Premier Cycle – INSA de LYON
Ouverture thématique – 2
èmeannée
Bases du Signal
Signaux Numériques
et Applications
Equipe enseignante :
Nom Prénom Dept Laboratoire E-mail
BENOIT-CATTIN Hughes TC Creatis Hugues.Benoit-Cattin@creatis.insa-lyon.fr BRES Stéphane IF LIRIS stephane.bres@insa-lyon.fr
DELACHARTRE Philippe GE Creatis philippe.delachartre@creatis.insa-lyon.fr FRIBOULET Denis PC Creatis denis.friboulet@creatis.insa-lyon.fr LELEVE Arnaud GI ICCT Arnaud.Leleve@insa-lyon.fr VRAY Didier PC Creatis didier.vray@creatis.insa-lyon.fr
Bibliographie :
• Max, Jacques, Lacoume, Jean-Louis. Méthodes et techniques de traitement du signal.
Paris : Dunod, 2000, 355 p. ISBN 2-10-005332-9.
• Lacoume, Jean-Louis, Max, Jacques. Méthodes et techniques de traitement du signal 2ème cycle, école d’ingénieurs. 5ème édition. Paris : Dunod, 2004, 355 p. ISBN 2-10-048331-5.
• F. De Coulon, Théorie et traitement des signaux, Dunod, 1984.
• Oppenheim, Alan V., Willsky, Alan S., Signals & systems, 2nd edition. - New Jersey : Prentice-Hall , 1997 . - XXX-957 p – ISBN 0-13-651175-9.
• B. Mulgrew et al., "Digital Signal Processing: Concepts and Applications", Ed: Mac Millan Press, 1999, 355p.
Département PREMIER CYCLE
8 allée Lumière – 69621 Villeurbanne Cedex - France
Tel : 33(0)4 72 43 83 84 Télécopie : 33(0)4 72 43 64 34
E_mail : Site web : http://pc.insa-lyon.fr
Identification
2ème ANNEE
Intitulé du Module : Signaux numériques et applications
Code : 2PC_OT439 ECTS : 2
Annuel
⌧Semestriel
⌧1er semestre 2è semestre
Module proposé par une équipe dʹenseignants issus des départements GE, GI, IF, PC, TC
Nombre d’élèves max. : 24
- Objectifs et compétences :
A partir dʹexemples concrets tirés des télécommunications, du traitement de la parole, de lʹimagerie médicale, des techniques physiques et dʹinstrumentations, ce module dʹOuverture Thématique fournira aux étudiants les bases du traitement du signal quʹils pourront mettre à profit quelle que soit la spécialité quʹils décideront dʹaborder ensuite pour leur formation dʹingénieur. Le module se déroule successivement dans 4 départements de lʹINSA (GE, GI, IF, TC).
- Programme :
Cours et TD : Signaux, exemples, analyse fréquentielle, Transformée de Fourier, analyse spectrale, filtrage, échantillonnage, filtrage numérique, compression.
Séances Machines : logiciel Matlab, signaux numériques, représentation de signaux en temps et en fréquence, transformée de Fourier Discrète, analyse dʹun signal inconnu, filtrage, fenêtres de pondération (hamming…), représentation temps‐fréquence, modulation dʹamplitude, modulation de fréquence, analyse signal de parole, logiciel SPTOOLS, applications en Telecom, logiciel SIMULINK.
- Contrôle : évaluation des projets pratiques et contrôle de connaissances 2h
- Travail Personnel : 10h pour l’ensemble du module
- Pré‐requis : Aucun pour un étudiant du Premier Cycle de l’INSA
- Bibliographie :
‐ Lacoume, Jean‐Louis, Max, Jacques. Méthodes et techniques de traitement du signal 2ème cycle,
école d’ingénieurs, Paris, Dunod, 2004, 355 p.
‐ F. De Coulon, Théorie et traitement des signaux, Dunod, 1984.
‐ Oppenheim, Alan V., Willsky, Alan S., Signals & systems, 2nd edition. ‐ New Jersey : Prentice‐
Hall, 1997, 957 p
‐ B. Mulgrew et al., ʺDigital Signal Processing: Concepts and Applicationsʺ, Ed: Mac Millan Press, 1999, 355p.
