signaux
Ce chapitre présente et analyse quelques signaux types avant de dénir et illus-
trer l'utilisation des fonctions d'auto- et d'intercorrélation. Il se termine par une
présentation succincte des signaux aléatoires.
7.1 Classication des signaux
Sans entrer dans les détails de la classication des signaux, il faut mentionner que
plusieursapproches sont possibles.Parmi celles-ci,onen citera deux :
laclassicationphénoménologiquequimetl'accentsurlecomportementtemporel
du signal;
laclassicationénergétique oùl'on classelessignaux suivantqu'ilssont àénergie
nie ou àpuissance nie.
Signaux
Déterministes Aléatoires
Périodiques Non périodiques Stationnaires Non stationnaires
Fig. 7.1: Classication phénoménologiquedes signaux
7.1.1 Classication phénoménologique
Danscette classication,on répartitgénéralement lessignaux en deux classes prin-
cipaleset quatre sous-classes illustréespar la gure 7.1.
Dansles deux classes principales, ontrouve :
les signaux déterministes dont l'évolution temporelle parfaitement dénie peut
être prédite par un modèle mathématique approprié;
les signaux aléatoires qui ont un comportement temporel imprévisible et dont la
description ne peut sefaire qu'au travers d'observations statistiques.
Parmi lessignaux déterministes (gure 7.2.1), ondistingue :
les signaux périodiques dont la formese répète régulièrement;
lessignaux pseudo-aléatoiresquisont des signauxpériodiquesmais avec, àl'inté-
rieur de la période, un comportement aléatoire;
les signaux quasi-périodiques qui résultent d'une somme de sinusoïdes dont le
rapportdes périodes n'est pas rationnel;
les signaux non-périodiques; ils sont essentiellement représentés par des signaux
transitoires dontl'existence est éphémère.
Parmi lessignaux aléatoires (gure 7.2.2), ondistingue :
lessignaux stationnairesdontlescaractéristiques statistiquesne changent pas au
cours du temps (p.ex : le bruit électronique);
lessignauxnon-stationnairesdontlecontenustatistiqueévolueaucoursdutemps
(p.ex. : la parole).
7.1.2 Énergie et puissance des signaux
Considérantlapuissancemoyenne
P x oul'énergietotaleW x dessignaux,onobserve
queceux-ci peuventalors être classés dans une des deux catégories suivantes :
1. Lessignaux à énergienie tels que
W x < ∞
alors queP x = 0
Dans cette catégorie, on rencontre tous les signaux temporaires qu'ils soient
déterministesoualéatoires.
2. Lessignaux à puissance nie tels que
P x < ∞
alors queW x → ∞
Cette catégorie englobe les signaux périodiques, quasi-périodiques et les si-
gnaux permanentsaléatoires ounon.
Suivant les caractéristiques des signaux, on calculera donc soit leur puissance
P x,
soit leur énergie
W x. Selon Parseval, ce calcul peut, bien entendu, se faire dans le
domainetemporel
P x = lim
T →∞
1 T
Z + T / 2
−T / 2
x 2 (t)dt
V
2
(7.1)
W x = lim
T →∞
Z +T /2
−T /2
x 2 (t)dt
V
2
sec
(7.2)
oudans celui des fréquences :
P x = Z + ∞
−∞
R xx (f ) df
V
2
(7.3)
W x = Z + ∞
−∞
S xx (f) df
V
2
sec
(7.4)
àcondition d'avoirà sadisposition
−5 0 5
−1
−0.5 0 0.5 1
(a)
−5 0 5
−1
−0.5 0 0.5 1
(b)
−5 0 5
−1
−0.5 0 0.5 1
(c)
temps
−5 0 5
−1
−0.5 0 0.5 1
(d)
temps
−5 −4 −3 −2 −1 0 1 2 3 4 5
−1 0 1
(a)
−5 −4 −3 −2 −1 0 1 2 3 4 5
−1 0 1
(b)
−5 −4 −3 −2 −1 0 1 2 3 4 5
−1 0 1
(c)
temps
Fig.7.2: 1)Quatre signauxdéterministes:(a) périodique, (b) pseudo-aléatoire,(c)
quasi-périodique, (d) non-permanent.
2) Trois signaux aléatoires : (a) bruit blanc (spectre inniment large et
constant), (b) bruit large bande (spectre de largeur nie), (c) bruit non-
stationnaire.
la densitéspectrale de puissance
R xx (f )
qui s'exprimeen[
V2 /Hz]
ou
la densitéspectrale d'énergie
S xx (f)
dont lesunités sont[
V2 /Hz2 ].
Onnoteraque,pour lecalculdelapuissance dessignaux périodiques,laduréed'in-
tégration
T
sera prise égaleàune périodeT 0 du signal.On sesouviendra également
que la puissance moyenne
P x d'un signal x(t)
est, par dénition, égale au carré de
savaleur ecace
P x ≡ X ef f 2
Enn, il faut relever que certains signaux théoriques n'appartiennent à aucune des
deux catégories présentées ci-dessus. C'est le cas, par exemple, de l'exponentielle
x(t) = e −at − ∞ < t < ∞
.−5 0 5 10 15 20 25
0 0.5 1 x 1 (t)
−5 0 5 10 15 20 25
−1 0 1
x 2 (t)
−5 0 5 10 15 20 25
−1 0 1
x 3 (t)
−5 0 5 10 15 20 25
−1 0 1
x 4 (t)
temps
Fig.7.3: Quatre signaux types: (a)déterministe temporaire, (b) déterministe per-
manentpériodique, (c) quasi-périodiquepermanent, (d)aléatoireàbande
étroite
7.2 Quatre signaux types
An de clarier les choses, considérons comme exemple des signaux-types (gure
7.3) illustrantles quatre classes de signaux :
1. Déterministes temporaires tels que l'exponentielle amortie
x 1 (t)
ou lessignauxpériodiques de durée nie.
2. Permanents et périodiquestels quele signalcarré
x 2 (t)
.3. Permanents quasi-périodiquestels quele signal
x 3 (t)
constitué de quatrecomposantes spectrales non rationnelles.
4. Aléatoires stationnaires permanents tels que
x 4 (t)
pour lequel il n'existepas de description temporelle.
