Cours Traitement de Signal AII21
Chapitre 2 : La transformée de Laplace
I . Introduction
Le lien entre la représentation temporelle d'un signal et sa représentation fréquentielle est la décomposition en Série de Fourier (DSF), pour les signaux périodique ou la Transformée de Fourier (TF) pour les signaux non périodiques.
II. Propriétés temporelles
II.1. Énergie et Puissance des signaux
Toute transmission d'information est liée à un transfert d'énergie. Comment mesure t’on l'énergie d'un signal?
Soit un signal x(t) défini sur , et To un intervalle de temps.
Énergie de x(t) :
Puissance moyenne de x(t):
Puissance moyenne des signaux périodiques de période T :
∫
−
∞
= → 2
2
) 2
( lim
To
To To x t dt
E
∫
−
∞
= → 2
2
) 2
1 ( lim
To
To Tox t dt
P To
[
−∞,+∞]
Les signaux déterministes à temps continu
∫
−
= 2
2
) 2
1 (
T
T
dt t T x
P
Cours Traitement de Signal AII21
II.2 Fonction d’auto corrélation et d’inter corrélation
Pour comparer deux signaux entre eux, ou faire ressortir une caractéristique d’un signal noyé dans le bruit, on compare le signal x(t) pris à un instant « t », à un signal y(t) pris à un instant « t’= t -τ ».
II.2.1 L'inter corrélation
L'inter corrélation compare deux signaux réels x(t) et y(t) retardée, elle traduit la ressemblance de de forme entre eux : =+∫∞ ⋅ −
∞
−
dt t y t x C
y
x ( ) ( ) ( )
, τ τ
Pour les signaux complexes : =+∫∞ ⋅ −
∞
−
dt t y t x C
y
x ( ) ( ) *( )
, τ τ (avec (*)≡ conjugué)
Exemple : Si y( t ) est une version retardée de t0de x( t ), donc C x,y(t) sera maximale pour t = -t0 ; en examinant son temps de pic, on peut estimer le décalage entre x et y (Application en radar)
II.2.2 L’auto corrélation
L’auto corrélation réalise une comparaison entre un signal x(t) et ses copies retardées Pour les signaux réels : =+∫∞ ⋅ −
∞
−
dt t x t x C
x
x ( ) ( ) ( )
, τ τ
II.2.3 Propriétés de corrélation
C x,x (t) est maximale pour t = 0.
C x,y (t) = C x,y(-t) : c'est une fonction paire.
C x,y (t) = x( t ) * y( -t ) et C x,x (t) = x( t ) * x( -t ).
III. Produit de Convolution III.1. Définition
Soit le système ci-dessous, ayant pour entrée une impulsion de Dirac δ(t) et de sortie la réponse impulsionelle h(t) .
Un système linéaire est modélisé par sa réponse impulsionelle.
La réponse y(t) d’un système à une entrée x(t) est une superposition de réponses impulsionelle amplifié par des valeurs instantanées de x(t) ; cette opération appelé : convolution de x par h ; noté (*).
Figure (2.1):La réponse impulsionelle du système.
δ(t) h(t)
Sortie : la réponse impulsionelle
Système
Entrée : impulsion deDirac
Cours Traitement de Signal AII21
Figure (2.2): La réponse du système.
Equation générale de convolution :
III.2. Propriétés du produit de convolution Soit les trois signaux continus : f1[t], f2[t] et f3[t] .
a- La commutativité :
f1[t] * f2[t] = f2[t] * f1[t]
b- La distributivité
( f1[t] + f2[t] )* f3[t] = (f1[t] * f3[t]) + (f2[t] * f3[t]) c- L’associativité
f1[t] * f2[t] * f3[t] = f1[t] * (f2[t] * f3[t] ) = (f1[t] * f2[t]) * f3[t]
d- L’élément neutre f[t] * δ[t] = +∞
∫
∞
−
−τ τ δ
τ t d
f( ). ( ). = f[t]
e-
Soit le signal d’entré f(t), s(t) est la réponse du système tell que : f(t) * δ(t-t0) = s(t) = f( t - t0 )
Figure ( 2.3 ) : La réponse du système à t0.