Obligatoire
⌧Optionnel
Horaires Cours : 12h TD: 4h TP: 14h Projet :
Travail personnel : 10h Evaluations Contrôle continu : Devoir Synthèse : Soutenance :
Supports pédagogiques Polycopiés Cours, TD et TP OUI
Fichier PPT en ligne OUI
Logiciel : Matlab
Enseignant Responsable Vray Didier Friboulet Denis
Département de rattachement
PC Tel 04 72 43 87 84 04 72 43 89 75
Mail didier.vray@insa-lyon.fr, denis.friboulet@insa-lyon.fr
Date d’actualisation de la fiche OT : Juin 2010
Institut National des Sciences Appliquées de Lyon
1
Traitement du signal et applications Introduction
Denis Friboulet – Didier Vray
SIGNAL ? 2
¾ Domaines d’application :
• communication, aéronautique, astronautique, acoustique, contrôle de processus chimique, ingénierie biomédicale, traitement de la parole, économie, météorologie...
• information représentée sous forme de signal
¾ Signal :
• fonction de une ou plusieurs variables indépendantes : f(x y z)
• fonction de une ou plusieurs variables indépendantes : f(x,y,z)
• représente / contient information sur un phénomène (physique)
Signaux continus: f(t), t ∈R Signaux discrets: f[n], n ∈Z
¾ Types de signaux
t
¾ Dimension du signal :
• 1D : f(t) f[n]
• 2D :f(u,v) f[i,j]
• 3D : f(u,v,w) f[i,j,k]
n
SIGNAL ? 3
¾ Mesures
• Capteur, statistiques....
• Développement des capteurs : microphone, céramiques piézoélectriques, antennes, capteurs CCD, de pression
¾ Acquisition numérique : Capteur
t
Capteur Echantillonnage
t
• Stockage
• Traitement numérique par ordinateur
• Perte d’information ?
• Importance des techniques numériques t
EXEMPLES DE SIGNAUX 4
Signal de parole
-0.1 0 0.1 0.2 0.3 0.4
amplitude
‘e’
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
-0.3 -0.2
Temps (s)
0.2 0.4 0.6
tude
b on j ou r
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
-0.4 -0.2 0
Temps (s)
amplit
b on j ou r
EXEMPLES DE SIGNAUX 5
Évolution de la rente 5% sous le consulat et le 1erempire
80 90
100% Victoire sur la Russie à Friedland
Traité de Tilsit avec la Russie
Début de la
campagne de Russie Napoléon
débarque à Golfe Juan
0 10 20 30 40 50 60 70 80
Coup d’état du 18 brumaire Paix de Lunéville
L’Autriche attaque la Bavière
Victoire sur la Prusse à Iéna Victoire sur la Russie à Eylau
Début de la retraite de Russie
Défaite de Vitoria.
L'Autriche se joint à la Prusse et à la Russie contre la France.
Défaite de Leipzig.
Défaites en Espagne et au Portugal
Abdication de Napoléon
Waterloo Victoire sur
l’Autriche à Ulm L’Angleterre
recherche la paix et l’obtient à
Amiens
0
1798 1799 1800 1801 1802 1803 1804 1805 1806 1807 1808 1809 1810 1811 1812 1813 1814 1815
© Le Monde 28/01/1997
EXEMPLES DE SIGNAUX 6
Évolution hebdomadaire du Dow Jones du 5 janvier 1929 au 4 janvier 1930
350 400
50 100 150 200 250 300 350
5 jan. 1929 4 jan. 1930
EXEMPLES DE SIGNAUX 7
Signaux ultrasonores
Émission Réception
d
Composante spéculaire Composante diffuse
Signal réel
t τ= 2d/c , c ≈1540 m/s (tissus biologiques)
t
Signal réel
EXEMPLES DE SIGNAUX 8
Images ultrasonores: échographie intravasculaire
EXEMPLES DE SIGNAUX 9
Images ultrasonores: échographie intravasculaire
Plaque artérielle
EXEMPLES DE SIGNAUX 10
Images cardiaques échographie ultrasonore et en IRM
EXEMPLES DE SIGNAUX 11
Tomographie X
EXEMPLES DE SIGNAUX 12
Tomographie par rayonnement X synchrotron
EXEMPLES DE SIGNAUX 13
Tomographie X
TRAITEMENT DU SIGNAL ? 14
¾ Buts :
• Modélisation : représentation d’un phénomène (caractérisation, prédiction...)