7.2.1 Signaux déterministes temporaires
Les signaux déterministes temporaires tels que
x 1 (t)
sont des signaux à puissancemoyenne nulle mais énergie nie. Ils possèdent un spectre continu déni par leur
densitéspectrale d'amplitude.Celle-ci n'est autre quela transformée de Fourier du
signal:
X(jf) = Z + ∞
−∞
x(t) exp( − j2πf t) dt [
V sec] = [
V/Hz]
(7.5)Leur énergiese calculesoit auniveau temporel
W x = Z + ∞
−∞
x 2 1 (t) dt
V
2
sec
soitdans ledomaine fréquentiel
W x = Z +∞
−∞
S x (f) df
V
2
sec
(7.6)
à partir de la densité spectrale d'énergie
S x (f )
exprimée en[
V2 /Hz2 ]. Dans le cas
des signaux temporaires, onpeut montrer quela densitéspectrale d'énergie est liée
àla densitéspectrale d'amplitude par larelation
S x (f) = X (jf ) · X(jf ) ∗ = | X(jf ) | 2
V
2 /Hz2
(7.7)
Exemple L'exponentielle décroissante
x 1 (t) = A exp( − at) (t)
possède une puis-sancemoyenne nulle etune énergie nie :
P 1 = lim
T →∞
1 T
Z +T /2
−T /2
x 2 1 (t) dt = 0
W 1 = lim
T →∞
Z + T / 2
−T /2
x 2 1 (t) dt = A 2
2a = A 2 τ
2 < ∞
V
2
sec
(7.8)
Cetteénergiepeutégalementsecalculerdansledomainefréquentiel.Eneet,comme
ausignal
x 1 (t) = A exp( − at) (t)
correspond ladensité spectrale d'amplitudeX 1 (jf ) = A
a + j2πf
(7.9)onpeut calculer sadensité spectrale d'énergie
S 1 (f )
:S 1 (f) = | X 1 (jf ) | 2 =
A a + j2πf
2
= A 2
a 2 + (2πf ) 2
V
2 /Hz2
(7.10)
puis son énergie
W 1 =
Z +∞
−∞
S 1 (f ) df = Z +∞
−∞
A 2
a 2 + (2πf ) 2 df
(7.11)= A 2 2πa
atg2πf a
+ ∞
−∞
= A 2 2a
V
2
sec
(7.12)
7.2.2 Signaux permanents périodiques
Unsignaldéterministepermanentestunsignalpériodiquedontlapuissanceestnie
et l'énergie innie. Sa description spectrale peut se faire grâce à la transformée de
Fourierdu signal
X(jf ) = Z + ∞
−∞
x(t) exp( − j2πf t) dt [
V sec]
(7.13)Pour tous signaux périodiques, on obtient alors une densité spectrale d'amplitude
constituéed'impulsionsde Dirac.Cesimpulsionscorrespondentauxraiesspectrales
du signal périodique qui, commeon lesait, possède un spectre discret.
Plutôtque de travailleravec lesimpulsionsde Dirac, ilest alors plus simple etplus
pratiqued'en rester à ladescription bien connue des séries de Fourier
X (jk) = 1 T
Z + T / 2
−T / 2
x(t) exp( − j2πkf 0 t) dt [
V]
(7.14)Lapuissance des signaux périodiques se calculesoitau niveau temporel
P x = 1 T
Z +T /2
−T /2
x 2 (t) dt [
V2 ] (7.15)
soitdans ledomaine fréquentiel
P x =
+ ∞
X
k=−∞
| X(jk) | 2
V
2
(7.16)
Exemple Le signal carré
x 2 (t)
d'amplitudeA
posède une puissance nie et uneénergieinnie :
P 2 = lim
T →∞
1 T
Z +T /2
−T /2
x 2 2 (t) dt = A 2 < ∞
V
2
(7.17)
W 2 = lim
T →∞
Z +T /2
−T /2
x 2 2 (t) dt → ∞
Dans le domaine fréquentiel, partant des composantes de Fourier du signal carré
périodique d'amplitude
A
et à valeur moyenne nulleX(jk) = 2A ∆t
T
sin(πkf 0 ∆t)
πkf 0 ∆t = A sin(kπ/2) kπ/2 =
( 0
sik
pair2A
kπ
sik
impair (7.18)onpeut calculer, sadensité spectrale de puissance
R 2 (f ) R 2 (f ) =
+ ∞
X
−∞
| X(jk) | 2 = 2
+ ∞
X
k =1 , 3 , 5 ,···
2A
kπ δ(f − kf 0 )
2
V
2 /Hz
(7.19)
Partant de celle-ci,il vient
P 2 = Z +∞
−∞
R 2 (f ) df = 2
+ ∞
X
k=1,3,5,···
2A kπ
2
= A 2
V
2 ef f
(7.20)
7.2.3 Signaux permanents aléatoires
Un signal permanent est un signal dont la puissance est nie et l'énergie innie.
Parmiceux-ci,ontrouveessentiellementlessignaux aléatoirestels que
x 4 (t)
et,plusrarement, les signaux quasi-périodiques comme le signal
x 3 (t)
qui est constitué dequatre sinusoïdesdont lesfréquences ne sont pas dans un rapportrationnel.
Ces signaux n'ayant pas de transformée de Fourier, car leur intégrale en valeur
absolueest innie
Z +∞
−∞ | x(t) | dt → ∞ (7.21)
ondevra tenter de trouver une modélisationspectrale par une approche diérente.
C'estce que l'on verra àla section7.7.
Parcontre,sil'onest en possessiond'unesuitede valeursenregistréesde duréenie
T = N ∆t
, on peut calculerla puissance et le spectre d'amplitudesX(jf )
de cettesuite
x[n] = x(t = n ∆t)
:P x ' 1 N
N−1
X
n=0
x 2 [n]
V
2
(7.22)
X(jf ) ' 1 N
N −1
X
n=0
x[n] exp( − j2πf n∆t) [
V]
(7.23)7.3 Comparaison des signaux
Lacorrélationestutiliséedanslesradars,lessonars,lescommunicationsnumériques,
ladétectionde signauxnoyésdans du bruit,la mesurede tempsde transmission, le
GPS (GlobalPositioningSystem), etc.
Dans chaque cas, on dispose de deux fonctions : le signal de référence
x(t)
et lesignalàanalyser
y(t)
.Ilfautalors trouverune opérationmathématiquepermettant de comparer ces signaux et d'en mesurer la ressemblance ou la corrélation. Cecise fait simplement en eectuant l'intégrale du produit des signaux que l'on décale
progressivement l'un par rapport à l'autre
r xy (τ ) = Z + ∞
−∞
x(t) y(t + τ ) dt
(7.24)On obtient alors une opérationmathématique qui, de par sa forme, est très proche
delaconvolution.Cependant,contrairementàlaconvolutionquipermetde calculer
lesignaldesortied'unltrelinéaire,lacorrélationsertàmesurer ledegréde ressem-
blance de deux signaux et d'extraire des informationsqui, dans une large mesure,
dépendent de l'applicationconsidérée.
Deux illustrations en sont données dans les gures 7.4 et7.5. Dans la première, on
compare deux signaux dont la superposition (maximum de ressemblance) apparaît
aprèsun décalagetemporelégalà0.8. Dansladeuxième,oncompareunsignalchirp
(signalsinusoïdaldontlafréquence varielinéairementavec letemps)avec saversion
décalée. On y voitque lacorrélation d'un telsignal avec saversion décaléepossède
un maximum très bien déni àl'endroit correspondant exactement au décalage des
deux signaux.
