1
Traitement des données. De l’acquisition des signaux et images jusqu’à leur
interprétation
Didier VRAY, Denis FRIBOULET MASTER et École Doctorale MEGA
didier.vray@creatis.insa-lyon.fr
BIBLIOGRAPHIE 2
Ouvrages généraux
• Bernard MULGREW, "Digital Signal Processing, concepts and applications", Palgrave MacMillan, 2003
• Alan OPPENHEIM, A. SCHAFER, "Discrete-time Signal Processing", PRENTICE HALL, 1999
• 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 loin
• 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
• S. MARPLE, "Digital spectral analysis", PRENTICE-HALL, 1987
3
Traitement du signal et applications Introduction
Denis Friboulet – Didier Vray
SIGNAL ? 4
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
Signal :
• 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
Types de signaux
Dimension du signal :
• 1D : f(t) f[n]
• 2D :f(u,v) f[i,j]
• 3D : f(u,v,w) f[i,j,k]
• etc...
t
n
SIGNAL ? 5
Mesures
• Capteur, statistiques....
• Développement des capteurs : microphone, céramiques piézoélectriques, antennes, capteurs CCD, de pression
Acquisition numérique :
• Stockage
• Traitement numérique par ordinateur
• Perte d’information ?
• Importance des techniques numériques Capteur
t
Capteur Echantillonnage
t
EXEMPLES DE SIGNAUX 6
Signal de parole
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
-0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4
Temps (s)
amplitude
‘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 0.4 0.6
Temps (s)
amplitude
b on j ou r
EXEMPLES DE SIGNAUX 7
Évolution de la rente 5% sous le consulat et le 1
erempire
0 10 20 30 40 50 60 70 80 90 100%
1798 1799 1800 1801 1802 1803 1804 1805 1806 1807 1808 1809 1810 1811 1812 1813 1814 1815
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 Victoire sur la Russie à Friedland
Traité de Tilsit avec la Russie
Début de la campagne de Russie
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 Napoléon débarque à Golfe Juan
Victoire sur l’Autriche à Ulm L’Angleterre
recherche la paix et l’obtient à
Amiens
© Le Monde 28/01/1997
EXEMPLES DE SIGNAUX 8
Évolution hebdomadaire du Dow Jones du 5 janvier 1929 au 4 janvier 1930
50 100 150 200 250 300 350 400
5 jan. 1929 4 jan. 1930
EXEMPLES DE SIGNAUX 9
Signaux ultrasonores
Signal réel
t
τ = 2d/c , c ≈ 1540 m/s (tissus biologiques) Émission
Réception d
t
Composante spéculaire Composante diffuse
EXEMPLES DE SIGNAUX 10
Images ultrasonores: échographie intravasculaire
EXEMPLES DE SIGNAUX 11
Images ultrasonores: échographie intravasculaire
Plaque artérielle
EXEMPLES DE SIGNAUX 12
Images cardiaques échographie ultrasonore et en IRM
EXEMPLES DE SIGNAUX 13
Tomographie X
EXEMPLES DE SIGNAUX 14
Tomographie par rayonnement X synchrotron
EXEMPLES DE SIGNAUX 15
Tomographie X
TRAITEMENT DU SIGNAL ? 16
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.
Notion de système de traitement :
Notion de domaine de représentation :
• Transformée de Fourier
• Modèles autorégressifs, transformée de Laplace, transformée de Wigner, transformée en ondelettes, transformée cosinus....
Système de Traitement
t t
EXEMPLES DE TRAITEMENT 17
Imagerie ultrasonore
Image ?
N Signaux
EXEMPLES DE TRAITEMENT 18
Signaux acquis
Image Compressée Détection
d'enveloppe
Compression logarithmique
Enveloppe
EXEMPLES DE TRAITEMENT 19
Signal de parole : analyse ?