• Analyse : extraction d’information (mesure, compression, détection, reconnaissance...)
• Filtrage, restauration : transformation du signal (minimisation du bruit, suppression de parasite...)
• Etc.
¾ Notion de système de traitement :
Système de Traitement
t t
¾ Notion de domaine de représentation :
• Transformée de Fourier
• Modèles autorégressifs, transformée de Laplace, transformée de Wigner, transformée en ondelettes, transformée cosinus....
EXEMPLES DE TRAITEMENT 15
Imagerie ultrasonore
N Signaux
Image ? N Signaux
EXEMPLES DE TRAITEMENT 16
Signaux acquis
Détection d'enveloppe
Compression
Enveloppe
Image Compressée Compression
logarithmique
EXEMPLES DE TRAITEMENT 17
Signal de parole : analyse ?
0 2 0.4 0.6
e
b on j ou r
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
-0.4 -0.2 0 0.2
Temps (s)
amplitude
b on j ou r
EXEMPLES DE TRAITEMENT 18
Domaine de représentation : temps-fréquence
EXEMPLES DE TRAITEMENT 19
Détection de rupture
Cas idéal
0 1 2
0 1 2
Cas réel avec bruit gaussien (σ = 0.4)
0 5 10 15 20
-2 -1
0 50 100 150 200 250
-2 -1
Opérateur différentiel : [ 1 -1 ] Opérateur différentiel : [ 1 -1 ]
0 50 100 150 200 250
-2 -1 0 1 2
0 5 10 15 20
-2 -1 0 1 2
EXEMPLES DE TRAITEMENT 20
Détection de rupture
Cas réel avec bruit gaussien (σ = 0.4)
0 1 2
Opérateur différentiel : [ 1 -1 ] Opérateur optimisé : Canny[86] – Deriche[87]
0 50 100 150 200 250
-2 -1
0 50 100 150 200 250
-2 -1 0 1 2
0 50 100 150 200 250
-1 0 1 2 3 4
EXEMPLES DE TRAITEMENT 21
Détection de rupture
0 2 4
Cas réel avec bruit gaussien (σ = 1.0) Cas réel avec bruit gaussien (σ = 1.2)
0 2 4
0 50 100 150 200 250
-4 -2 0
0 50 100 150 200 250
-4 -2 0
Opérateur optimisé :
0 50 100 150 200 250
-4 -2 0 2 4 6
0 50 100 150 200 250
-4 -2 0 2 4
EXEMPLES DE TRAITEMENT 22
Image : Détection de contours
Bords verticaux
Norme du gradient Seuillage
Bords horizontaux
Norme du gradient Seuillage
||2
EXEMPLES DE TRAITEMENT 23
Détection de contour par ensemble de niveau basé sur les dérivées (gradient)
Ensemble de niveau:
Principe d’évolution Evolution basée sur le
gradient d’une image IRM
EXEMPLES DE TRAITEMENT 24
Détection de contour par ensemble de niveau basé sur les statistiques
Sang
Histogramme
Histogramme Muscle
EXEMPLES DE TRAITEMENT 25
Détection de contour par ensemble de niveau basé sur les statistiques
EXEMPLES DE TRAITEMENT 26
ÆVisualisation de l’information ?