7.3.1 Corrélation de signaux à énergie nie
Intercorrélation de deux signaux
Considérantdeuxsignaux
x(t)
ety(t)
àénergienie,ondénitlafonctiond'intercorrélation (c)commel'intégrale du produit du signalx(t)
avec le signaly(t)
décaléd'une va-leur
τ
:r xy (τ ) = Z + ∞
−∞
x(t) y(t + τ ) dt
(7.25)Par changement de variable
θ = t + τ
, onmontre quer xy (τ) =
Z +∞
−∞
x(θ − τ ) y(θ) dθ = r yx ( − τ )
(7.26)On voit ainsi que la fonction
r xy (τ )
est aussi la version retournée der yx (τ)
autourde l'ordonnée
Oy
.Commeonpeut leconstater, les fonctionsd'intercorrélation
Z +∞
−∞
x(t) y(t + τ) dt = r xy (τ)
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1 0
0.5 1
Exemple de corrélation
y(t)
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
−1 0 1
x(t), y(t+ τ )
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
−1 0 1
x(t) ⋅ y(t+ τ )
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
−0.1 0 0.1
r xy (+ τ )
temps
Fig. 7.4: Intercorrélationde deux signaux
0 0.5 1 1.5 2 2.5 3
−1 0 1
Exemple de corrélation
y(t)
0 0.5 1 1.5 2 2.5 3
−1 0 1
x(t), y(t+ τ )
0 0.5 1 1.5 2 2.5 3
−1 0 1
x(t) ⋅ y(t+ τ )
0 0.5 1 1.5 2 2.5 3
−0.2 0 0.2 0.4
r xy (+ τ )
temps
Fig. 7.5: Autocorrélation d'un signal chirp
etde convolution
Z +∞
−∞
x(θ) y(t − θ) dθ = x(t) ⊗ y(t)
sont formellement très proches. On montre qu'elles sont reliées entre elles par :
r xy (τ ) = x( − τ ) ⊗ y(τ)
(7.27)Cette relationvalable dans l'espace temps a bien entendu son équivalent dans l'es-
pace des fréquences :
R xy (jf ) = X ∗ (jf ) Y (jf )
(7.28)Autocorrélation d'un signal
Dansle cas particulier où
y(t) = x(t)
, onobtient lafonction d'autocorrélation (fac) du signalx(t)
:r xx (τ) = Z +∞
−∞
x(t) x(t + τ) dt
(7.29)qui,pour un décalage nul, donne l'énergiedu signal
x(t)
:r xx (0) =
Z + ∞
−∞
x(t) 2 dt ≡ W x (7.30)
7.3.2 Corrélation de signaux à puissance nie
Danscecas,lessignauxsontpermanentsetpossèdentuneénergieinnimentgrande;
on ne peut donc pas utiliser les dénitions précédentes. Pour cette catégorie de
signaux,on redénit les deux fonctions de corrélation commesuit :
r xy (τ ) = lim
T →∞
1 T
Z +T /2
−T /2
x(t) y(t + τ ) dt
(7.31)r xx (τ ) = lim
T →∞
1 T
Z +T /2
−T / 2
x(t) x(t + τ) dt
(7.32)Dansle cas d'un décalage nul, ontrouve la puissance du signal
x(t)
:r xx (0) = lim
T →∞
1 T
Z + T / 2
−T / 2
x(t) 2 dt ≡ X ef f 2 = P x (7.33)
Il est d'autre part évident que si les signaux sont périodiques, l'intégration se fera
sur une période seulement.
La gure 7.6 montre des fonctions d'autocorrélation représentatives de quelques
signaux aléatoires. On y trouve successivement trois signaux dont les puissances
sont les mêmes,à savoir0.2
V
2 ef f
:
un bruit blanc gaussien : son caractère non prévisible est manifeste et il est
conrmé par l'étroitesse du picde la fac.
un bruit à large bande :ce signala étéobtenuen ltrantpasse-bas lebruitblanc.
Son contenu spectral moinsétendu fait qu'ilest raisonnablementpossible de pré-
voir une valeur future pas trop éloignée. Une mesure de cet horizon de prévision
est donnée par la largeurà mi-hauteurdu picde lafac.
un bruit à bande étroite : ce signal a été obtenu en ltrantle bruit blanc àl'aide
d'un ltre passe-bande. Son contenu fréquentiel étroit se manifeste par un com-
portementoscillantdemanièreassezrégulière.Cettepseudo-périodicitéestencore
plus facileàdéterminer àl'aidede safac :ellesemesurepar ladistance séparant
le piccentraldu premier piclatéral.
−2 −1 0 1 2
−1 0 1
x(t)
(a)
−2 −1 0 1 2
−0.2
−0.1 0 0.1 0.2
r xx (τ)
−2 −1 0 1 2
−1 0 1
(b)
−2 −1 0 1 2
−0.2
−0.1 0 0.1 0.2
−2 −1 0 1 2
−1 0 1
temps
(c)
−2 −1 0 1 2
−0.2
−0.1 0 0.1 0.2
décalage τ
Fig.7.6: Quelques signaux et leur fonctiond'autocorrélation
7.3.3 Propriétés de l'autocorrélation
On rappellera tout d'abord que la fonction d'autocorrélation consiste à décaler un
signalpar rapportàlui-même,puis àintégrer leproduitdes deux. On montre alors
aisémentque la fonctiond'autocorrélationpossèdeles propriétés suivantes :
1. Lorsque le décalage temporel est nul (
τ = 0
), la fac est égale à l'énergie dusignalpour lessignaux à énergienie :
r xx (0) = Z +∞
−∞
x(t) 2 dt ≡ W x (7.34)
ou, àla puissance moyenne pour les signaux àpuissance nie :
r xx (0) = lim
T →∞
1 T
Z + T / 2
−T / 2
x(t) 2 dt ≡ P x
2. Commela correspondance entre lesdeux signaux ne peut pas être aussi forte
quelorsque lessignaux sesuperposent exactementcela entraîne quelafac est
maximumpour un décalage nul.On a donc :
r xx (0) ≥ r xx (τ)
(7.35)3. Lafac est une fonction paire :
r xx (τ ) = r xx ( − τ )
(7.36)4. Lafacd'un bruitblanc (ainsi appelépar analogieà lalumièreblanche consti-
tuéedetoutes lesfréquenceslumineuses)est uneimpulsionde Dirac.Eneet,
le bruit blanc étant formé d'une multitude de fréquences possédant la même
puissance, ilen résulte un signal variant sirapidement quesa valeur présente
estindépendantedes valeurs passéesetquesavaleur est nonnullepour
τ = 0
seulement. On a donc :
r xx (τ) = σ 2 δ(t)
(7.37)où
σ 2 est la variance du signal aléatoire; c'est également, comme on l'a vu
plus haut, lapuissance du signal aléatoire.
5. La fac d'un signal périodique quelconque est une fonction périodique paire.
Considéronscomme exemplele signal
x(t) = A sin(ωt + α)
.On aalors :r xx (τ) = 1
T
Z +T /2
−T / 2
x(t) x(t + τ) dt
= A 2 T
Z + T / 2
−T / 2
sin(ωt + α) sin(ω(t + τ ) + α) dt
d'où:
r xx (τ ) = A 2
2 cos(ωτ )
(7.38)Onremarqueainsi quel'amplitudede cettefacestlapuissance
A 2 /2
dusignalx(t)
et quelafac ne nous donne aucune informationsur la phaseα
du signal.6. Dans le cas d'un signal
x(t)
perturbé par du bruitn(t)
, il est possible deretrouver la fac du signal non perturbé. Considérant
y(t) = x(t) + n(t)
, on aen eet:
r yy (τ ) = lim
T →∞
1 T
Z +T /2
−T /2
(x(t) + n(t)) (x(t + τ) + n(t + τ)) dt
= lim
T →∞
1 T
Z +T /2
−T / 2
(x(t) x(t + τ) + n(t) n(t + τ) · · ·
· · · + x(t) n(t + τ ) + n(t) x(t + τ)) dt
= r xx (τ ) + r nn (τ ) + r xn (τ ) + r nx (τ)
d'où:
r yy (τ) = r xx (τ) + r nn (τ) + r xn (τ ) + r nx (τ)
(7.39)Dans le cas où le signal
x(t)
et le bruitn(t)
ne sont pas corrélés, on a bienentendu
r xn (τ) = 0 = r nx (τ)
; ce qui donnenalement :r yy (τ ) = r xx (τ ) + r nn (τ )
(7.40)De plus, comme généralement la fac
r nn (τ)
du bruit tend rapidement vers 0,onvoit que, pour un décalage susamment grand, il restera la fac
r xx (τ )
dusignal
x(t)
.Uneillustration de cette dernière propriété (gure 7.7) montre comment l'autocor-
rélation permet d'extraire un signal noyé dans un bruit blanc. Dans cette gure,
le signal est une sinusoïde d'amplitude 1 volt et le bruit blanc possède une valeur
ecace de 5volt.