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 0.4 0.6
Temps (s)
amplitude
b on j ou r
EXEMPLES DE TRAITEMENT 20
Domaine de représentation : temps-fréquence
EXEMPLES DE TRAITEMENT 21
Détection de rupture
Cas idéal
0 5 10 15 20
-2 -1 0 1 2
0 50 100 150 200 250
-2 -1 0 1 2
Cas réel avec bruit gaussien (σ = 0.4)
0 50 100 150 200 250
-2 -1 0 1 2
Opérateur différentiel : [ 1 -1 ]
0 5 10 15 20
-2 -1 0 1 2
Opérateur différentiel : [ 1 -1 ]
EXEMPLES DE TRAITEMENT 22
Détection de rupture
Opérateur différentiel : [ 1 -1 ] Opérateur optimisé : Canny[86] – Deriche[87]
Cas réel avec bruit gaussien (σ = 0.4)
0 50 100 150 200 250
-2 -1 0 1 2
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 23
Détection de rupture
0 50 100 150 200 250
-4 -2 0 2 4
0 50 100 150 200 250
-4 -2 0 2 4 6
Cas réel avec bruit gaussien (σ = 1.0) Cas réel avec bruit gaussien (σ = 1.2)
0 50 100 150 200 250
-4 -2 0 2 4
0 50 100 150 200 250
-4 -2 0 2 4
Opérateur optimisé :
EXEMPLES DE TRAITEMENT 24
Image : Détection de contours
Bords horizontaux Bords verticaux
Norme du gradient Seuillage
||2
EXEMPLES DE TRAITEMENT 25
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 26
Détection de contour par ensemble de niveau basé sur les statistiques
Histogramme
Sang
Histogramme Muscle
EXEMPLES DE TRAITEMENT 27
Détection de contour par ensemble de niveau basé sur les statistiques
EXEMPLES DE TRAITEMENT 28
Visualisation de l’information ?
EXEMPLES DE TRAITEMENT 29
Visualisation : 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
α L
N
3. Calcul de la lumière émise au point d’intersection : modèle de diffusion
Id = Ip (N . L)
4. Application des étapes 1, 2 et 3 à l'ensemble des rayons partant du plan de visualisation
EXEMPLES DE TRAITEMENT 30
© Joe Kniss, Utah
EXEMPLES DE TRAITEMENT 31
32
Signaux de base
Opération élémentaires sur les signaux
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE 33
Retournement
f(t) f(-t)
f[n] f[-n]
Opérations de base sur les signaux:
• Retournement, décalage, changement d’échelle, etc.
transformation de la variable indépendante
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE 34
Changement d’échelle
f(t) f(2t)
f[n] f[2n]
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE 35
Décalage temporel
f(t) f(t-t0)
Retard
f[n]
f(t+t0)
Avance
f[n-n0]
Retard
f[n+n0]
Avance
t 0
-t 0
-n 0
n 0
TRANSFORMATIONS DE LA VARIABLE INDEPENDANTE 36
Signaux pairs : invariance par retournement
f(-t) = f(t) f[-n] = f[n]
f[-n] = - f[n]
Signaux impairs : symétrie par retournement
f(-t) = - f(t)
SIGNAUX DE BASE CONTINUS 37
Signal sinusoïdal :
f t ( ) = A cos(2 π f t
0+ φ )
A AcosΦ
T 0 = 1 / f 0
A : amplitude φ : phase f
0: fréquence T
0: période
Variation de la fréquence f0 :
f
1f
2f
3f
1< f
2< f
3SIGNAUX DE BASE CONTINUS 38
Exponentielle complexe
e
j2πf0t= cos 2 π f
0t + j sin 2 π f
0t
Interprétation
Partie réelle
t f e
j2 f t) cos 2
0Re(
π 0= π
t f e
j2 f t) sin 2
