421 lines
15 KiB
TeX
421 lines
15 KiB
TeX
\documentclass[a4paper,french,12pt]{article}
|
|
|
|
\title{Théorie du signal}
|
|
\author{}
|
|
\date{Dernière compilation~: \today{} à \currenttime}
|
|
|
|
\usepackage{../cours}
|
|
|
|
\begin{document}
|
|
|
|
\maketitle
|
|
\tableofcontents
|
|
|
|
\clearpage
|
|
|
|
\section{Présentation}
|
|
|
|
Un signal est la représentation d'une information ou d'un message.
|
|
Dans ce cours, tous les signaux seront \emph{déterministes}~: ils peuvent être représentés par une fonction mathématique.
|
|
|
|
Si la fréquence d'un signal est nulle, la fonction associée vaudra une constante.
|
|
La variation du signal en fonction du temps est donc dûe à la fréquence.
|
|
|
|
$f = 0 \implies$ fonction constante.
|
|
|
|
Pour rendre exploitable un signal, on applique des opérations (\emph{traitement du signal})~:
|
|
|
|
\begin{itemize}
|
|
|
|
\item Amplification
|
|
|
|
\item Filtrage
|
|
|
|
\item Modulation
|
|
|
|
\item Numérisation
|
|
|
|
\end{itemize}
|
|
|
|
La nature d'un signal peut être électrique, acoustique, optique\ldots
|
|
|
|
Un signal peut évoluer en fonction du temps ou de l'espace (vidéo).
|
|
Ici nous ne prendrons en compte que les signaux à une dimension.
|
|
|
|
Le bruit est tout ce qui n'est pas porteur d'information.
|
|
|
|
\section{Classification des signaux}
|
|
|
|
\subsection{Déterministe vs.\ Aléatoire}
|
|
|
|
\subsubsection{Déterministe}
|
|
|
|
Décrit par une fonction mathématique $x(t)$.
|
|
Il est donc \emph{prédictif}~: sa valeur est connue pour toute valeur de $t$.
|
|
|
|
\subsubsection{Aléatoire}
|
|
|
|
Décrit par des propriétés statistiques (probabilité, espérance mathématique, variance\ldots).
|
|
Il n'est donc pas \emph{prédictif}~: on ne peut pas connaître sa valeur à un instant $t$.
|
|
|
|
\subsection{Puissance moyenne finie vs.\ Énergie finie}
|
|
|
|
\subsubsection{Signaux à énergie finie}
|
|
|
|
\begin{equation*}
|
|
E = \int_{-\infty}^{+\infty} |x(t)|^2 \dif t < \infty
|
|
\end{equation*}
|
|
|
|
Ils sont à \emph{puissance moyenne nulle}.
|
|
On y trouve les signaux continus à \emph{support borné}.
|
|
|
|
\subsubsection{Signaux à puissance moyenne finie}
|
|
|
|
\begin{equation*}
|
|
P = \lim\limits_{T_0 \to \infty} \int_{-T_0/2}^{+T_0/2} |x(t)|^2 \dif t\text{, où $T_0$ est la période}
|
|
\end{equation*}
|
|
|
|
Ils sont à \emph{énergie infinie}.
|
|
On y trouve les signaux périodiques.
|
|
Les calculs se font sur une période.
|
|
|
|
\subsection{Analogique vs.\ Discret (échantillonné, quantifié, numérique)}
|
|
|
|
\subsubsection{Analogique (continu)}
|
|
|
|
Un signal analogique est continu.
|
|
Son évolution est décrite par la variable continue $t \in \mathbb{R}$.
|
|
|
|
Signal réel $\implies x(t) \in \mathbb{R}$ \\
|
|
Signal complexe $\implies x(t) \in \mathbb{C}$
|
|
|
|
\subsubsection{Discret}
|
|
|
|
Son évolution est décrite par une variable discrète $n \in \mathbb{Z}$.
|
|
Cette variable discrète est appelée \emph{échantillon}.