Le signal extrait est reconnaissable mais encore perturbé par du bruit. Comme ce
bruit résidueldiminue avec la racine carrée du nombre d'échantillon, on voit qu'on
peut diminuer lebruit en augmentant le nombre d'échantillons enregistrés.
0 1 2 3 4 5 6 7 8 9 10
−20
−10 0 10 20
Signal + bruit avec 20’000 échantillons
x(t)
−5 −4 −3 −2 −1 0 1 2 3 4 5
0 10 20 30
r xx ( τ )
−5 −4 −3 −2 −1 0 1 2 3 4 5
−1
−0.5 0 0.5 1
r xx ( τ )
décalage τ
Fig. 7.7: Extraction d'un signal avec l'aide de l'autocorrélation
7.3.4 Propriétés de l'intercorrélation
Commepour lafonctiond'autocorrélation,onsecontenterad'énoncer lespropriétés
des fonctions d'intercorrélation :
1. Engénéral lac n'est ni paire, niimpaire.
2. Lemaximumde la c sesitue àl'endroitdu décalage correspondant aumaxi-
mumdesimilitudeentrelesdeuxsignaux.Cettepropriétéesttrèsutiliséepour
mesurer des temps de propagation.
3. Comme le fait de retarder
y(t)
par rapport àx(t)
d'une valeurτ
équivaut àavancer lesignal
x(t)
par rapport ày(t)
, onaura :r xy (τ ) = r yx ( − τ )
(7.41)4. Si les deux signaux sont périodiques de même période, la c sera également
périodique.
7.3.5 Calcul numérique de la corrélation
Lecalculnumériqued'unecorrélationsefaitenremplaçantl'intégralepar lasomme
du produit des valeurséchantillonnéesavec une période constante unité.
Danslecasoùl'onasusammentdepointsàdisposition,onpeutcalculerlasomme
sur
N
pointssans atteindre leslimites des signaux enregistrés. On a alors :r xy [k] = 1 N
N−1
X
n=0
x[n] y[n + k], k min ≤ k ≤ k max (7.42)
Commeon l'a vu plus haut (équ. (7.28)), le calcul de l'intercorrélation peut égale-
ment se faire dans le domaine fréquentiel qui, pour lessignaux numériques, se fait
en utilisantlatransformation de Fourier discrète. On obtient alors
R xy [jk] = 1
N X ∗ [jk] · Y [jk]
Dans le cas où l'on souhaite utiliser toutes les valeurs à disposition, le nombre
de points intervenant dans la somme diminue au fur et à mesure que le décalage
augmente. Pour éviter de biaiser le résultat de la corrélation, on la calcule alors
commesuit :
r xy [k] = 1 N − | k |
N −|k|
X
n =0
x[n] y[n + k], 0 ≤ k ≤ N − 1
(7.43)Maisalors,onvoitbienque,
k
augmentant,lenombrede pointsàdispositionN −| k |
diminue. Cequi,statistiquement,rendlerésultatdel'intercorrélationplusincertain
dans lesextrémités de lafonction (voirgure 7.9b).
7.4 Rapport signal sur bruit SNR
Commeonvalevoirplusloin, lesfonctionsde corrélationsont très puissantes pour
extraire un signal
x(t)
masqué par un bruitn(t)
. An de chirer précisément laqualité (mauvaise ou non) d'un signal, on utilise la notion de rapport signal/bruit
(Signalto Noise Ratio) dénie commesuit :
SNR dB = 10
logP x
P n
= 20
logX ef f
N ef f
[dB] (7.44)
UnSNRégal à0dB,signieque lapuissance
P ndu bruit estégale àcelle dusignal
P x ou, de manière équivalente, queX ef f = N ef f.
0 0.2 0.4 0.6 0.8 1
−20 0 20
SNR = −20 [dB]
temps t
0 0.2 0.4 0.6 0.8 1
−5 0 5
SNR = 40 [dB]
Quelques valeurs SNR pour x(t) + n(t)
−0.5 0 0.5
−100 0 100 200
décalage τ P 0 = P
x + P n P x
0 0.2 0.4 0.6 0.8 1
−5 0 5
SNR = 0 [dB]
−0.5 0 0.5
−2 0 2 4
P 0 = P x + P
P n x
0 0.2 0.4 0.6 0.8 1
−5 0 5
SNR = 20 [dB]
−0.5 0 0.5
−2 0 2
−0.5 0 0.5
−2 0 2
Autocorrélation de x(t) + n(t)
Fig.7.8: Illustrationsde quelques valeurs SNR
Lacolonnegauche de lagure 7.8montre un signal sinusoïdalauquel est ajoutéun
bruit de plus en plus fort. Même si visuellement on observe qu'un SNR de 40dB
est presque indétectable, il est important de savoir qu'en pratique il est fréquent
d'exigerune qualitéde signaux dont lesSNRsontsupérieursà60dB,voire 96dBen
haute-délitéaudio.Malheureusement,iln'estpasrarede devoirtraiterdessignaux
dont leSNR est inférieur à0dB et dans ces cas là,comme onle verra, lesfonctions
de corrélation sontextrêment utiles.
Enn, comme on l'a vu dans la section précédente, les fonctions d'intercorrélation
sontnulles danslecas designauxindépendants,noncorrélés. Ainsi,danslecasd'un
bruit
n(t)
indépendant ajouté à un signalx(t)
, la fonction d'autocorrélation de la sommedes deux vaut-eller x+n (τ ) = r xx (τ) + r nn (τ)
(7.45)On voit alors que la puissance de deux signaux indépendants est égale à la somme
des puissances individuellescar
r x + n (0) = P tot = r xx (0) + r nn (0) = P x + P n (7.46)
Ce quipermet parfois,lorsque lesignal
x(t)
est périodique,d'estimer lesdeux puis- sancesetd'endéduirelavaleurdu SNRcommelemontre lacolonnede droitede lagure7.8.
7.5 Exemples de corrélation
Lafonctiond'intercorrélationesttrèssouventutiliséepourdétecterlaprésenced'un
messageetmesurer un temps de propagation.Dans ce but, le signal émis est choisi
de manièreà ce que lepicde safonction d'autocorrélation soittrès bien déni. Les
signaux leplus souvent utilisésont les signaux chirp (à fréquence variable aucours
du temps)et lesséquences binaires pseudo-aléatoires.
7.5.1 Autocorrélation d'un signal chirp
Le signal chirp est un signal sinusoïdal dont la fréquence (ou la pulsation) varie
linéairement avec le temps.Il est dénicomme suit
x(t) = A sin(θ(t) + α)
avec
θ(t) = Z t
0
ω(t) dt ω(t) = ω min + ω max − ω min
t max
t 0 ≤ t ≤ t max
Safonction d'autocorrélationpossède unmaximum trèsbien dénicorrespondant à
lapuissance du signalqui vaut
A 2 /2
(gure 7.9a).7.5.2 Autocorrélation d'une SBPA
Uneséquence binairepseudo-aléatoire(SBPA)estunesuccession devaleursbinaires
(généralement
± 1
) dont la distribution temporelle possède un caractère aléatoire pendant une certaine durée et qui ensuite se répète périodiquement. Sa fonctiond'autocorrélation possède également un pic très bien déni égal à la puissance
A 2
du signal (gure7.9b).