0Im(
π 0= π
) 2 (
2 1
cos π f
0t = e
j2πf0t+ e
−j2πf0t) 2 (
2 1
sin
0e
j2 f0te
j2 f0tt j
f
π ππ = −
−Partie imaginaire
Exponentielles harmoniques
f k ( t ) = e j 2 π kf
0t , k ∈ Z
f0 : fréquence fondamentale f0: vitesse de rotation
sin 2πf0t
t
Re Im
cos 2πf0t
SIGNAUX DE BASE CONTINUS 39
Échelon unité
Impulsion unité (ou Dirac) :
δ
(t) Représentation u(t) = 0 si t < 0
1 si t > 0
1
( ) t dt 1
+∞
δ
−∞
∫ =
on veut avec
∆ u∆(t) 1
∆
1/∆
δ
∆(t)Aire = 1
δ(t) = lim δ
∆(t) ∆ → 0
1
δ
(t)C
C
δ
(t)δ
(t-t0)t0
dt t t du ( )
)
( =
δ
SIGNAUX DE BASE CONTINUS 40
Dirac : interprétation
δ
(t)t 0
τ
Intervalle d’intégration
1 u(t) 0
)
( =
∫
∞− t
d
τ τ
δ
si t < 0t
τ
0
Intervalle d’intégration
δ
(t)1 )
( =
∫
∞− t
d
τ τ
δ
si t > 0 L’aire du Dirac est "concentrée" en un point
SIGNAUX DE BASE CONTINUS 41
Dirac : Propriété
Dirac : Propriété
x(t) δ(t) = x(0) δ(t) Dirac de poids x(0)
x(t)
δ
(t)x(0)
δ
(t)
( ) t dt 1
+∞ δ
−∞
∫ =
Dirac : Propriété
x(t) δ(t-t
0) = x(t
0) δ(t-t
0)
x(t)
δ
(t-t0) t0
x(t)
x(t0)
δ
(t-t0)t0
SIGNAUX DE BASE CONTINUS 42
0 0
( ) ( ) ( )
x t δ t t dt x t
+∞
−∞
− =
∫
Dirac : Propriété
Dirac : Propriété
+∞ x t ( ) ( ) δ t dt x (0)
−∞
∫ =
SIGNAUX DE BASE CONTINUS 43
2
1
2
( , )
1 2( )
t s
t
E t t = ∫ s t dt
Énergie et puissance moyennes d’un signal continu s(t)
• Énergie moyenne calculée sur l’intervalle [t
1, t
2] :
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 [t
1, t
2] :
Interprétation : énergie dissipée par unité de temps
SIGNAUX DE BASE DISCRETS 44
Échelon unité
Impulsion unité : on définit
Propriétés
u[n] = 0 si n < 0 1 si n ≥ 0
[ ] [ ]
n m
u n δ m
=−∞
= ∑
conséquences et
δ [ ] n = u n [ ] − u n [ − 1]
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 n δ n n x n
+∞
=−∞
− =
∑
[ ] [ ] [0]
n
x n δ n x
+∞
=−∞
∑ =
0 1
...
δ
[n] = 1 si n = 0 0 si n ≠ 0
0
1
SIGNAUX DE BASE DISCRETS 45
Sinusoïdes discrètes : cos 2πf0n
A la différence du cas continu, la rapidité des oscillations n’augmente pas continûment avec f00 10 20 30
0 0.5 1
fréquence = 0
0 10 20 30
-1 0 1
fréquence = 1/16
0 10 20 30
-1 0 1
fréquence = 1/8
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
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
fréquence = 1
SIGNAUX DE BASE DISCRETS 46
Exponentielles discrètes
Mêmes propriétés que sinusoïdes (différence de comportement par rapport au cas continu et contraintes sur la périodicité)n f j
n f
e
j2π
f0n= cos 2 π
0+ sin 2 π
0SIGNAUX DE BASE DISCRETS 47
Énergie et puissance d’un signal discret s[n]
2
1
[ ] 2 n
n n
s n
∑ =
2
1
2
2 1
1 [ ]
n n n
n − n ∑ = s n
• Énergie moyenne :
• Puissance moyenne :
48
Les Systèmes Linéaires Invariants
Notion de Système 49
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
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
Questions
• Quelles sont les propriétés intéressantes des systèmes ?
• Comment caractériser un système ?
=
Comment modéliser la relation entre entrée et sortie ?
