Notions de Traitement du Signal

1 GENERALITES 4

1.1 INTRODUCTION 4
1.2 DEFINITIONS 4
1.2.1 SIGNAL 4
1.2.2 BRUIT 4
1.2.3 RAPPORT SIGNAL SUR BRUIT 4
1.2.4 SYSTEME 4
1.3 CLASSIFICATION DES SIGNAUX 5
1.3.1 CLASSIFICATION PHENOMENOLOGIQUE 5
1.3.2 CLASSIFICATION ENERGETIQUE 5
1.3.3 CLASSIFICATION MORPHOLOGIQUE 5
1.4 SIGNAUX PARTICULIERS 6
1.4.1 FONCTION SIGNE 6
1.4.2 FONCTION ECHELON 6
1.4.3 FONCTION RAMPE 6
1.4.4 FONCTION RECTANGULAIRE 6
1.4.5 IMPULSION DE DIRAC 7
1.4.6 PEIGNE DE DIRAC 8
1.4.7 FONCTION SINUS CARDINAL 8
1.5 REPRESENTATION FREQUENTIELLE 8

2 TRAITEMENT DU SIGNAL ANALOGIQUE 9

2.1 SERIE DE FOURIER 9

2.1.1 DEFINITION 9
2.1.2 DEVELOPPEMENT EN TERMES COMPLEXES 10
2.1.3 PROPRIETES 10
2.2 TRANSFORMEE DE FOURIER 10
2.2.1 DEFINITION 10
2.2.2 PROPRIETES 11
2.2.3 EXEMPLE 12
2.3 CONVOLUTION 12
2.3.1 DEFINITION 12
2.3.2 TRANSFORMEE DE FOURIER 13
2.4 NOTION DE FILTRAGE 13
2.4.1 FONCTION DE TRANSFERT 13
2.4.2 FILTRE REEL – GABARIT 14
2.5 NOTION DE MODULATION 15
2.5.1 PRINCIPE 15
2.5.2 MODULATION D’AMPLITUDE 15

3 NUMERISATION 17

3.1 ECHANTILLONNAGE 17
3.1.1 DEFINITION 17
3.1.2 ECHANTILLONNAGE IDEAL 17
3.1.3 ECHANTILLONNAGE REEL 18
3.1.4 ECHANTILLONNAGE-BLOCAGE 19
3.2 QUANTIFICATION 20
3.2.1 DEFINITION 20
3.2.2 QUANTIFICATION UNIFORME 20
3.3 CODAGE 21
 Chapitre
1 Généralités
1
1.1 Introduction
Le traitement du signal est une discipline indispensable de nos jours. Il a pour objet l'élaboration
ou l'interprétation des signaux porteurs d'informations. Son but est donc de réussir à extraire un
maximum d'information utile sur un signal perturbé par du bruit en s'appuyant sur les ressources de
l'électronique et de l'informatique.

1.2 Définitions

1.2.1 Signal
Un signal est la représentation physique de l'information, qu'il convoie de sa source à son
destinataire. La description mathématique des signaux est l'objectif de la théorie du signal. Elle offre
les moyens d'analyser, de concevoir et de caractériser des systèmes de traitement de l'information.

1.2.2 Bruit
Un bruit correspond à tout phénomène perturbateur gênant la transmission ou l'interprétation
d'un signal.

Remarque :
Les notions de signal et bruit sont très relatives. Pour un technicien des télécommunications qui
écoute un émetteur lointain relayé par un satellite, le signal provenant d’une source astrophysique
(soleil, quasar) placée malencontreusement dans la même direction est un bruit. Mais pour
l’astronome qui s’intéresse à la source astrophysique, c’est le signal du satellite qui est un bruit.

1.2.3 Rapport signal sur bruit

Le rapport signal sur bruit mesure la quantité de bruit contenue dans le signal. Il s'exprime par
le rapport des puissances du signal (PS) et du bruit (PN). Il est souvent donné en décibels (dB).

S PS
  = 10log
 N dB PN

1.2.4 Système
Un système est un dispositif représenté par un modèle mathématique de type Entrée/Sortie
qui apporte une déformation au signal (Ex: modulateur, filtre, etc…).

