1Kz, les frquences suprieures 500Hz correspondent aux frquences
ngatives du spectre. Pour approximer la Transforme de Fourier continue dun signal x(t), reprsent
suivant un pas Te, on utilise la commande : fx= fftshift( fft(x)). On remarquera que la TF est une fonction
complexe et que la fonction ainsi obtenue dcrit la TF de x(t) entre 1/(2 Te) et 1/(2 Te) par pas de 1/(nTe)
o n est le nombre de points constituant le signal x(t). La commande fft codant les frquences positives
sur les n/2 premires valeurs du signal et les valeurs ngatives entre n/2+1 et n, la commande fftshift
permet de les inverser.

2. Exemple d'utilisation de la FFT sous matlab
Taper le programme suivant et commenter les graphes obtenus

clc; clear all
N=100; fo=1000; Fe=8000; Te=1/Fe;
n=0:1:N-1;

F.E.I., U.S.T.H.B.
44
x=sin(2*pi*fo*n*Te);
subplot(2,2,1);
t=Te*[0:1:N-1];
plot(t,x,'gx:'); grid;
y=fft(x);
axe_FF=Fe*(0:1/N:1-(1/N));
subplot(2,2,2); plot(axe_FF,abs(y/N),'b.:'); grid;
title('Transforme de Fourier Discrte par FFT du signal entre 0 et fe')
xlabel('frquence'); ylabel('Module du spectre');
subplot(2,2,3);
y_dec=fftshift(y);
axe_freq=Fe*(-1/2:1/N:1/2-(1/N));
plot(axe_freq,abs(y_dec/N),'b.:'); grid;
title('Transforme de Fourier Discrte par FFT du signal entre -fe/2 et fe/2')
xlabel('frquence'); ylabel('Module du spectre');
%FFT inverse %
FFT_INV=ifft(y);
subplot(2,2,4);
plot(t,FFT_INV,'bx:'); grid;
title('Transforme de Fourier Discrte inverse du signal N=100')
xlabel('temps'); ylabel('Amplitude');

I. Soit la fonction 0 ) ( > =

a e t x
t a

1- Tracer le signal x(t) entre 5 et 5 pour a = 1, avec un pas de temps Te = 0.01 s (Utiliser la fonction length pour
connaitre la taille (N) de x)
2- Tracer le module de la transforme de Fourier.
3- Illustrer la proprit de dcalage frquentiel de la TF en reprsentant le module de la TF de x(t) e
2
jfot
avec
fo=5 Hz.
4- Vrifier la relation de Parseval.

II. Transforme de Fourier d'une porte
clc; clear all
N=10; Fe=1 ; Te=1/Fe;
t=Te*[1:1:N]; x=ones(1,N);
subplot(2,1,1); plot(t,x,'gx:'); grid;
NF=100; y=fft(x,NF); y_dec=fftshift(y);
subplot(2,1,2); axe_freq=Fe*(-1/2:1/NF:1/2-(1/NF));
1- Quelle est la largeur f du lobe principal ? (utiliser ginput)
2- Afficher le module de la transforme de Fourier en dcibels. Utiliser la fonction 'log10' pour afficher les
chelles sur le graphique.
3- Vrifier que l'on a bien environ 13 dB entre le max du lobe principal et le max du lobe secondaire.
4- Vrifier que pour une porte de largeur P = 50 chantillons, on a toujours environ 13 dB.

III. Transforme de Fourier d'une fentre triangulaire
clc; clear all
N=10; Fe=1 ; Te=1/Fe;
x=conv(ones(1,N/2),ones(1,N/2));
subplot(2,1,1); plot(x); grid;
NF=100; y=fft(x,NF); y_dec=fftshift(y);
subplot(2,1,2); axe_freq=Fe*(-1/2:1/NF:1/2-(1/NF));
1- Afficher le module de la transforme de Fourier sur une chelle linaire puis en dB.
2- Quelle est la largeur du lobe principal ?
3- Quel est le rapport en dB entre le max du lobe principal et le max du lobe secondaire ?

F.E.I., U.S.T.H.B.
45

TP n3 : Fentrage

But : Mettre en vidence les proprits du fentrage (Triangulaire, Hanning, Blackman, etc.)