Représentation des Systèmes 50
Représentation sous forme de schéma bloc
e(t) s(t)
S
continue[n] s[n]
S
discrets(t) = S{e(t)}
s[n] = S{e[n]}
Interconnections des systèmes
• Série / Cascade
• Parallèle
• Série / Parallèle
• Feed-back
Système 1 Système 2
Input Output
Système 1
Système 2
+ Output
Input
Système 1
Système 3
+ Output
Input
Système 2
Système 4
PROPRIETES DES SYSTEMES 51
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
52
x(t)
t
0 1 2
y(t)
t
0 1 2
EXEMPLES - linéarité et invariance en temps des systèmes suivants : 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))
UTILISATION DES PROPRIETES :
Soit un système LINEAIRE et INVARIANT EN TEMPS qui a en sortie y(t) lorsque l’entrée est x(t) :
Quelle est la réponse du système lorsque l’entrée est x
1(t)
x1(t)
t
0 1
4 3
2
LIT
L
IT
RAPPEL DE QUELQUES PROPRIETES DE L’IMPULSION UNITE 53
δ ( ) t dt =
−∞
+∞
∫ 1
[ ] 1 n
+∞
δ
−∞
∑ =
x t ( ) ( ) δ t dt = x ( )
−∞
+∞
∫ 0
[ ] [ ] [0]
x n δ 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
=
∑
=−∞( ) ( ) (0) ( ) x t δ t = x δ t [ ] [ ] [0] [ ]
x n δ n = x δ n
0 0 0
( ) ( ) ( ) ( )
x t δ t − t = x t δ t − t
0 0 0
[ ] [ ] [ ] [ ]
x n δ n n − = x n δ n n −
REPRESENTATION DES SIGNAUX EN SOMME D’IMPULSIONS 54
Exemple de la représentation d’un signal discret en terme d’impulsions retardées
Généralisation :
• Tout signal discret peut être décrit comme une somme d’impulsions de Dirac retardées et pondérées par
l’amplitude de ce signal :
Décomposition équivalente pour les signaux continus :
x n x k n k
k
[ ] = [ ] [ − ]
=−∞
∑ +∞ δ
x t ( ) = x ( ) ( t − ) d
−∞
+∞
∫ τ δ τ τ
[ ] x n
[ 2] [ 2]
x − δ n+
[0] [ ] x δ n -4 -3 -2 -1 0 1 2 3 4
-4 -1 2 3
-3 -2 0 1 4
2 -4 -3 -2 -1 0 1 3 4 -4 -3 -2 -1 0 1 2 3 4 -4 -3 -2 -1 0 1 2 3 4
-1
-4 -3 -2 0 1 2 3 4
[ 1] [ 1]
x − δ n+
[1] [ 1]
x δ n−
[2] [ 2]
x δ n− n
n
n
n
n
NOTION DE REPONSE IMPULSIONNELLE 55
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] :
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 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)
δ[n] h[n]
S
EQUATION DE CONVOLUTION 56
Considérons un système S linéaire et invariant en temps (LTI) de réponse impulsionnelle h[n]. Nous pouvons donc écrire :
entrée
S
sortieδ[n] h[n]
δ[n-k] h[n-k]
x[k] δ[n-k] x[k] h[n-k]
x[n]
S
y[n] 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
+∞
=−∞
∑ −
[ ] [ ] [ ]
k
y n x k h n k
+∞
=−∞
= ∑ −
EQUATION DE CONVOLUTION 57
Un changement de variable permet de convertir l’équation de convolution sous une autre forme:
Notation de la convolution
L’équation de convolution permet de calculer la sortie du système pour n’importe quelle entrée x[n]
[ ] [ ] [ ] [ ] [ ]
k k
y n x k h n k h k x n k
+∞ +∞
=−∞ =−∞
= ∑ − = ∑ −
[ ] [ ] [ ] [ ] [ ]
y n = x n ∗ h n = h n ∗ x n
CALCUL PRATIQUE DE LA CONVOLUTION 58
y[n] ?
x[n]
h[n]
S
y[n] = x[n] * h[n]
0 1 2 3 4 5 6 7 8 9 10
x[k]
0 4 k
0 k
k
0
0 k
0 k
0 k
h[n-k]
h[n-k]
h[n-k]
h[n-k]
h[n-k]
n-6 n
n-6
n-6
n-6
n-6 n<0
n n
n n 0<n<4
4<n<6
6<n<10
n>10
x[n]
0 1 2 3 4 5
1
0 1 2 3 4 5 6 7
h[n]
1 2 4 8 16
32 64
CALCUL PRATIQUE DE LA CONVOLUTION 59
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 :
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]
...
[ ] [ 1] [ 1] .... [ ] [ ] ... [ ] [0]
...