7.6 Trois applications de la corrélation
7.6.1 Le radar
Comme exemple illustratif, imaginons le principe du radar avec lequel on désire
détecter la présence ou non d'un avion puis connaître la distance à laquelle il se
trouve.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
−1
−0.5 0 0.5 1
Signal chirp
temps
x(t)
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5
−0.2
−0.1 0 0.1 0.2 0.3 0.4 0.5
Autocorrélation d’un signal chirp
décalage r xx ( τ )
0 50 100 150 200 250
−1
−0.5 0 0.5 1
Séquence binaire pseudo−aélatoire
s[n]
temps n
−100 −50 0 50 100
−0.2 0 0.2 0.4 0.6 0.8 1 1.2
Autocorrélation d’une SBPA
décalage m r ss [m]
Fig. 7.9: Fonctions d'autocorrélation d'un signalchirp etd'une SBPA
0 100 200 300 400 500 600 700 800 900 1000
−1
−0.5 0 0.5 1
Signal émis
0 100 200 300 400 500 600 700 800 900 1000
−0.1
−0.05 0 0.05 0.1
Signal reçu en présence de l’avion
Instants n
Fig. 7.10: Signaux émis etreçus par un radar
Leradarémet un signal chirp
x(t)
etcapte en retourl'échoy(t)
renvoyé par l'avion(gure7.10).S'iln'yapas d'aviondans lazone couvertepar leradar, lesignalreçu
y(t)
est constitué d'un bruitn(t)
seulement.De plus, il est évident que si un avionest présent, le signal
y(t)
reçu en retour consiste en une version atténuée, retardée,etfortement bruitéedu signal émis
x(t)
. Ainsi,lesignal reçu peut être décrit par :y(t) = A x(t − t d ) + n(t)
avec :
A
=unefonctiond'atténuationdépendantde ladistance etde laformede l'aviont d =le tempsmis par l'onde pour faire son aller etretour
n(t)
= lebruit additif captépar l'antenne et générépar l'électronique du radar.Pratiquement, le signal reçu est tellement perturbé par le bruit qu'une analyse vi-
suelle ne permet pas de déceler la présence ou l'absence d'un signal rééchi par
l'avion(gure 7.10).
Lesgures7.11aet7.11billustrentleprincipede l'utilisationd'unsignalchirp pour
détecterun avionetmesurer sadistance. Considéronslesdeux situationssuivantes :
1. Absence d'un avion :Lesignalreçu
y(t)
est fortementatténué etperturbé.Seule une intercorrélation entre
x(t)
ety(t)
permet de savoir si un avion estprésent ou non. Dans ce dernier cas, aucun pic bien distinct n'apparaît dans
legraphe (gure7.11a).
2. Présenced'un avion:Ici,l'intercorrélationfaitapparaîtreun pictrèsétroit
sedégageant nettement au-dessus du bruit de fond (gure 7.11b). On notera
quecepicestlégèrementdécaléversladroiteparrapportàlapositioncentrale;
ce décalage correspond au temps d'aller et retour du signal émis. Unefois ce
tempsdéterminé,onpeut calculerladistance de l'avionpar rapportauradar.
7.6.2 La mesure d'un débit
On présente ici un débitmètre industrielréalisé par l'Institut d'AutomatisationIn-
dustriellede laheig-vd. Leprincipe,de mêmeque saréalisation, en est très simple.
Unecamérafournit régulièrementdesimagesd'un uxdegranulés (gure7.12).En
eectuantlacomparaisonparintercorrélationdedeuximagessuccessives,onobtient
un point lumineux se situant aux coordonnées du déplacement
∆y(t)
. Connaissant lasectionA
du conduit, on peut calculerle débit aucours du temps:Q(t) = A · ∆y(t)
∆t
La seule diculté de cette mesure réside dans le temps nécessaire pour calculer
l'intercorrélationen temps réel. En eet, si l'on imagine que l'on dispose d'images
de 100x400pixels, on doittraiter 40'000pixels par intercorrélation; ce quientraîne
un nombre d'opérations valantenviron
N op ' N pxl 2 = 16 · 10 8
0 100 200 300 400 500 600 700 800 900 1000
−0.1
−0.05 0 0.05 0.1
Signal reçu en l’abscence de l’avion
−500 −400 −300 −200 −100 0 100 200 300 400 500
−2
−1 0 1 2 3 4
5 x 10 −3 Intercorrélation en l’abscence de l’avion
décalage m
0 100 200 300 400 500 600 700 800 900 1000
−0.1
−0.05 0 0.05 0.1
Signal reçu en présence de l’avion
−500 −400 −300 −200 −100 0 100 200 300 400 500
−2
−1 0 1 2 3 4
5 x 10 −3 Intercorrélation en présence de l’avion
Instants n
Fig.7.11: a) Intercorrélation entre un signal chirp etdu bruit
b) Intercorrélationentre un signal chirp et du bruit corrélé
Fig.7.12: Interface du débitmètre de granulés
Même avec un DSP très performant(
T clock ' 10
ns), iln'est pas possible de fournirune information en moins d'une seconde. Par contre, en utilisant la FFT on peut
espérer fournir des résultats dans le temps imparti car celle-ci demande beaucoup
moinsd'opérations
N op ' N pxllog2 (N pxl ) ' 40 · 10 3 · 15 = 6 · 10 5
L'algorithmede calculest alors lesuivant
1) acquisition de image1
2) acquisition de image2
3) FFT bidimensionnelle de image1 et image2 => IMG1 et IMG2
4) calcul de Rxy = conj(IMG1) * IMG2
5) FFT inverse pour obtenir rxy
6) recherche des coordonnées du maximum d'intensité
Unefoisces calculseectués, il reste encoresusamment de tempspourcalculer le
débitactuel, lisser cette valeur, acher lesimages, etc (gure 7.12).
7.6.3 La mesure du rythme cardiaque
On s'intéresse ici à la mesure automatique des pulsations cardiaques à l'aide de
moyens simples : un stéthoscope muni d'une capsule microphonique etla carte-son
d'un PC permettant d'enregistrerleson caractéristiquedes battements cardiaques.
D'un point de vue analytique, ces pulsations de très basse-fréquence (environ une
pulsationpar seconde) sont modulées par un soue basse-fréquence situé aux envi-
rons de 100Hz. C'est ce qui rend le son audible puisque l'oreille humaine n'entend
pas les sons inférieurs à20Hz. Commele rythme cardiaque est périodique, on peut
espérer, grâce à l'autocorrélation, éliminer le bruit environnant et faire apparaître
clairementlapériode du rythme cardiaque.
Cependant, àcause des perturbationsliées àla mesure,leschoses ne sont pas aussi
simples et, très vite, on se rend compte que la recherche de l'enveloppe du signal
mesurésera bien plus fructueuse. Les diérentes étapesà parcourir pour obtenir le
rythmecardiaque avec un bontaux de réussite sont alors lessuivantes.