EXEMPLES DE TRAITEMENT 27
¾Visualisation : Rendu de volume par lancer de rayon
Plan de visualisation
1. Intersection avec l’objet : Tracé incrémental d’un rayon dans le volume discret
2. Estimation de la normale à l’objet : opérateur différentiel discret dans les 3 directions
N
3. Calcul de la lumière émise au point d’intersection : modèle de diffusion
ÆId = Ip (N . L)
4. Application des étapes 1, 2 et 3 à l'ensemble des rayons partant du plan de visualisation
α L
N
EXEMPLES DE TRAITEMENT 28
© Joe Kniss, Utah
EXEMPLES DE TRAITEMENT 29
BIBLIOGRAPHIE 30
Ouvrages généraux
• Bernard MULGREW, "Digital Signal Processing, concepts and applications", Palgrave MacMillan, 2003
• Alan OPPENHEIM, A. SCHAFER, "Discrete-time Signal Processing", PRENTICE HALL, 1999
O S S S C
• Alan OPPENHEIM, A. WILLSKY, "Signals and Systems", PRENTICE HALL, 1997
• J. Mc CLELLAN, "DSP First, A multimedia approach", PRENTICE HALL, 1999
• François de COULON, "Théorie et traitement des signaux", DUNOD, 1984
• Murat KUNT, "Traitement Numérique des signaux", 1981 Applications ou pour aller plus loinpp p p
• J. MARS, J.-L. LACOUME, "Traitement du signal pour géologues et géophysiciens", TECHNIP 2004, Tome 3 : Techniques avancées et Tome 2 : Techniques de base, Tome 1 : Prospection sismique
• M. BELLANGER, "Traitement numérique du signal : Théorie et pratique", 8ème édition, DUNOD, 2006
31
Signaux de base
Opération élémentaires sur les signaux
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE 32
¾ Retournement
¾ Opérations de base sur les signaux:
• Retournement, décalage, changement d’échelle, etc.
Ætransformation de la variable indépendante
f(t) f(-t)
f[n] f[-n]
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE 33
¾ Changement d’échelle
f(t) f(2t)
f[n] f[2n]
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE 34
¾ Décalage temporel
f(t) f(t-t0)
ÆRetard
f(t+t0) ÆAvance
t0 -t0
f[n] f[n-n0] f[n+n0]
-n0
n0
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE 35
¾ Signaux pairs : invariance par retournement
f(-t) = f(t) f[-n] = f[n]
¾ Signaux impairs : symétrie par retournement
f[-n] = - f[n]
f(-t) = - f(t)
SIGNAUX DE BASE CONTINUS 36
¾ Signal sinusoïdal : f t( )= Acos(2π f t0 +φ)
A AcosΦ
T0= 1 / f0
A : amplitude φ: phase f0: fréquence T0: période
¾ Variation de la fréquence f0:
f1 f2 f3
f1 < f2< f3
SIGNAUX DE BASE CONTINUS 37
¾ Exponentielle complexe ej2πf0t=cos2πf0t+jsin2πf0t t
f ej2 ft) cos2 0
Re( π0 = π
t f ej2 f t) sin2 0
Im( π0 = π
) 2(
2 1
cos πf0t= ej2πf0t+e−j2πf0t ) 2 (
2 1
sin 0 ej2f0t e j2 f0t t j
f π π
π = − −
¾ Interprétation
Partie réelle Partie imaginaire
sin 2πf0t
t
Re Im
cos 2πf0t
¾ Exponentielles harmoniques fk(t)=ej2πkf0t,k∈Z
f0: fréquence fondamentale f0: vitesse de rotation
SIGNAUX DE BASE CONTINUS 38
¾ Échelon unité
u(t) = 0 si t < 0 1 si t > 0
1
t
¾ Impulsion unité (ou Dirac) : δ(t)
∫
∞
−
= t d t
u( ) δ(τ) τ
on veut à savoir
dt t t du( )
) ( = δ
∆ u∆(t) 1
∆
1/∆ δ∆(t)
Aire = 1 δ(t) = lim δ∆(t)
∆ →0
ÆReprésentation 1
δ(t)
C
Cδ(t) δ(t-t0)
SIGNAUX DE BASE CONTINUS 39
¾ Dirac : interprétation
δ(t)
t 0 τ
Intervalle d’intégration
t τ
0
Intervalle d’intégration δ(t)
τ
1 u(t) 0
)
( =
∫∞
− t
dτ τ
δ si t < 0 ∫ ( ) =1
∞
− t
dτ τ
δ si t > 0
u(t)
ÆL’aire du Dirac est "concentrée" en un point
SIGNAUX DE BASE CONTINUS 40
¾ Dirac : Propriété
¾ Dirac : Propriété x(t) δ(t) = x(0) δ(t) ÆDirac de poids x(0)
( )t dt 1 δ
+∞
−∞
∫
=( ) ( ) ( ) ( ) p ( )
x(t) δ(t)
x(0) δ(t)
¾ Dirac : Propriété x(t) δ(t-t0) = x(t0) δ(t-t0)
x(t)
δ(t-t0) t0
x(t)
x(t0)δ(t-t0)
t0
SIGNAUX DE BASE CONTINUS 41
¾ Dirac : Propriété +∞x t( ) ( )δ t dt x(0)
−∞
∫
=0 0
( ) ( ) ( )
x t δ t t dt x t
+∞
−∞
− =
∫
¾ Dirac : Propriété
SIGNAUX DE BASE CONTINUS 42
2
1
2 ( , )1 2 ( )
t s
t
E t t =
∫
s t dt¾ Énergie d’un signal continu s(t)
• Énergie moyenne calculée sur l’intervalle [t1, t2] :
¾ Signaux à énergie finie :
( )2
Es s t dt
+∞
−∞
=
∫
• Énergie totale:
Es < ∞
¾ Exemples : les signaux suivants sont-ils à énergie finie ?