|
|
|
|
\begin{tabular}{l|ll}
|
|
\toprule
|
|
$A \; \backslash \; t$ & continu & discret \\
|
|
\midrule
|
|
continu & analogique & échantillonné \\
|
|
discret & quantifié & numérique \\
|
|
\bottomrule
|
|
\end{tabular}
|
|
|
|
Un signal \emph{échantillonné} est discret en \emph{temps}.
|
|
Un signal \emph{quantifié} est discret en \emph{amplitude}.
|
|
|
|
En réalité le signal quantifié n'existe pas (il ne peut être que continu par morceaux dans ce cas).
|
|
|
|
\subsection{Signaux continus usuels}
|
|
|
|
\subsubsection{Échelon unitaire ou Heaviside}
|
|
|
|
\begin{align*}
|
|
u(t) =
|
|
\left\{
|
|
\begin{array}{ll}
|
|
1 &\forall \, t \geq 0 \\
|
|
0 &\forall \, t < 0 \\
|
|
\end{array}
|
|
\right.
|
|
\end{align*}
|
|
|
|
C'est un signal \emph{causal} (nul pour tout $t < 0$).
|
|
Il n'est pas à support borné, il n'est pas périodique.
|
|
Il n'est donc ni à \emph{puissance moyenne finie}, ni à \emph{énergie finie}.
|
|
|
|
\subsubsection{Signal porte ou signal rectangle}
|
|
|
|
\begin{align*}
|
|
x(t) =
|
|
\left\{
|
|
\begin{array}{ll}
|
|
A &\text{si } t \in [T_1;T_2] \\
|
|
0 &\text{sinon} \\
|
|
\end{array}
|
|
\right.
|
|
\end{align*}
|
|
|
|
Il est à \emph{support borné}, donc il est à \emph{énergie finie}.
|
|
|
|
\subsubsection{Exponentielle amortie}
|
|
|
|
\begin{align*}
|
|
x(t) = e^{-\alpha|t|} \quad \forall \, t \in \mathbb{R}
|
|
\end{align*}
|
|
|
|
Il faut que $\alpha$ soit positif (sinon $x(t)$ diverge).
|
|
|
|
\subsubsection{Exponentielle amortie et causale}
|
|
|
|
\begin{align*}
|
|
x(t) =
|
|
\left\{
|
|
\begin{array}{ll}
|
|
e^{-\alpha t} &\forall \, t \geq 0 \\
|
|
0 &\forall \, t < 0 \\
|
|
\end{array}
|
|
\right.
|
|
\end{align*}
|
|
|
|
\subsubsection{Signal carré de \emph{rapport cyclique} $r$}
|
|
|
|
\begin{align*}
|
|
x(t) =
|
|
\left\{
|
|
\begin{array}{ll}
|
|
0 &\forall \, t \in [0; (1 - r)T_0] \\
|
|
A &\forall \, t \in [(1 - r)T_0; T_0] \\
|
|
\end{array}
|
|
\right.
|
|
\end{align*}
|
|
|
|
C'est un signal \emph{$T_0$-périodique}.
|
|
Sa puissance moyenne est donc finie~:
|
|
\begin{equation*}
|
|
P = \int_{(1-r)T_0}^{T_0} A^2 \dif t = A^2 r
|
|
\end{equation*}
|
|
|
|
\subsubsection{Signal sinusoïdal}
|
|
|
|
\begin{equation*}
|
|
\cos(2\pi f_0 t) = \sin(2\pi f_0 t + \frac{\pi}{2})
|
|
\end{equation*}
|
|
|
|
Il y a un \emph{déphasage} $\varphi$ constant de $\frac{\pi}{2}$.
|
|
|
|
\begin{align*}
|
|
&\varphi = 2\pi\frac{\Delta t}{T_0} [\text{rad}]
|
|
&\varphi = 360\frac{\Delta t}{T_0} [\text{degré}]
|
|
\end{align*}
|
|
|
|
\paragraph{Rappels}
|
|
|
|
\begin{itemize}
|
|
|
|
\item Formule d'Euler~:
|
|
\begin{align*}
|
|
\cos(2\pi f_0 t) = \frac{e^{j2\pi f_0 t} + e^{-j2\pi f_0 t}}{2} \\
|
|
\sin(2\pi f_0 t) = \frac{e^{j2\pi f_0 t} + e^{-j2\pi f_0 t}}{2j} \\
|
|
\end{align*}
|
|
|
|
\item Parité~:
|
|
|
|
$x$ est paire si $x(-t) = x(t)$ \\
|
|
$x$ est impaire si $x(-t) = -x(t)$ \\
|
|
La fonction cosinus est paire, la fonction sinus est impaire.