Après acquisition du signal
x(t)
à l'aide de la carte son d'un PC (f e = 8kHz) et
sa sauvegarde dans un chier *.wav, on peut, avec Matlab, eectuer les calculs
ci-dessous :
1. élimination des fréquences inintéressantes par ltrage passe-bande du signal
entre 60et 500Hz;
2. limitationdes amplitudes du signalà
3 · σ
oùσ
est lavaleurecace du signal(écart-type);
3. recherche de l'enveloppe du signal; celle-cis'obtient de manièresimilaire à la
démodulationd'amplitudepar le redressement du signal etson ltragepasse-
bas;
Fig. 7.13: Analyse d'un signal phonocardiographique
4. autocorrélation de l'enveloppe;
5. recherche du maximum situé dans ledomaine des pulsations cardiaques ordi-
naires; pour despulsations comprises entre 50et200puls/min,lepremierpic
setrouvera entre 1.2et0.3 secondes.
La gure 7.13 illustre ces diérentes étapes et elle montre, à l'évidence, combien
l'autocorrélation est puissante pour extraire une information noyée dans du bruit.
7.7 Description des signaux aléatoires
Pardénition,lessignauxaléatoiresnepeuventpasêtredécritsanalytiquement.On
peut cependant tenter de lesclasser dans une des trois catégories types qui sont :
les bruits à large bande dans lesquels toutes les fréquences sont présentes à am-
plitudes égales(gure 7.14a);
les bruits à bande limitée dans lesquels les composantes hautes fréquences sont
nulles (gure 7.14b);
les bruitscolorés dans lesquels toutes les fréquences sontprésentes mais avec des
amplitudes variables (gure7.14c).
Commeaucune description analytiquen'est possible pour lessignaux aléatoires, on
tente d'en extraire des moyennes temporelles en utilisantleurs fonctions d'autocor-
rélation (fac) illustrées à la gure 7.15. On en déduit que la fac du premier signal
est extrêmement étroite; on la modélise par une impulsion de Dirac. La deuxième
fac rappelleune fonction en sinus cardinal.Enn, la troisième peut être modélisée
par une exponentielle décroissante symétrique.
−5 −4 −3 −2 −1 0 1 2 3 4 5
−1
−0.5 0 0.5 1
(a)
Bruits: (a) large bande (b) bande limitée (c) coloré
−5 −4 −3 −2 −1 0 1 2 3 4 5
−1
−0.5 0 0.5 1
(b)
−5 −4 −3 −2 −1 0 1 2 3 4 5
−1
−0.5 0 0.5 1
(c)
t
Fig.7.14: Trois signaux aléatoirestypes
−5 −4 −3 −2 −1 0 1 2 3 4 5
−0.5 0 0.5
1 (a)
−5 −4 −3 −2 −1 0 1 2 3 4 5
−0.5 0 0.5
1 (b)
−5 −4 −3 −2 −1 0 1 2 3 4 5
−0.5 0 0.5
1 (c)
τ
Fig. 7.15: Fonctionsd'autocorrélation des trois bruitstypes
On dénit alors ladensité spectralede puissance
R xx (jf )
commeétant latransfor-mée de Fourier de la fonctiond'autocorrélation
r xx (τ )
:R xx (jf ) =
Z + ∞
−∞
r xx (τ ) exp( − j 2πf τ ) dτ
V
2
sec
=
V
2 /Hz
L'observation de la densité spectrale de puissance (gure 7.16a) des trois signaux
permetdetirerquelques propriétésetde dénirdes modèlesreprésentantaussibien
quepossible chacune des trois densités spectrales de puissance (gure 7.16b).
Lebruitblanc àdensitéspectraleconstanteet bandeinnie Ilcontienttoutes
les fréquences de
−∞
à+ ∞
et sa densité spectrale de puissance est constante. Ilest alors représentépar
R xx (f) = A 2 − ∞ < f < + ∞
V
2 /Hz
(7.47)
dont la facest une impulsionde Dirac :
r xx (τ ) = A 2 · δ(τ)
V
2
(7.48)
LethéorèmedeParsevalnousditalorsquesapuissanceestinnie.Commecelan'est
pas possible, on préfère travailler avec un modèle plus réaliste, le bruit à densité
spectraleconstante età bande limitée
Le bruit à densité spectrale constante et bande limitée Il contient toutes les
fréquencesde
− f max à+f max.Sapuissancenieest souvent désignéeparlavariance
statistique
σ x 2 qui n'est autre que le carré de la valeur ecace X ef f 2 du signal. Ce
bruitest alors représenté par
R xx (f ) =
σ x 2
2 f max si − f max < f < +f max
V
2 /Hz 0 sinon
(7.49)
dont la facvaut
r xx (τ) = σ 2 x sin(2π f max τ)
2π f max τ − ∞ < τ < + ∞
V
2
(7.50)
Lebruit coloréà puissancenie Ilcontienttouteslesfréquences de
−∞
à+ ∞
.Mais sa puissance
σ x 2 est nie car son contenu spectral diminue assez rapidement
avec la fréquence. Unmodèle souvent utilisé est le suivant:
R xx (f ) = σ x 2 πf c
1 1 +
f f c
2 − ∞ < f < + ∞
V
2 /Hz
(7.51)
dont la facvaut
r xx (τ) = σ 2 x · e −a|τ| − ∞ < τ < + ∞
V
2
(7.52)
avec
a = 2π f c [1/
sec]
(7.53)−5 −4 −3 −2 −1 0 1 2 3 4 5 0
0.5
1 (a)
−5 −4 −3 −2 −1 0 1 2 3 4 5
0 0.5
1 (b)
−5 −4 −3 −2 −1 0 1 2 3 4 5
0 0.5
1 (c)
f
−5 −4 −3 −2 −1 0 1 2 3 4 5
0 0.5
1 (a)
−5 −4 −3 −2 −1 0 1 2 3 4 5
0 0.5
1 (b)
−5 −4 −3 −2 −1 0 1 2 3 4 5
0 0.5 1
f (c)
Fig.7.16: a) Densités spectrales de puissance des trois bruitstypes
b) Troismodèles simples pour les représenter
7.7.1 Tension équivalente de bruit
Ilest intéressantde releverque,pour lescomposantssemiconducteurs,ladonnée de
ladensitéspectrale de puissance
R(f)
est remplacée par une tension équivalente de bruit qui n'est autre quela racine carréede ladensité spectrale de puissance :e n (f ) ≡ p R(f )
√
V Hz(7.54)
Fig. 7.17: Tensionéquivalente de bruit à l'entrée d'un LF411
Par exemple, les caractéristiques de l'amplicateur opérationnel LF411 (g. 7.17)
montrent que, dans les basses fréquences (
f < 30
Hz), le spectre du bruit décroît àraisonde10[dB]pardécade environ(ickernoise=bruitde grenaille)etqu'ilreste
pratiquement constant audelà de 300 [Hz]. Il vaut alors :
e n ∼ = 25
nV
√
Hz
f > 300 [
Hz]
Connaissant cette valeur, on peut ainsi estimer la valeur ecace du bruit dans un
domainede fréquencesdonné.S'intéressant,par exemple,audomainede fréquences
1
kHz< f < 100
kHzlapuissance du bruitvaut
P n = Z f 2
f 1
e 2 n (f ) df ' e 2 n · ∆f = 625 · 10 −18V
2
Hz
· 99
kHz= 6.2 · 10 −11 [
V2 ef f ]
Cequicorrespondàunetensionecacedebruitd'environ8
µ
Vef f
présenteàl'entréede l'amplicateuropérationnel.