• u(t)
• u(t)e-t/τ
• Sinusoïde
• Signaux périodiques
SIGNAUX DE BASE CONTINUS 43
¾ Puissance d’un signal continu s(t)
/ 2 T
2
1 2 1 2
2 1
( , ) 1 ( )
t s
t
P t t s t dt
t t
= − ∫
• Puissance moyenne calculée sur l’intervalle [t1, t2] : ÆInterprétation : énergie dissipée par unité de temps
/ 2 2
/ 2
lim 1 ( )
T s T
T
P s t dt
→ ∞T −
=
∫
• Puissance totale,cas général :
• Puissance totale, cas des signaux périodiques
0
0 / 2
2 0 / 2
1 ( )
T s
T
P s t dt
T −
= ∫
¾ Exemples : les signaux suivants sont-ils à puissance finie ?
• u(t), u(t)e-t/τ
• Cas général des signaux à énergie finie
Ps< ∞
¾ Signaux à puissance finie :
SIGNAUX DE BASE DISCRETS 44
¾ Échelon unité
u[n] = 0 si n < 0 1 si n ≥0
0 1
...
¾ Impulsion unité : δ[n]
∑
−∞
=
= n m
n n
u[ ] δ[ ]
on veut à savoir δ[ ]n =u n[ ]−u n[ −1]
δ[n] = 1 si n = 0 0 si n ≠0
0 1
¾ Propriétés
x[n] δ[n] = x[0] δ[n]
x[n] δ[n-n0] = x[n0] δ[n-n0] [ ] 1
n
δ n +∞
=−∞
∑ =
0 0
[ ] [ ] [ ]
n
x nδ n n x n +∞
=−∞
− =
∑
[ ] [ ] [0]
n
x nδ n x +∞
=−∞
∑
=0
SIGNAUX DE BASE DISCRETS 45
¾ Sinusoïdes discrètes : cos 2πf0n
0A la différence du cas continu, la rapidité des oscillations n’augmente pas continûment avec f0
1 fréquence = 0
1 fréquence = 1/16
1 fréquence = 1/8
0 10 20 30
0 0.5
0 10 20 30
-1 0
0 10 20 30
-1 0
0 10 20 30
-1 0 1
fréquence = 1/4
0 10 20 30
-1 0 1
fréquence = 1/2
0 10 20 30
-1 0 1
fréquence = 3/4
fréquence = 7/8 fréquence = 15/16 fréquenc e = 1
0 10 20 30
-1 0
1 fréquence = 7/8
0 10 20 30
-1 0
1 fréquence = 15/16
0 10 20 30
0 0.5
1 fréquenc e = 1
SIGNAUX DE BASE DISCRETS 46
¾ Sinusoïdes discrètes : cos 2πf0n
0A la différence du cas continu, la rapidité des oscillations n’augmente pas continûment avec f0
0 en continu : cos 2πf1t ≠cos 2πf2t si f2≠f1
en discret : cos 2πf1n = cos 2πf2n si f2= f1± k, k∈N
Exemple avec
• f1= 1/8 0
0.5 1
1
• f2= 1/8-1 = 7/8
-4 -3 -2 -1 0 1 2 3 4
-1 -0.5
cos(2π*t/8) cos(2π*t*7/8) cos(2π*n*/8)
SIGNAUX DE BASE DISCRETS 47
¾ Sinusoïdes discrètes
cos 2πf0(n+N) = cos 2πf0(n) Æ N = k/f0
0Périodicité
Pour que N soit un entier, il faut donc que f0= k/N rationnel
Période N= k*31/4 ÆN = 31 (avec k=4)
1 cos(8π*t/31)
1 cos(n/6)
cos n/6 f0= 1/12π, (non rationnel) Période N = k * 12πÆNon périodique Exemples
31 ) cos(8πn
Æf0= 4/31 (rationnel)
0 5 10 15 20 25 30 35 40
-1 -0.5 0 0.5