|
|
|
|
\end{itemize}
|
|
|
|
\subsubsection{Sinus cardinal}
|
|
|
|
\begin{align*}
|
|
\mathrm{sinc}(t) =
|
|
\left\{
|
|
\begin{array}{ll}
|
|
\frac{\sin(\pi t)}{\pi t} &\text{si } t \neq 0 \\
|
|
1 &\text{si } t = 0 \\
|
|
\end{array}
|
|
\right.
|
|
\end{align*}
|
|
|
|
Son énergie est $E = 1$.
|
|
|
|
\subsection{Le bruit, signal \emph{aléatoire}}
|
|
|
|
Le bruit est tout signal qui perturbe l'information.
|
|
|
|
Attention~: ce qui est une information pour un récepteur A peut être vu comme du bruit pour un récepteur B.
|
|
|
|
\subsubsection{Rapport Signal sur Bruit (RSB)}
|
|
|
|
Critère qui permet de quantifier le signal par rapport au bruit présent.
|
|
\begin{equation*}
|
|
\text{RSB} = \frac{P_S}{P_B}
|
|
\end{equation*}
|
|
|
|
$P_S$ est la puissance du signal, $P_B$ la puissance du bruit.
|
|
Cette quantité peut être déterminée en \emph{dB} (décibel)~:
|
|
\begin{equation*}
|
|
RSB_{dB} = 10\log_{10}(RSB)
|
|
\end{equation*}
|
|
|
|
Le bruit peut être \emph{stationnaire}~: ses propriétés statistiques ne varient pas au cours du temps.
|
|
Ou \emph{non stationnaire}~: ses propriétés statistiques varient au cours du temps.
|
|
|
|
\subsection{Impulsion ou distribution de Dirac, $\delta$}
|
|
|
|
Ce n'est pas un signal réel.
|
|
C'est un objet mathématique qui sert à modéliser certains phénomènes.
|
|
|
|
Il peut être vu comme la limite de plusieurs signaux porte $\Pi_{\epsilon}(t)$, de largeur $\epsilon \rightarrow 0$ et d'amplitude $\frac{1}{\epsilon}$.
|
|
\begin{align*}
|
|
\delta(t) = \lim\limits_{\epsilon \to 0} \sum \epsilon^{-1} \Pi_{\epsilon}(t) \\ \\
|
|
\delta(t) =
|
|
\left\{
|
|
\begin{array}{l}
|
|
+\infty \text{ pour } t = 0 \\
|
|
0 \text{ pour } t \neq 0 \\
|
|
\end{array}
|
|
\right.
|
|
\end{align*}
|
|
|
|
Propriétés~:
|
|
\begin{align*}
|
|
&\int_{\mathbb{R}} \delta(t) \dif t = 1
|
|
\quad\text{peut être vu comme la dérivée de l'échelon unitaire} \\
|
|
&\int_{\mathbb{R}} x(t)\delta(t) \dif t = x(0) \\
|
|
&\int_{\mathbb{R}} x(t)\delta(t - t_0) \dif t = x(t_0) \\
|
|
\end{align*}
|
|
|
|
\section{Analyse fréquentielle}
|
|
|
|
\subsection{Introduction}
|
|
|
|
Le \emph{spectre} est la représentation graphique du contenu fréquentiel d'un signal.
|
|
Il permet d'étudier les composantes \emph{fréquentielles} du signal à partir d'une certaine fonction de variable $f$, en Hz.
|
|
|
|
L'analyse de Fourier permet de déterminer la fonction du signal temporel dans le domaine fréquentiel.
|
|
\begin{equation*}
|
|
x(t) \rightarrow X(f)
|
|
\end{equation*}
|
|
|
|
$|X(f)|^2$ représente la \emph{Densité Spectrale}, notée $S_x(f)$.