7.8 Systèmes linéaires et densités spectrales
Ilest très fréquentque l'ondoiveétudierdes signauxreliés entre-eux parle passage
autravers d'un système linéaire,par exemple un ltre. Celui-ci étant décrit par sa
réponse impulsionnelle
h(t)
ou sa réponse fréquentielleH(jf )
, les signaux d'entréex(t)
et de sortiey(t)
sont alors reliés entre eux par le produit de convolutiony(t) = Z +∞
−∞
h(θ) x(t − θ) dθ
(7.55)On s'intéresse ici à préciser, en particulier aux niveaux des unités, quelles sont les
relationstemporellesetfréquentiellesentredessignauxàénergienieouàpuissance
nie.
7.8.1 Signaux à énergie nie
Ce sont lessignaux dontla TF existe car ils sont intégrables en valeur absolue
Z + ∞
−∞ | x(t) | dt < ∞ (7.56)
Il s'agit généralement de signaux temporaires ou à décroissance rapide. On dénit
alors lesdensités spectrales d'amplitude (DSA) des signaux
x(t)
ety(t) X(jf ) =
Z +∞
−∞
x(t)
exp( − j2π f t) dt
[V/Hz]Y (jf) = Z + ∞
−∞
y(t)
exp( − j2π f t) dt
[V/Hz]etl'on a
Y (jf ) = H(jf ) · X(jf )
(7.57)Pour ces signaux,les fonctions de corrélation secalculent comme suit
r xy (τ) = Z + ∞
−∞
x(t) y(t + τ ) dt
[V sec] (7.58)etonpeut montrer queles relationssuivantes sont vraies :
R xx (f) = X ∗ (jf) · X(jf ) [
V2 /Hz2 ] (7.59)
R xy (jf ) = X ∗ (jf ) · Y (jf ) = | X(jf ) | 2 · H(jf ) [
V2 /Hz2 ] (7.60)
R yy (f ) = | H(jf ) | 2 · R xx (f) [
V2 /Hz2 ] (7.61)
R xy (jf ) = X ∗ (jf ) · Y (jf ) = | X(jf ) | 2 · H(jf ) [
V2 /Hz2 ] (7.60)
R yy (f ) = | H(jf ) | 2 · R xx (f) [
V2 /Hz2 ] (7.61)
R yy (f ) = | H(jf ) | 2 · R xx (f) [
V2 /Hz2 ] (7.61)
7.8.2 Signaux à puissance nie
LaTF de ces signaux n'existe pas car leur énergieest innie. Il s'agitgénéralement
designauxaléatoirespermanents.Onlesmodélisealorspar leurfonctiond'autocor-
rélation
r xx (τ ) = lim
T →∞
1 T
Z + T / 2
−T / 2
x(t) x(t + τ) dt [
V2 ] (7.62)
etondénitleur densité spectrale de puissance (DSP)
R xx (f )
commelatrans-formée de Fourier de la fonctiond'autocorrélation
R xx (f) = Z + ∞
−∞
r xx (τ)
exp( − j2π f τ) dτ [
V2 /Hz]
(7.63)
Lorsque les signaux
x(t)
ety(t)
sont reliés entre eux par une opération de ltragelinéaire,le produit de convolution relie également lesfonctions de corrélation entre
elles etl'on a :
r xy (τ) = Z + ∞
−∞
h(θ) r xx (τ − θ) dθ [
V2 ] (7.64)
R xy (jf ) = T F (r xy (τ) = H(jf ) · R xx (f)
V
2
/Hz
(7.65)
où
R xy (jf )
est ladensité interspectrale de puissance.Letableau 7.1réunit les relationsexistantentre les signaux, lesfonctions de corré-
lationet lesdensités spectralesd'amplitudes (DSA) oude puissance (DSP).
Domaine temporel DSA
Énergie nie signaux
x(t), y(t) T F (x(t), y(t))
[unités] [V] [V/Hz]
entrée
x(t) X(jf )
système
h(t) H(jf )
sortie
y(t) Y (jf )
relations
y(t) = h(t) ⊗ x(t) Y (jf ) = H(jf ) · X(jf)
Puissance nie Corrélation DSP
[unités] [V
2
] [V
2
/Hz]
entrée
r xx (τ ) R xx (f )
système
h(τ) H(jf )
sortie
r xy (τ ) R xy (jf )
relations
r xy (τ ) = h(τ ) ⊗ r xx (τ) R xy (jf ) = H(jf ) · R xx (f)
R yy (f ) = | H(jf ) | 2 · R xx (f )
Tab. 7.1: Relations temporelles etfréquentielles
7.9 Signaux, spectres et statistique
Lapage suivante, tirée de l'ouvrage de F. de Coulon[2], illustre lespropriétés tem-
porelles, spectrales etstatistiques de quelques signaux. Comme onl'a déjà ditplus
haut, ces descriptions ne sont que des points de vue diérents d'une même réalité:
le signal temporel
x(t)
. Ces points de vue sont complémentaires et c'est le but du traitementdes signauxde lesrelier entre euxetd'en tirerecacement lemaximumd'information.
Fig.7.18: Descriptions temporelle, spectrale etstatistique de signaux typiques [2]
7.10 Quelques exemples
Exemple 1 : Signal temporaire
Onappliqueuneexponentielledécroissante
u 1 (t) = U 0 exp( − at)(t)
àunltrepasse-bandeidéal. On demande :
1. Dessinez laréponse fréquentielle du ltre.
2. Esquissezles densités spectralesd'amplitude
| U 1 (jf ) |
et| U 2 (jf ) |
.3. Quevalentles densités spectrales d'énergie
S 1 (f)
etS 2 (f )
?4. Calculez lesénergies
W 1 et W 2 des signaux d'entrée et de sortie.
5. A.N.:
U 0 = 10 [
V], a = 24 0 000 [
1/sec], f 1 = 4 [
kHz], f 2 = 6 [
kHz]
Solution:
Exemple 2 : Signal aléatoirepermanent
Un opérateur vous informe qu'il a mesuré à la sortie d'un amplicateur un bruit
largebande dont lavaleur ecace vaut
U 1 ,ef f = 0.01 [
Vef f ].
1. Quelleest lapuissance
P 1 dece bruit?L'informationapportée parl'opérateur est-ellesignicative etsusante?
2. Aprèsdiscussion,celui-ciprécisequecettemesureaétéeectuéeavec unvolt-
mètreàvraievaleur ecace dontlabande passanteest de 100kHz. Choisissez
un modèle de densité spectralede puissance correspondant.
3. Esquissez
R 1 (f)
et calculezsa valeur.4. La sortie de cet amplicateur est branchée sur un ltre passe-bas idéal dont
la fréquence de coupure est xée à 1 kHz. Esquissez la densité spectrale de
puissance
R 2 (f )
du bruit aprèsle ltre.5. Quellevaleur ecace
U 2 ,ef f mesurerez-vous après leltre? Solution:
Exemple 3 : Signal aléatoirepermanent
À la sortie d'un amplicateur dont la bande passante est de
100 [
kHz]
, on mesureun bruit de
10 [
mVef f ]. On ltre ce bruit avec un ltre RC passe-bas réalisé avec
R = 1.6 [
kΩ]
etC = 100 [
nF]
.