Le signal de sortie d’un système linéaire causal invariant dans le temps est donné par le produit de convolution du signal d’entrée et d’une fonction h(t) appelée réponse impulsionelle.
La valeur du signal de sortie à l’instant t est ainsi obtenue par la sommation des valeurs passées du signal d’excitation, pondérées par la réponse du système.
Système h(t)
x(t) y(t)= x(t)*h(t)
Y(t) = x(t) * h(t) =
∫
+∞∫
∞
− +∞
∞
−
−
=
−τ hτ dτ xτ h t τ dτ t
x( ). ( ). ( ). ( ).
t δ(t-t0)
f(t)
t
t0
t f(t-t0)
t0
Cours Traitement de Signal AII21
III.2. Application Exemple 1 :
Soit les signaux continus h(t) et x(t):
h (t) = 2 pour 0 ≤ t ≤ 2 sinon h (t) = 0 & x (t) = 2.e-t pour t ≥ 0 a- Représenter les deux signaux.
b- Déterminer le produit de convolution y (t) = x (t) * h (t).
Correction : a-
Figure (2.4 ) : La représentation temporelle des signaux x(t) et h(t).
b- le produit de convolution y (t) = x (t) * h (t) = +∞
∫
∞
−
−τ hτ dτ t
x( ). ( ).
1er cas : pour t < 0
Figure(2. 5 ) : La représentation des signaux pour t < 0 .
Pas d’intersection entre les deux signaux d’ où y(t) = 0 . 2er cas : pour 0 < t < 2
Figure (2. 6) : La représentation des signaux pour 0 < t < 2.
y (t) = x (t) * h (t) = +∞
∫
∞
−
−τ hτ dτ t
x( ). ( ). = 2.2. ( ) =4 . .
= 4 . . = 4. e- t [et – 1]
y(t) = 4. e-2 t - 4.e-t pour 0 < t< 2
2 h(t)
t 2
x(t)
t 2
2 h(τ)
τ 2
x(t-τ) 2
t
0 2
h(τ)
τ x(t-τ) 2
t
Cours Traitement de Signal AII21
3eme cas : pour t >2 y (t) = x (t) * h (t) =
∫
+∞∞
−
−τ hτ dτ t
x( ). ( ). = 4. ( ) =4 . .
= 4 . . = 4. e- t [e2 – 1] d’où y(t) = 4. e2- t - 4.e-t pour t > 2 Exemple 2 :
Soit un système « S », caractérisé par sa réponse impulsionelle h(t).
Si on excite ce système par un signal x (t), on aura une réponse y (t).
Soient les deux signaux continus x (t) et h (t) telle que :
x (t) = 1 pour 0 ≤ t ≤ 4 sinon x (t) = 0 & h (t) =1 pour -2 ≤ t ≤ 2 sinon h (t) = 0 a - Déterminer le produit de convolution y (t) = x (t) * h (t).
b - Représenter le produit de convolution y (t).
Réponse : a -
Figure (2. 7): La représentation temporelle des signaux x(t) et h(t).
Le produit de convolution y (t) = x (t) * h (t) = +∞
∫
∞
−
−τ hτ dτ t
x( ). ( ).
1er cas : pour t < 0
Pas d’intersection entre les deux signaux d’ où y(t) = 0 .
Figure (2. 8) : La représentation de x(τ) et h(t- τ) pour t < 0.
2èmecas : pour 0 < t < 4
Figure (2. 9) : La représentation de x(τ) et h(t- τ) pour le 2èmecas .
h(t)
t
-2 2
1
x(t)
t
0 4
1
t
h(t - τ) x(τ)
t
0 4
1
t - 4
t
h(t - τ)
t - 4
x(τ)
t
0 4
1
Cours Traitement de Signal AII21
y (t) = x (t) * h (t) =
∫
+∞∞
−
−τ hτ dτ t
x( ). ( ). = 1 = t y(t) = t pour 0 < t< 4
3ème cas : pour t >4 et t-4<4 d’où 4 < t <8
Figure (2. 10) : La représentation de x(τ) et h(t- τ) pour le 3èmecas .
y (t) = +∞
∫
∞
−
−τ hτ dτ t
x( ). ( ). = 1 = 4 – t+ 4= -t + 8 y(t) = -t + 8 pour 4< t <8
4ème cas : pour t-4>4 d’où t >8
Figure (2. 11) : La représentation de x(τ) et h(t- τ) pour le 4èmecas .