0 5 10 15 20 25 30 35 40 45 50
-1 -0.5 0 0.5
SIGNAUX DE BASE DISCRETS 48
¾ Exponentielles discrètes
n f j n f
ej2πf0n=cos2π0 + sin2π0
0Mêmes propriétés que sinusoïdes (différence de comportement par rapport au cas continu et contraintes sur la périodicité)
SIGNAUX DE BASE DISCRETS 49
¾ Énergie et puissance d’un signal discret s[n]
Énergie
É i
2 2
[ ] n
∑
s n 1∑
n2 s n[ ]2Puissance
Condition pour énergie finie Énergie totale Es
Énergie moyenne
Es < ∞ [ ]2 n
s n
+∞
=−∞
∑
1
[ ] n n
s n
∑
=2 1 1
[ ]
n n
n −n
∑
= s n/ 2 2
/ 2
lim 1 [ ]
N
N n N
N s n
→ ∞ =−
∑
0/ 2 1 2
[ ] N
N
∑
s nPuissance totale Ps (signaux périodiques) Puissance totale Ps
(cas général) Puissance moyenne
énergie finie
Ps < ∞
0 n N0/ 2 N =−
∑
Condition pour puissance finie (signaux périodiques)
50
Les Systèmes Linéaires Invariants
Notion de Système 51
¾ Définition :
• Un système est un modèle mathématique d’un processus physique qui relie un signal d’entrée à un signal de sortie
• Un système est un dispositif de traitement du signal
• En entrée : e(t) signal d’entrée
• En sortie : s(t) signal de sortie
¾ Exemples :
• Amplificateur, système audio, téléphone, système vidéo
• Un système complexe peut être vu comme l’interconnexion de plusieurs systèmes dont les fonctions sont plus simples
¾ Questions
• Comment caractériser un système ?
• Quelles sont les propriétés intéressantes des systèmes ?
• Comment modéliser la relation entre entrée et sortie ?
Représentation des Systèmes 52
¾ Représentation sous forme de schéma bloc
e(t) s(t)
Scontinu
e[n] s[n]
s(t) = S{e(t)}
[ ] S{ [ ]}
e[n] s[n]
Sdiscret s[n] = S{e[n]}
¾ Interconnections des systèmes
• Série / Cascade
• Parallèle
Système 1 Système 2
Input Output
Système 1
+ Output
Input
• Série / Parallèle
• Feed-back
Système 2
Système 1
Système 3
+ Output
Input
Système 2
Système 4
EXEMPLE DE SYSTEMES 53 AMPLIFICATION
RETARD
MOYENNE GLISSANTE FILTRAGE
MODULATION DETECTION
REDRESSEUR (valeur absolue) QUADRATEUR (élever au carré)
¾ Réalisation de systèmes :
Y[n] = (2x[n] – x[n]2)2
X
+ 2
| |2
x[n] + y[n]
-
Corrélateur
| |2 / 2
/ 2
( ) ( ) ( )
T xy
T
C x t y t dt
τ
τ
τ + τ
−
=
∫
−PROPRIETES DES SYSTEMES 54
ETUDE DE 2 PROPRIETES FONDAMENTALES (système continu ou discret):
LINEARITE
INVARIANCE EN TEMPS
LINEARITE (Propriété de superposition)