Prog 1 Commenter les graphes obtenus par ce programme :
clear all; close all;
Nt=50; Fe=8000; Te=1/Fe; f0=1680;
t=(0:Nt-1)*Te; x=exp(2*pi*j*f0*t);
y=fft(x); yy=fftshift(y/Nt); axe_f=Fe*(-1/2:1/Nt:1/2-(1/Nt));
subplot(2,2,1); stem(axe_f,abs(yy)); grid; title('TFD sur 50 pts')
N=100;
y=fft(x,N); yy=fftshift(y/Nt); axe_f=Fe*(-1/2:1/N:1/2-(1/N));
subplot(2,2,2); plot(axe_f,abs(yy)); grid; title('TFD sur 100 pts')
N=1000;
subplot(2,2,3); plot(axe_f,abs(yy)); grid; title('TFD sur 1000 pts')
N=50;
f0=1600;
x=exp(2*pi*j*f0*t);
y=fft(x); yy=fftshift(y/Nt); axe_f=Fe*(-1/2:1/N:1/2-(1/N));
subplot(2,2,4); stem(axe_f,abs(yy)); grid; title('TFD sur 50 pts')

1. Quelle fentre est utilise par ce programme ? Citer ses caractristiques (rsolution frquentielle,
attnuation lobes secondaires), avantages et inconvnients.
2. Que est lintrt daugmenter N ? Comment appelle-t-on cette technique ?
3. Expliquer la TFD obtenue pour f0=1600 (disparition des lobes secondaires).
4. Notez que la rsolution frquentielle est toujours la mme (elle dpend de Nt et non de N).

Prog 2
clc; clear all; close all;
Nt=50; Fe=8000; Te=1/Fe; f0=1680;
t=(0:Nt-1)*Te; x=exp(2*pi*j*f0*t);
figure;
N=500;
plot(axe_f,abs(yy),'b'); grid; title('TFD Fentre rctangulaire'); hold on;
fen=hanning(Nt);
xx=x.*fen'; y=fft(xx,N); yy=fftshift(y/Nt);
plot(axe_f,abs(yy),'r'); grid; title('TFD Fentre Hanning')
fen=triang(Nt);
plot(axe_f,abs(yy),'g'); grid; title('TFD Fentre triangulaire ')
fen=blackman(Nt);
plot(axe_f,abs(yy),'m'); grid; title('TFD Fentre Blackman ')

1. Faites varier N (100 et 1000) et commenter. Quel est le rle de N ?

F.E.I., U.S.T.H.B.
46
1. Calculer la largeur du lobe principale pour chaque fentre en fonction de fe et Nt
2. Comparer et commenter les diffrents graphes.

Prog 3 : Calculer la transforme de Fourier discrte d'une paire d'exponentielles complexes.
On gnrer 100 chantillons d'une somme de deux exponentielles complexes de frquences F1 = 1680 Hz et F2 =
1780 Hz chantillonnes Fe = 8 kHz, et de mme amplitude.
On calculer la TFD du signal sur N=128, 256 et 1024 points frquentiels, et on affiche le module.

clc; clear all; close all;
Nt=100; Fe=8000; Te=1/Fe; f0=1680; f1=1880;A1=1; A2=0.2;
t=(0:Nt-1)*Te; x=A1*exp(2*pi*j*f0*t)+A2*exp(2*pi*j*f1*t);
figure (1);subplot(2,2,1); plot(t,real(x)); grid;
N=128;
y=fft(x,N); yy=fftshift(y/Nt); axefreq=Fe*(-1/2:1/N:1/2-(1/N));
subplot(2,2,2); plot(axefreq,abs(yy)); grid; title('TFD sur 128 pts')
N=256;
N=1024;

1. Pour quelle valeur de N, les sinusodes sont rsolues ?
2. Calculer la TFD de x pour N=1024 en employant d'autres fentres (triang, hanning, blackman)
3. Reprendre la question 2 en prenant F1 = 1680 Hz et F2 = 1880 Hz avec des amplitudes A1=1 et A2=0.2
4. Commenter les graphes obtenus en 2 et 3.

Analyse Et Filtrage Des Signaux Numériques - chap1+chap2+chap3+TPn - 3 - 2013

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Analyse Et Filtrage Des Signaux Numériques - chap1+chap2+chap3+TPn - 3 - 2013

Enviado por

Direitos autorais:

Formatos disponíveis

Analyse et Filtrage des signaux numriques M1 ST/TRM (2013/2014)

Analyse et Filtrage des signaux numriques M1 ST/TRM (2013/2014)

signal porte et signal triangulaire damplitude A>0 et de largeur .

Energie et Puissance: Pour un signal temps continu x(t), et un signal temps

Analyse et Filtrage des signaux numriques M1 ST/TRM (2013/2014)

Você também pode gostar