Pas d’intersection entre les deux signaux d’ où y(t) = 0.
b-
Figure (2. 12) : La représentation temporelle du produit de convolution.
t
h(t - τ)
x(τ)
t
0 4
1
t - 4 x(τ)
t
4 t
h(t - τ)
t - 4
y(t)
t 4
0 4 8
Cours Traitement de Signal AII21
IV . Propriétés fréquentielles
IV.1. Transformation de Fourier des fonctions périodiques : Série de Fourier
L’introduction de la transformée et de la Série de Fourier permet de donner une autre représentation des signaux très intéressante pour la théorie de l’information et du signal .Cette décomposition exponentielle ou trigonométrique permet d’exprimer le signal en fonction de ses harmoniques.
IV.1.1. Décomposition sous une forme trigonométrique
Un signal périodique s(t) de période T, continu par morceaux et vérifiant les condition de Dirichlet , peut être décomposé en Série de Fourier selon la Décomposition trigonométrique suivante :
Pour tout signal s(t) réel où s(t) = s ( t + T0), on peut écrire :
[ ]
∑
∞= +
+
=
1
) 2 sin(
) 2 cos(
)
( 0 0 0
n
n
n n Ft B n Ft
A A
t
s π π (1)
Avec
∫
= 0
0
) 1 (
0 0
T
dt t T s A
1 )
2 cos(
).
2 0 (
0
0 0
≥
=T
∫
s t n Ft dt pournA
T
n π
1 )
2 sin(
).
2 0 (
0
0 0
≥
=T
∫
s t n Ft dt pour nB
T
n π
A0 est la valeur moyenne de s(t).
Remarque :
Si s(t) est paire => Bn = 0 pour n ϵ N*
Si s(t) est impaire => An = 0 pour n ϵ N (A0 = 0).
L’expression (1) peut s’écrire :
∑ +
+
=
∞=1
n 0 n
0
C .cos(2 π nt )
a
s(t)
Fn
ϕ
(2)avec :
= +
et ()
n n
n a
Artgan − b ϕ =
Cours Traitement de Signal AII21
IV.1.1.1 Spectre du signal périodique
Le spectre en fréquence d’un signal périodique est constituer de la composante continue avec à la fréquence nulle d’amplitude A0 , du fondamental à la fréquence F0 d’amplitude C1 et des différents harmoniques situés aux fréquences f = nF0 d’amplitude respectives Cn.
Le spectre d’une fonction périodique, de période T0 avec T0 = 1/F0 , est discontinue et composé de raies dont l’écart minimum est, sur l’axe des fréquences, F0.
Représentation spectrale unilatéral
A partir de l’expression (2), on peut construire la représentation spectrale du signal dans un plan amplitude –fréquence.
C’est la succession de pics ou raies d’amplitude Cn et positionnés aux fréquences nF0.
Figure (2.13) : Représentation spectrale du signal s(t).
IV.1.2. Décomposition sous une forme exponentielle
Un signal périodique s(t) de période T0, continu par morceaux, peut être décomposé en Série de Fourier selon la Décomposition exponentielle suivante :
L’expression (1) peut se mettre sous la forme complexe suivante :
∑
+∞∞
−
= Sn nF e jn F t t
s( ) ( 0) 2π 0
Avec = − =
∫
0 − ≥0 0
0 1 ( ) 1
) 2(
) 1
( 2 0
T n
n s t e dt pourn
jb T a nF
S jn πF t
et S(0) = a0
Les valeurs négatives de n sont introduites dans un but de simplification, s(t) étant réel d’où nous avons :
a -n = an et b -n = - bn
S(nF0) représente les composantes du spectre en fréquence de s(t),grandeur en général complexe, qui a pour :
•
module : |S(nf0)| =+ =
• phase :
ᵩ
( nF0) = Arctan(- bn / an )A0
C1
C2 C3
f 0 F0 2F0 3F0 nF0
Cn
Cours Traitement de Signal AII21
L’expression du spectre S(f) est :
Figure (2.14) : Représentation bilatérale du spectre d’un signal périodique.