[ 2] [ 1] [ 1]
y x h
y x h x h
y x h x h x h
y i x i M h M x i M j h M j x i h
y N M x N h M
=
= +
= + +
= − + − + + − + − + +
+ − = − −
1 1
0 0
0
2[ ] [ ] [ ] [ ] [ ]
N M
k k
N M
y n x k h n k h k x n k pour n à
− −
= =
+ −
= ∑ − = ∑ − =
ILLUSTRATION DE LA CONVOLUTION DE SIGNAUX CONTINUS 60
( ) ( ) * ( )
( ) ( )
( ) ( ) y t x t h t
x h t d
h x t d
τ τ τ
τ τ τ
+∞
−∞
+∞
−∞
=
= −
= −
∫
∫
τ h(τ)
τ h(t0-τ)
t0>0
t0
0 0
( ) ( ) ( )
y t +∞x τ h t τ τd
−∞
=
∫
−τ x(τ)h(t0-τ)
t
( ) ( ) * ( )
y t x t h t
=
t0
τ x(τ)
t0
y(t) ?
x(t)
S
h(t)
PROPRIETES DE LA CONVOLUTION 61
Commutativité
Mise en cascade
Distributivité
Élément neutre, définition de la réponse impulsionnelle d’un système LIT
Attention, ces propriétés ne sont valables que pour les systèmes LIT
[ ] [ ] [ ] [ ] x n ∗ h n = h n ∗ x n
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
[ ] n h n [ ] h n [ ]
δ ∗ =
PROPRIETES DE LA CONVOLUTION 62
Fonction propre d’un système LIT
Soit un système LIT de réponse impulsionnelle h(t)
Considérons le signal d’entrée x(t) exponentielle complexe (phaseur pur) :
Calculons la sortie correspondante à ce système:
H(f0) est une constante complexe dont la valeur ne dépend que de f0 et de la réponse impulsionnelle du système
Résultat extrêmement important
: La réponse d’un système LIT à un signal d’entrée de type exponentielle complexe (fonction sinusoïdale de fréquence fixée), est le même signal (pas de changement de fréquence) mais pondéré par un coefficient qui dépend uniquement de la réponse impulsionnelle du système.On dit que l’exponentielle complexe est une fonction propre des systèmes SLIT
0 0
( )
2 jf tx
ft = e
π2 0( )
( ) ( ) ( ) ( )
jf ty t x t h t
+∞h τ e
π −τd τ
−∞
= ∗ = ∫
0 0 0
2 2 2
( ) (
0)
jf t jf jf t
e
π +∞h τ e
− π τd τ e
πH f
−∞
= ∫ =
EXEMPLES DE SYSTEMES LIT 63
RETARD PUR
On déduit que la réponse impulsionnelle de ce système est
x[n] y[n]=x(n-n0)
retard n0
0 0
[ ] [ ] [ ] [ ]
y n = x n n − = x n ∗ δ n n −
h[n]
0 n
0n
1
h[n]=δ[n-n
0]
EXEMPLES DE SYSTEMES LIT 64
MOYENNEUR TEMPOREL
On déduit que la réponse impulsionnelle de ce système est
x[n] Moyenneur sur y[n]
M échantillons
1
0
[ ] [ ]
k M
k
h n
= −δ n k
=
= ∑ −
0 1
M-1
h[n]
1 1 1
0 0 0
[ ] [ ] [ 1] [ 2] .... [ 1]
[ ] [ ] [ ] [ ]* [ ]
k M k M k M
k k k
y n x n x n x n x n M
x n k x n δ n k x n δ n k
= − = − = −
= = =
= + − + − + + − +
= ∑ − = ∑ ∗ − = ∑ −
PROPRIETES DES SYSTEMES 65
LINEARITE
INVARIANCE EN TEMPS
CAUSALITE
Définition générale : La sortie d’un système causal ne dépend que des valeurs présentes ou passées de l’entrée
STABILITE
Définition générale: Un système est stable si à toute entrée d’amplitude bornée correspond une sortie bornée