1. Choisissezunmodèlededensitéspectraledepuissance
R 1 (f )
dubruitdesortiede l'amplicateuretcalculez savaleur.
2. Calculez lafréquence de coupure du ltre passe-bas.
3. Esquissez sur un même diagramme les densités spectrales de puissance
R 1 (f )
et
R 2 (f )
présentes à l'entrée età lasortie du ltre RC.4. Quellesera la valeur ecace de latension àla sortie du ltre RC?
Solution:
Exemple 4 : Signal temporaire
On applique une impulsion de tension d'amplitude
E
et de largeur∆t
à un ltrepasse-bande LC-R caractérisé par sa fréquence de résonance
f 0 et son facteur de
qualité
Q 0. Admettant que la largeur de l'impulsion est beaucoup plus petite que lestemps caractéristiquesdu ltre :
1. Esquissez
u 1 (t)
etu 2 (t)
ainsi que| U 1 (jf ) |
et| U 2 (jf ) |
.2. Calculez
U 1 (jf )
etU 2 (jf )
.3. Calculez l'énergie
W 1 du signal d'entrée.
4. Calculez l'énergie
W 2 du signal de sortie du ltre.
5. A.N.:
E = 10 [
V], ∆t = 10 [µ
sec], f 0 = 1 [
kHz], Q 0 = 10
.Solution:
7.11 Exercices
Correl 0
Considérant deux signaux numériques
x(n)
ety(n)
déniscomme suit :n · · ·
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14· · ·
x(n)
0 0 0 0 0 0 1 2 3 4 0 0 0 0 0 0 0y(n)
0 0 0 0 0 0 0 0 4 3 2 1 0 0 0 0 0calculezetreprésentez lafonction d'intercorrélation
r xy (m) =
+∞
X
n=−∞
x(n) y(n + m)
0 2 4 6 8 10 12 14 16 18 20
0 2 4
x(n)
0 2 4 6 8 10 12 14 16 18 20
0 2 4
y(n)
−10 −8 −6 −4 −2 0 2 4 6 8 10
0 10 20 30
n, m r xy (m)
Fig. 7.19: Exercice Corr 0
Correl 1 Considérant le signal
x(t)
déni comme suit :x(t) =
− A si − ∆t < t < 0 0 si t = 0 +A si 0 < t < ∆t
0 si | t | ≥ ∆t
ondemande :
1. esquissez
x(t)
;2. calculezsafonction d'autocorrélation pour lesvaleurs particulières suivantes
τ = 0, ± ∆t, ± 2∆t
;3. esquissezla fonction
r xx (τ), −∞ < τ < + ∞
.Correl 2 Considérant les 3signaux suivants :
une exponentielle décroissante
x(t)
d'amplitudeA
etde constante de tempsτ 1,
uneimpulsionrectangulaire
y(t)
centrée ent = 0
,d'amplitudeA
etdelargeur∆t
,une impulsiontriangulaire
z(t)
centrée ent = 0
, d'amplitudeA
et de base 2∆t
,ondemande :
1. esquissezces 3signaux;
2. calculezdes valeurs particulières de leur fonction d'autocorrélation;
3. calculezleur fonction d'autocorrélation pour
τ
comprisentre +et∞
;4. esquissezces fonctions.
Remarque Lecalcul de latroisièmefonction n'est pas simple;sans entrer dans le
détaildes calculs,imaginezcomment vous devriez vous y prendre pour le faire.
Correl 3 Calculez la fonction d'intercorrélationdes signaux
x(t)
eth(t)
de l'exer-ciceCorr3.Avantdevouslancerdanslescalculs,imaginezoùsesitueralemaximum
de lafonction. Esquissez le résultatde l'intercorrélation.
2
2T t 0
h(t)
1
T
t 0
x(t)
Fig. 7.20: Exercice Corr 3
Correl 4 On souhaite connaître lafonction d'intercorrélationdes signaux
h 2 (t)
eth 1 (t)
de l'exercice Corr4 :r 21 (τ) = Z + ∞
−∞
h 2 (t) h 1 (t + τ ) dt
Pour cela :
1. imagineztout d'abord l'endroitoùse situerale maximum de la c;
2. montrez que,pour lespoints particulierssuivants
τ = {− 2∆t, − ∆t, 0, +∆t }
,ona,respectivement,
h 21 (τ) =
0, A 2 ∆t 3 , A 2 ∆t 6 , 0
;3. pourquoi,commeilestprécisédanslaremarqueci-dessous,lecalculest-ilplus
simplelorsque
τ
est compris entre 0 et∆t
?4. quepensez-vous des résultatsgraphiques obtenusavec Matlab (gure7.21)?
−5 −4 −3 −2 −1 0 1 2 3 4 5
0 0.5 1
h 1 (t)
Ex.CR4
−5 −4 −3 −2 −1 0 1 2 3 4 5
0 0.5 1
h 2 (t)
−5 −4 −3 −2 −1 0 1 2 3 4 5
0 0.2 0.4
temps [∆t]
r 21 ( τ )
Fig. 7.21: Exercice Corr 4
Remarque Pour donnerune idéede ce quereprésentel'approche analytique,voici
le calcul de la partie la plus simple correspondant audécalage avancé de
h 1 (t + τ )
avec
τ
comprisentre 0 et∆t
.Commel'on a :
r 21 (τ) = Z + ∞
−∞
h 2 (t) h 1 (t + τ ) dt
ilfaut commencerpar décrireles 2fonctions suivantes :
h 2 (t) = A
∆t t h 1 (t + τ) = A
1 − t + τ
∆t
valablespour
0 < t < ∆t
, respectivement,− τ < t < ∆t − τ
.Puis, tenant comptedes partiesnulles, ilvient :
r 21 (τ ) =
Z ∆ t−τ 0
h 2 (t) h 1 (t + τ ) dt
=
Z ∆ t−τ 0
A
∆t t A
1 − t + τ
∆t
dt
= A 2
∆t
Z ∆t−τ 0
t − t 2
∆t − τ t
∆t
dt
= A 2
∆t t 2
2 − t 3
3∆t − τ t 2 2∆t
∆t−τ
0
= A 2
∆t
(∆t − τ) 2 2
1 − τ
∆t
− (∆t − τ ) 3 3∆t
= A 2 (∆t + τ) 2
6 ∆t 2 (∆t − τ)
Ce qui donneen particulier les2 valeurs suivantes :
r 21 (τ = 0) = A 2 ∆t
6 r 21 (τ = ∆t) = 0
SAL 1 Sachant qu'un signal aléatoire
x(t)
décritpar safacr xx (τ ) = σ x 2exp( − a | τ | )
avec a = 2πf c
possède ladensité spectrale de puissance suivante
R xx (f) = σ x 2 πf c
1 1 +
f f c
2
ondemande de calculer sapuissance de deux manièresdiérentes. Que vaut-elle?
Réponse :
P x = σ 2 x
SAL 2 Sachant qu'un bruit
x(t)
dont la facvautr xx (τ) = 10 − 4
V
2
exp
( − a | τ | )
aveca = 1000
sec
− 1
passeautravers d'unltre passe-bandeidéalcaractérisépar ses deuxfréquences de
coupure
f i = 100 [
Hz]
etf s = 200 [
Hz]
, on demande de calculer lesvaleurs ecacesdes signaux d'entrée
x(t)
etde sortiey(t)
.Réponse :