Soit y1[n]=S{x1[n]} et y2(t)=S{x2[n]} ALORS a y1[n]+ b y2[n] = S{a x1[n]+b x2[n]}
Conséquence : une entrée nulle produit une sortie nulle
INVARIANCE EN TEMPS
Soit y[n]=S{x[n]} ALORS y[n-n0]=S{x[n-n0]}
La sortie du système ne dépend pas de l'origine des temps
La sortie du système ne dépend pas de l’instant où est appliquée l’entrée
On notera SLIT un système Linéaire et Invariant en Temps
¾EXEMPLES - linéarité et invariance en temps des systèmes suivants : 55
y[n] = 2x[n], y(t) = x(t-2) -2x(t-19) y[n] = x[-n], y(t) = sin(6t) x(t) y[n] = 2x[n]+3, y(t) = a exp(x(t))
¾UTILISATION DES PROPRIETES :
Soit un système LINEAIRE et INVARIANT EN TEMPS LIT
L IT
x(t)
t
0 1 2
y(t)
t
0 1 2
qui a en sortie y(t) lorsque l’entrée est x(t) :
Quelle est la réponse du système lorsque l’entrée est x (t) Quelle est la réponse du système lorsque l entrée est x1(t)
x1(t)
t
0 1
4 3 2
RAPPEL DE QUELQUES PROPRIETES DE L’IMPULSION UNITE 56
( ) ( ) (0) ( ) x t δ t =x δ t [ ] [ ] [0] [ ]
x nδ n =x δ n
0 0 0
( ) ( ) ( ) ( )
x t δ t−t =x t δ t−t
0 0 0
[ ] [ ] [ ] [ ]
x nδ n−n =x n δ n−n
δ( )t dt=
−∞
+∞
∫
1[ ] 1n
+∞δ
−∞
∑
=x t( ) ( )
δ
t dt = x( )−∞
+∞
∫
0[ ] [ ] [0]
x nδ n x
+∞
−∞
∑
=x t( ) (
δ
t− t dt) = x t( )−∞
+∞
∫
0 0x n[ ] [
δ
n−n ]=x n[ ]−∞
∑
+∞ 0 0δ τ τ ( ) d u t ( )
t
=
−∞
∫
δ [ ] k u n [ ]
k
n
=
∑
=−∞REPRESENTATION DES SIGNAUX EN SOMME D’IMPULSIONS 57
¾ Exemple de la représentation d’un signal discret en terme d’impulsions retardées
¾ Généralisation :
[ ] x n
[ 2] [ 2]
x− δn+ -4 -3 -2 -1 0 1 2 3 4
-4 -1 2 3
-3 -2 0 1 4
¾ Généralisation : n
• Tout signal discret peut être décrit comme une somme d’impulsions de Dirac retardées et pondérées par l’amplitude de ce signal :
x n x k n k
k
[ ] = [ ] [ − ]
=−∞
∑
+∞δ
-4 -3 -2 -1 0 1 2 3 4x[0] [ ]δn-1
-4 -3 -2 0 1 2 3 4 [ 1] [ 1]
x−δn+ n
n
¾ Décomposition équivalente pour les signaux continus :
x t( )= x( ) (t− )d
−∞
+∞
∫
τ δ τ τ2 -4 -3 -2 -1 0 1 3 4 -4 -3 -2 -1 0 1 2 3 4
[1] [ 1]
x δ −n
[2] [ 2]
x δ −n n
n
NOTION DE REPONSE IMPULSIONNELLE 58
¾ La réponse impulsionnelle h[n] d’un système est la réponse du système lorsque le signal d’entrée est l’impulsion de Dirac δ[n] :
δ[n] h[n]
S
¾ Dans le cas des systèmes linéaires et invariant en temps (SLIT), la réponse impulsionnelle h[n] permet de caractériser totalement le système.