IV.1.3. Propriétés
Si s(t) est paire => Bn = 0 et Sn = S-n
Si s(t) est impaire => An = 0 et Sn = -S-n
IV.1.4. Application
Décomposer en série de Fourier le signal représentée sur la figure suivante:
Figure (2. 15) : Représentation temporelle du signal périodique f(t).
Correction :
La période est : T = 2 s ; La pulsation est : ω = π =π T
2 ; f est une fonction paire : Bn = 0.
La valeur moyenne est :
∫
∫
∫
− = − += 1
0 0
1 1
0 1 ( )
2 ) 1 2 ( ) 1 1 (
dt t v dt t v dt
t T v A
[ ]
3 3 ) ( )
(
0 , 1
+
= + ⇒
=
−
∈
∀
t t v b at t v
t
et
[ ]
3 3 ) ( 3
) (
1 , 0
+
−
= + ⇒
−
=
∈
∀
t t
v c t t
v t
D’où :
4 3 3
2 3 2 ) 1 3 3 2 (
1 0
1 0 2
1 =
+
= +
− −
∫
t dt t t
f(t)
1 t 3
S(f) = ∑ &'(& ( (!" ). #($ % !" ) avec S(nF0) = |S(nF0)|. ej ᵩ(nF0)
S(0)
S(F0)
S(2F0) S(3F0)
f - nF0 -3F0 -2F0 -F0 0 F0 2F0 3F0 nF0
S(nF0) S(-F0)
S(-2F0) S(-3F0)
S(-nF0)
S(f)
Cours Traitement de Signal AII21
4 3 3
2 3 2 ) 1 3 3 2 (
1 1
0 1 2
0 =
+
−
= +
∫
− t dt t tA0 = 3/4+3/4=3/2 A0 = 3/2
∫
− + +∫
− += 0
1
1
0
) cos(
) 3 3 ( ) cos(
) 3 3
( t n t dt t n t dt
An π π
En intégrant par partie, on trouve n
[
n] [
n]
n
A n 1 ( 1)
) ( ) 3 1 ( ) 1 (
3
2
2 − − + − −
= π π
D’où
[
n]
An n 1 ( 1) )
( 6
2 − −
=
π
IV.2. Transformation de Fourier des fonctions
La transformée de Fourier permet d’obtenir une représentation en fréquence (représentation spectrale) des signaux déterministe, continus et non périodique. Elle exprime la répartition fréquentielle de l’amplitude, de la phase et de l’énergie (ou de la puissance) des signaux considérés.
IV.2.1 Définition
Soit x(t) un signal déterministe non périodique, sa transformée de Fourier est :
X(f) =T F{x(t)}
X(f) indique quelle "quantité" de fréquence f est présente dans le signal x(t) sur l'intervalle X(f) est une fonction de f, généralement complexe :
X(f) = R{X(f)} + j.I{X(f)} = │X(f)│ .ejφ(f) = │X(f)│ cos(φ(f)) + j │X(f)│ .sin(φ(f))
[ , ]−∞+∞
T.F
x(t) X(f)
=
+∞∫
∞
−
−
dt e
t x f
X ( ) ( ).
j2πft∫
∫
⇒ = −= 1
0 1 0
) cos(
) 2 ( )
2 cos(
).