DESCRIPTION DES SYSTEMES EQUATIONS AUX DIFFERENCES 66
L’expression la plus générale reliant entrée x[n] et sortie y[n] d’un système LIT est de la forme :
Si on considère un système causal d’ordre N, l’expression peut s’écrire :
Exemple d’un système du 1er ordre : y[n]=x[n] +Ky[n-1]
Exemple d’un système du 2ème ordre : y[n]=x[n] +a1y[n-1]+ a2y[n-2]
[ ] [ ]
k k
k k
b x n k a y n k
+∞ +∞
=−∞ =−∞
− = −
∑ ∑
0 1
[ ] [ ] [ ]
M N
k k
k k
y n b x n k a y n k
= =
= ∑ − − ∑ −
67
Transformée de Fourier des signaux continus
TRANSFORMÉE DE FOURIER DES SIGNAUX CONTINUS 68
Principe : représenter un signal continu comme la combinaison linéaire de signaux de base (pour faciliter l'analyse des signaux et des systèmes)
Choix des signaux de base
• Ils doivent pouvoir représenter une large classe de signaux
• La réponse d'un système linéaire invariant à un signal de base doit être simple
Signaux de base :
• Ensemble des exponentielles complexes de la forme:
• Elle constituent les fonctions propres des systèmes linéaires invariants
ft
e j 2 π
x(t) h(t) y(t)
2 2 2
j ft
( )
j f j fte
π +∞h τ e
− π τd τ He
π−∞
∫ =
2 ( )
( ) ( ) ( ) ( ) ( ) ( )
j f ty t x t h t
+∞h τ x t τ τ d
+∞h τ e
π −τd τ
−∞ −∞
= ∗ = ∫ − = ∫ =
Conséquence - interprétation :
• un système linéaire invariant ne change pas la fréquence d'une sinusoïde
On a donc: y(t) = H x(t)
x(t) h(t) y(t)
SERIES DE FOURIER 69
Exemple
• x(t) fréquence fondamentale f0,
a0 = 1, A1=1/2, A2=1, A3=2/3 et Ak=0 pour k > 3 Θk = 0 ∀ k
Rappel sur les séries de Fourier :
• x(t) : signal réel, périodique, de période T0 = 1/f0 (vérifiant les conditions de Dirichlet)
• x(t) peut s'écrire sous la forme :
( ) cos( 2
0)
1
0 k
k
k
kf t
A a
t
x = + ∑
∞π + θ
=
Interprétation:
• Équivalence des représentations dans le domaine temporel et dans le domaine de Fourier
1 1
1/2 2/3
0 f 0 2 f 0 3 f 0 A k
f
=
0 20 40 60 80 100 120
-1 0 1 2 3 4
SERIES DE FOURIER 70
1
0
2 cos(6 )
3 π f t
cos(4 π f t 0 )
-60 -40 -20 0 20 40 60
0 1 2
-60 -40 -20 0 20 40 60
-0.5 0 0.5
-60 -40 -20 0 20 40 60
-1 0 1
-60 -40 -20 0 20 40 60
-1 0 1
-60 -40 -20 0 20 40 60
-2 0 2 4
0
1 cos(2 )
2 π f t
=
x(t) +
+ +
1 1
1/2 2/3
0 f 0 2 f 0 3 f 0 A k
f
SERIES DE FOURIER 71
Equivalence des formulations
Ecriture des séries de Fourier sous forme d'exponentielles complexes harmoniques:
• x(t) : signal réel, périodique, de période T0 = 1/f0 (vérifiant les conditions de Dirichlet)
• x(t) peut s'écrire sous la forme : où les ak sont les coefficients complexes de la série
t kf j k
k
e a t
x ( )
+∞∑
2π 0−∞
=
=
t kf j k
t k kf j k
ke a e
a t
x ( )
∑
2π 0∑
+∞ 2π 0−∞
=
∗− +∞ −
−∞
=
∗
∗ = =
t kf j k
ke a t
x( )
∑
+∞ 2π 0−∞
=
=
)
( )
( t x t x
∗=
a/ x(t) réel:
k
k a