La Transformée de Fourier ou la transformée en z de la réponse impulsionnelle S
La Transformée de Fourier ou la transformée en z de la réponse impulsionnelle permettent de déduire :
• La réponse en fréquence ou gain complexe H(f)
• Le gain en fonction de fréquence |H(f)| ou la phase arg(H(f)
• La fonction de transfert H(z)
EQUATION DE CONVOLUTION 59
¾ Considérons un système S linéaire et invariant en temps (LTI) de réponse impulsionnelle h[n]. Nous pouvons donc écrire :
entrée S sortie
δ[n] h[n]
δ[n-k] h[n-k]
x[k] δ[n-k] x[k] h[n-k]
x[n] S y[n]
¾ D’où l’équation de convolution discrète qui lie signal d’entrée, signal de sortie et réponse impulsionnelle d’un système LIT :
[ ] [ ]
k
x k δ n k
+∞
=−∞
∑
− [ ] [ ]k
x k h n k
+∞
=−∞
∑
−réponse impulsionnelle d un système LIT :
[ ] [ ] [ ]
k
y n x k h n k
+∞
=−∞
= ∑ −
EQUATION DE CONVOLUTION 60
¾ Un changement de variable permet de convertir l’équation de convolution sous une autre forme:
[ ] [ ] [ ] [ ] [ ]
y n x k h n k h k x n k
+∞ +∞
= ∑ − = ∑ −
¾ Notation de la convolution
k
∑
=−∞ k∑
=−∞[ ] [ ] [ ] [ ] [ ] y n = x n ∗ h n = h n ∗ x n
¾ L’équation de convolution permet de calculer la sortie du système pour n’importe quelle entrée x[n]
CALCUL PRATIQUE DE LA CONVOLUTION 61
y[n] ? x[n]
h[n]
S
x[k]
0 4 k
k 0
h[n-k]
n 6 n n<0
x[n]
0 1 2 3 4 5 1
32 64
y[n] = x[n] * h[n]
k 0
k 0
h[n-k]
h[n-k]
n-6
n-6
n-6 n
n 0<n<4
4<n<6 0 1 2 3 4 5 6 7
h[n]
1 24816 32
0 1 2 3 4 5 6 7 8 9 10
k 0
k 0
h[n-k]
h[n-k]
n-6
n-6 n
n 6<n<10
n>10
CALCUL PRATIQUE DE LA CONVOLUTION 62
¾ Cas usuel :
• soit x de durée N, h de durée M, avec N≥M (signaux à durée finie)
• x et h ont des amplitudes nulles pour les temps (indices) négatifs (signaux causaux) alors l’équation de convolution se simplifie
1 1
[ ] [ ] [ ] [ ] [ ]
N M
k h k h k k
− −
∑ ∑
¾ On note que la durée de y[n] est N+M-1 : la convolution ‘allonge’ les signaux
[0] [0] [0]
[1] [0] [1] [1] [0]
[2] [0] [2] [1] [1] [2] [0]
y x h
y x h x h
y x h x h x h
=
= +
= + +
0 0
[ ] [ ] [ ] [ ] [ ] 0
k k
N M
y n x k h n k h k x n k pour n à
= =
=
∑
− =∑
− = +[2] [0] [2] [1] [1] [2] [0]
...
[ ] [ 1] [ 1] .... [ ] [ ] ... [ ] [0]
...
y x h x h x h
y i x i M h M x i M j h M j x i h
= + +
= − + − + + − + − + +
ILLUSTRATION DE LA CONVOLUTION DE SIGNAUX CONTINUS 63
h(τ)
τ x(τ)
y(t) ?
x(t) S
h(t)
( ) ( ) * ( ) ( ) ( )
( ) ( ) y t x t h t
x h t d
h x t d
τ τ τ
τ τ τ
+∞
−∞
+∞
=
= −
=
∫
∫
τ
τ h(t0-τ)
t0>0
t0
+∞∫
x( )h(t )
( ) ( ) h
τ
x tτ τ
d−∞
=
∫
− y t( )0 =−∞∫x( ) (τ h t0−τ τ)dτ x(τ)h(t0-τ)
t ( )
( ) * ( ) y t x t h t
=
t0
t0
PROPRIETES DE LA CONVOLUTION 64
¾ Commutativité
¾ Mise en cascade
[ ] [ ] [ ] [ ] x n ∗ h n = h n ∗ x n
¾ Distributivité
¾ Élément neutre, définition de la réponse impulsionnelle d’un système LIT
1 2 1 2
[ ] { [ ] [ ]} { [ ] [ ]} [ ] x n ∗ h n ∗ h n = x n ∗ h n ∗ h n
1 2 1 2
[ ] { [ ] [ ]} { [ ] [ ]} { [ ] [ ]}
x n ∗ h n + h n = x n ∗ h n + x n ∗ h n
¾ Attention, ces propriétés ne sont valables que pour les systèmes LIT