|
|
|
|
\subsection{Décomposition en Série de Fourier (DSF)}
|
|
|
|
Tout signal $x:\mathbb{R}\rightarrow \mathbb{R}$, $T_0$-périodique, continu ou continu par morceaux, intégrable une fois dans $\mathbb{R}$ (conditions de Dirichlet), peut se décomposer en une somme de sinus et de cosinus.
|
|
\begin{align*}
|
|
T_0 &= \frac{1}{f_0} \\
|
|
\omega_0 &= 2\pi f_0 = \frac{2\pi}{T_0}
|
|
\end{align*}
|
|
|
|
\subsubsection{Forme réelle}
|
|
|
|
\begin{align*}
|
|
x(t) &= \sum_{n=0}^{+\infty} [a_n\cos(n\omega_0 t) + b_n\sin(n\omega_0 t)] \\
|
|
&= a_0 + \sum_{n=1}^{+\infty} [a_n\cos(n\omega_0 t) + b_n\sin(n\omega_0 t)]
|
|
\end{align*}
|
|
|
|
\begin{itemize}
|
|
|
|
\item $a_n$ et $b_n$ sont les coefficients de Fourier réels
|
|
|
|
\item $\omega_0 = 2\pi f_0$ [rad/s] est la pulsation \emph{fondamentale} de $x(t)$
|
|
|
|
\item $n\omega_0, \; \forall \, n > 1$ sont les pulsations \emph{harmoniques} de $x(t)$
|
|
|
|
\item $\sum_{n=1}^{+\infty} [a_n\cos(n\omega_0 t) + b_n\sin(n\omega_0 t)]$ converge
|
|
|
|
\end{itemize}
|
|
|
|
Expression des coefficients de Fourier réels~:
|
|
\begin{align*}
|
|
a_0 &= \frac{1}{T_0} \int_{(T_0)} x(t) \dif t
|
|
\quad \text{représente la valeur moyenne du signal} \\
|
|
a_n &= \frac{2}{T_0} \int_{(T_0)} x(t) \cos(n\omega_0 t) \dif t, \quad n \geq 1 \\
|
|
b_n &= \frac{2}{T_0} \int_{(T_0)} x(t) \sin(n\omega_0 t) \dif t, \quad n \geq 1
|
|
\end{align*}
|
|
|
|
\subsubsection{Forme directe (complexe)}
|
|
|
|
À savoir~: $e^{j\theta} = \cos(\theta) + j\sin(\theta)$
|
|
\begin{align*}
|
|
%TODO: remplace par la bonne formule
|
|
x(t) = \sum_{n=-\infty}^{+\infty} c_n e^{jn\omega_0 t} \\
|
|
x(t) = \sum_{n=-\infty}^{-1} c_n e^{jn\omega_0 t} + c_0 + \sum_{n=1}^{+\infty} c_n e^{jn\omega_0 t} \\
|
|
x(t) = c_0 + \sum_{n=1}^{+\infty} [c_n e^{jn\omega_0 t} + c_{-n} e^{-jn\omega_0 t}] \\
|
|
\end{align*}
|
|
|
|
\begin{itemize}
|
|
|
|
\item $c_n$ et $c_{-n}$ sont les coefficients de Fourier complexes
|
|
|
|
\item $\omega_0 = 2\pi f_0$ [rad/s] est la pulsation \emph{fondamentale} de $x(t)$
|
|
|
|
\item $n\omega_0, \; \forall \, n > 1$ sont les pulsations \emph{harmoniques} de $x(t)$
|
|
|
|
\item $\sum_{n=1}^{+\infty} [c_n e^{jn\omega_0 t} + c_{-n} e^{-jn\omega_0 t}]$ converge
|
|
|
|
\end{itemize}
|
|
|
|
Expression des coefficients de Fourier complexes~:
|
|
\begin{align*}
|
|
c_0 &= \frac{1}{T_0} \int_{(T_0)} x(t) \dif t
|
|
\quad \text{représente la valeur moyenne du signal} \\
|
|
c_n &= \frac{1}{T_0} \int_{(T_0)} x(t) e^{-jn\omega_0 t} \dif t, \quad n \geq 1 \\
|
|