a∗− = ak∗ = a−k
donc et (1)
] [
)
( 0 2 0 2 0
1
2 0 j kf t
t k kf j k
t k kf j k
ke a a e a e
a t
x π π − − π
+∞
= +∞
−∞
=
+ +
=
=
∑ ∑
b/ Réécriture de x(t) (2)
) (
2 )
( 2 0
1
0 j kf t
k
ke a a
t
x
∑
+∞ π=
ℜ +
= c/ (1) dans (2):
j k
k
k A e
a θ
2
= 1
( ) cos( 2
0)
1
0 k
k
k
kf t
A a
t
x = + ∑
∞π + θ
=
d/ en posant on retrouve:
SERIES DE FOURIER 72
Calcul des coefficients de la série :
Exemple
Parties réelles et imaginaire
Re(ak)
ak
0 0
0 0
Module et Phase
a2 a1
a0 a-1
a-2
2
4 (1− j) 1 2
4 (1+ j) 2 j
1+1 j
2 1−1
1 4
2 1 jπ
4 e 2 1 jπ
e
− jπ
e 0.15 2
5 − π
e0.15j
2 5
Im(ak)
Θ(ak)
||ak||
x(t)
t kf j k
k
e a t
x ( ) ∑
+∞ 2π 0−∞
=
= x t e dt
a T
j kf tk T 0
0
2 0
)
1 (
− π∫
=
SERIES DE FOURIER 73
Influence de la période :
2 T0
− 2
T0
T1
− T1 T0 T0
− 2T0
2T0
−
1 0 4T T =
1 0 8T T =
1 0 16 T T =
-10 -8 -6 -4 -2 0 2 4 6 8 10
-1 0 1 2
-20 -15 -10 -5 0 5 10 15 20
-1 0 1 2
-40 -30 -20 -10 0 10 20 30 40
-1 0 1 2
a
ka
ka
kTRANSFORMÉE DE FOURIER DES SIGNAUX CONTINUS 74
Définitions
dt e
t x f
X +∞ ∫ j ft
∞
−
= ( ) − 2 π
)
( x t +∞ ∫ X f e j ft df
∞
−
= ( ) 2 π )
(
Transformée de Fourier Transformée de Fourier inverse
Représentation fréquentielle d’un signal x(t) par X(f), ou « spectre » du signal
Notations – conventions
X(f) = TF[x(t)] et x(t) = TF
-1[X(f)]
x(t) TF X(f)
Conditions de convergence = Conditions de Dirichlet:
1. x(t) est absolument intégrable
2. x(t) a un nombre fini de maxima et de minima dans tout intervalle fini
3. x(t) a un nombre fini de discontinuités dans tout intervalle fini. De plus, chacune de ces discontinuités doit être finie.
∞
∫ <
+∞
∞
−
dt
t
x ( )
TRANSFORMÉE DE FOURIER DES SIGNAUX CONTINUS 75
Exemple : e-at u(t)
Transformée de Fourier:
1
f j f a
X 2
π
) 1
( = +
Im(X(f)) Re(X(f))
f
f
Θ(X(f))
||X(f)||
f
π
/ 2−
π
/ 2
f
1/a 1/a
TRANSFORMÉE DE FOURIER DES SIGNAUX CONTINUS 76
Contenu fréquentiel
Cas 2
TF
||X(f)||
-50 0 50
0 2 4 6 8 10 12
||X(f)||
-100 -50 0 50 100
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
x(t)
Cas 1
TF
-20 -10 0 10 20
0 1 2 3 4 5 6
-100 -50 0 50 100
-0.2 0 0.2 0.4 0.6 0.8 1 1.2
x(t) ||X(f)||
TRANSFORMÉE DE FOURIER : PROPRIETES 77
Symétries :
• Si x(t) est un signal réel, on a X(-f) = X*(f), d’où les propriété suivantes
Re[X(-f)] = Re[X(f)] Paire
Im[X(-f)] = - Im[X(f)] Impaire Θ[X(-f)] = -Θ[X(f)] Impaire
||X(-f)|| = ||X(f)|| Paire
• Si de plus x(t) est un signal pair, alors X(f) est purement réelle
Exemple: e-at u(t)
Exemple: e-a|t|
Décalage temporel :
ft0
e
-j2π Conséquence : un décalage temporel n'affecte pas le module de la T.F.
Exemples: δ(t) et δ(t-t0)
x(t-t
0) TF X(f)
Linéarité
x(t) TF X(f)
y(t) TF Y(f)
ax(t)+by(t) TF aX(f)+bY(f)
Si et on a :
Changement d’échelle :