2 0 (
0
dt t n t T f A dt
t F n t
T s
An n
T
π π
Cours Traitement de Signal AII21
-le module est l’amplitude du spectre :
│X(f)│= R[
X ( f )]
2+ I [ X ( f )]
2-L’argument φ(f) = arg (x(f)) = Arctg(
)]
( [
)]
( [
f X R
f X
I )
La transformation inverse est donnée par :
x(t)= TF-1{ X(f) }
IV.2.2 Application:
1. Calculer la transformée de Fourier de x(t) = rectT(t) ; 2. Représenter le spectre de x(t).
Figure (2. 16) : Représentation temporelle d’un signal rectangulaire.
Correction :
1. X(f) =T F{x(t)} =
e t d
tt
rect
j fT
( ).
2.
+∞
∫
∞
−
− π
=
e
j ft d
tT
T
. .
1
22
2
π
∫
−− = -
f
j21π [e-jπfT - e jπfT] or sin α =
j
21 [ eαj – e-jα] et sinc α =sin(παπα ) D’où X(f) =
π1 .sin(f πfT) = T. πfT1 .sin(πfT) = T.sinc(fT)
D’où X(f) = T.sinc(fT) T.F-1
X(f) x(t)
T/2 -T/2
x(t)
t 1
) (t
x = +∞
∫
X(f) .e
j2 ft.dt∞
−
π
Cours Traitement de Signal AII21
2. représentation de X(f) :
Figure (2.17) : Représentation spectrale d’un signal rectangulaire.
IV.2.3. Propriétés de la TF
Soit les deux signaux analogiques s(t) et r(t)
T
-1/T 1/T -2/T
X(f)
f
2/T
Cours Traitement de Signal AII21
IV.2.4. Cas particulier : Transformée de Fourier de Dirac
Le signal : s(t) Transformée de Fourier Du signal : )
( f S
δ(t) 1
δ(t – τ) e−j2πfτ
t f
e−j2π0 δ(f + f0)
IV.2.5. Application :
Calculer et représenter la transformée de Fourier d’un signal sinusoïdale s(t) d’amplitude S et de fréquence f0 telle que : s(t) = S.cos(2 πf0t)
Correction :
∫
∫
+∞∞
−
− +∞
∞
−
− =
= s t e dt S f t e dt f
S j πft π 0 j2πft
2 . cos(2 )
) ( ) ( or
) 2 2 cos(
0
0 2
2 0
t f j t f
j e
t e f
π
π = π + −
+
=
+
=
∫ ∫
+∞∫
∞
−
− +∞ −
∞
− +∞ −
∞
−
− −
dt e e dt e S e
dt e e
S e f
S j ft j ft j ft j ft j ft
t f j t f
j π π π π π π π
2 2 2
2 2
2 2
. 2 .
. 2 )
( 0 0
0 0
=
∫
++∞∫
∞
−
+ +∞ −
∞
−
− dt e dt
S ej2 (f0 f)t j2 (f0 f)t
2
π
π =
∫
++∞∫
∞
−
+ +∞ −
∞
−
−
− dt e dt
S e j2 (f f0)t j2 (f f0)t
2
π π
= ) ( f
S
[
( 0) ( 0]
2 f f f f
S δ − +δ +
Figure (2.18) : représentation temporelle et fréquentielle du signal cosinus.
[
0] [
( 0) ( 0]
) 2 2 cos(
. S f f f f
t f S
TF π = δ − +δ +
Cours Traitement de Signal AII21
Remarque :
La transformée de Fourier d’une fonction cosinus de fréquence f0 et d’amplitude S, est la somme de deux impulsions de Dirac centrée sur les fréquences –f0 et +f0 ; et d’amplitude la moitié de celle du signal :S /2.
La transformée de Fourier d’une fonction sinus de fréquence f0 et d’amplitude S, est la somme de deux impulsions de Dirac centrée sur les fréquences –f0 avec une amplitude S/2 et sur +f0
avec une amplitude -S /2.
IV.3. Transformée de Fourier du produit de convolution
Remarque :
[
h(t)* (t)]
TF[ ] [ ]
h(t).TF (t) TF[ ]
h(t) H(f)TF δ = δ = =
[
a(t)*b(t)]
A(f).B(f )TF =