c_{-n} &= \frac{1}{T_0} \int_{(T_0)} x(t) e^{jn\omega_0 t} \dif t, \quad n \geq 1
|
|
\end{align*}
|
|
|
|
\subsubsection{Correspondance entre les coefficients de Fourier réels et complexes}
|
|
|
|
Par identification, on établit les relations suivantes~:
|
|
\begin{align*}
|
|
c_0 &= a_0 \\
|
|
c_n &= \frac{1}{2} (a_n - jb_n) \\
|
|
c_{-n} &= \frac{1}{2} (a_n + jb_n)
|
|
\end{align*}
|
|
|
|
\subsubsection{Représentation spectrale $S_x(f)$}
|
|
|
|
On peut représenter la \emph{Densité Spectrale de Puissance} (DSF)~:
|
|
\begin{equation*}
|
|
S_x(f) = \sum_{n=-\infty}^{+\infty} |c_n|^2 = \sum_{n=-\infty}^{+\infty} |c_{-n}|^2 = \frac{1}{4} \sum_{n=O}^{+\infty} {\left(\sqrt{a_n^2 + b_n^2}\right)}^2
|
|
\end{equation*}
|
|
|
|
Son unité est le W/Hz.
|
|
On dit que c'est un spectre de raie.
|
|
|
|
\subsubsection{Propriétés}
|
|
|
|
\paragraph{Linéarité}
|
|
|
|
Soient $x_1(t)$ et $x_2(t)$ deux signaux de même période, alors~:
|
|
\begin{equation*}
|
|
x(t) = \alpha x_1(t) = \beta x_2(t) = \sum_{n=-\infty}^{+\infty} (\alpha c_n^1 + \beta c_n^2) e^{jn\omega_0 t}
|
|
\end{equation*}
|
|
|
|
\paragraph{Retard}
|
|
|
|
Soit $x_1(t) = x(t - t_0)$, alors~:
|
|
\begin{equation*}
|
|
x_1(t) = \sum_{n=-\infty}^{+\infty} c_n^1 e^{jn\omega_0 t} = \sum_{n=-\infty}^{+\infty} c_n e^{jn\omega_0(t - t_0)}
|
|
\end{equation*}
|
|
|
|
$c_n^1 = c_n e^{-jn\omega_0 t_0}$
|
|
|
|
$c_n, c_n^1$ et $c_n^2$ sont respectivement les coefficients de Fourier de $x(t), x_1(t)$ et $x_2(t)$.
|
|
|
|
\subsubsection{Théorême de Parseval}
|
|
|
|
% TODO: continue here
|
|
|
|
\begin{equation*}
|
|
\frac{1}{T_0} \int_{(T_0)} |x(t)|^2 \dif t = \sum_{n=-\infty}^{+\infty} |c_n|^2 = a_0^2 + \frac{1}{4} \sum_{n=1}^{+\infty} (a_n^2 + b_n^2)
|
|
\end{equation*}
|
|
$\implies$ même quantité de puissance/signal en temps qu'en fréquence.
|
|
|
|
Toute la puissance du signal $x(t)$ est égale à la somme des puissances portées par chaque raie fréquentielle (puissance moyenne, fondamentale, harmoniques).
|
|
|
|
\subsection{Transformée de Fourier (TF)}
|
|
|
|
\subsubsection{Définition}
|
|
|
|
La DSF ne s'applique que les signaux périodiques.
|
|
Pour travailler sur un signal non périodique, il faut passer par la transformée de Fourier.
|
|
|
|
$x(t) \rightarrow^{TF} X(f)$
|
|
|
|
\begin{equation*}
|
|
X(f) = \int_{\mathbb{R}} e^{j2\pi ft} df
|
|
\end{equation*}
|
|
|
|
\subsubsection{Transformée inverse}
|
|
|
|
\subsubsection{Passage de la DSF à la TF}
|
|
|
|
\subsection{Représentation d'un signal dans le domaine fréquentiel}
|
|
|
|
\end{document}
|