Entrée Système Sortie

1.3 Classification des signaux
On peut envisager plusieurs modes de classification pour les signaux suivant leurs propriétés.

1.3.1 Classification phénoménologique

On considère la nature de l'évolution du signal en fonction du temps. Il apparaît deux types de
signaux :

Les signaux déterministes : ou signaux certains, leur évolution en fonction du temps peut
être parfaitement modéliser par une fonction mathématique. On retrouve dans cette classe les
signaux périodiques, les signaux transitoires, les signaux pseudo-aléatoires, etc…

Les signaux aléatoires : leur comportement temporel est imprévisible. Il faut faire appel à
leurs propriétés statistiques pour les décrire. Si leurs propriétés statistiques sont invariantes
dans le temps, on dit qu'ils sont stationnaires.

1.3.2 Classification énergétique

On considère l'énergie des signaux. On distingue :

Les signaux à énergie finie : il possède une puissance moyenne nulle et une énergie finie.

Les signaux à puissance moyenne finie : il possède une énergie infinie et sont donc
physiquement irréalisable.

Rappels :
+∞

∫
2
Energie d'un signal x(t) ⇒ Wx = x(t) dt
-∞
T/ 2
1
T →∞ T ∫
2
Puissance d'un signal x(t) ⇒ Px = lim x(t) dt
-T/ 2

1.3.3 Classification morphologique

On distingue les signaux à variable continue des signaux à variable discrète ainsi que ceux
dont l'amplitude est discrète ou continue.

Amplitude
Continue Discrète

x(t) x(t)
Continu

échantillonnage

t t
Temps

x[n] x[n]
Discret

n n

quantification
On obtient donc 4 classes de signaux :

Les signaux analogiques dont l'amplitude et le temps sont continus

Les signaux quantifiés dont l'amplitude est discrète et le temps continu
Les signaux échantillonnés dont l'amplitude est continue et le temps discret
Les signaux numériques dont l'amplitude et le temps sont discrets

1.4 Signaux particuliers

Afin de simplifier les opérations ainsi que les formules obtenues, certains signaux fréquemment
rencontrés en traitement du signal dispose d'une modélisation propre.

1.4.1 Fonction signe sgn(t)

1
-1 pour t<0
sgn(t)=  t
+1 pour t>0
-1

Par convention, on admet pour valeur à l'origine : sgn (t) =0 pour t=0.

1.4.2 Fonction échelon u(t)

1
0 pour t<0
u(t)= 
1 pour t>0 t

Par convention, on admet pour valeur à l'origine: u (t) = ½ pour t=0.

Dans certains, il sera préférable de lui donner la valeur 1.

1.4.3 Fonction rampe

r(t)
r(t) = t . u(t)
t 1
= ∫ u ( τ ) dτ
-∞
t
1

1.4.4 Fonction rectangulaire

rec(t/T)
 t 1
 1 pour < 1
t  T 2
rect ( )= 
T  t 1
0 pour > t
 T 2 -T/2 T/2

On l'appelle aussi fonction porte.

Elle sert de fonction de fenêtrage élémentaire.
1.4.5 Impulsion de Dirac
δ(t)
L'impulsion de Dirac correspond à une fonction porte dont la
largeur T tendrait vers 0 et dont l'aire est égale à 1. 1

∞ pour t = 0
δ(t)=  t
0 pour t ≠ 0
1

δ (t) ne peut être représentée graphiquement. On la schématise par le symbole

Attention: le 1 marqué sur la flèche pleine représente l’aire de cette impulsion (et non la hauteur de
l’impulsion).
du(t)
On peut encore considérer δ (t) comme la dérivée de la fonction échelon : δ(t) = .
dt
Propriétés :

Intégrale
+∞

∫ δ(t) dt = 1
−∞
+∞

∫ x(t).δ(t) dt = x(0)
−∞
+∞

∫ x(t).δ(t − t
−∞
0 ) dt = x(t 0 )

Produit
x(t).δ(t) = x(0).δ(t) = x(0)
x(t).δ(t − t 0 ) = x(t 0 ).δ(t − t 0 ) = x(t 0 )

Identité
x(t) ∗ δ(t) = x(t)

Translation
x(t) ∗ δ(t − t 0 ) = x(t − t 0 )
x(t − t1 ) ∗ δ(t − t 0 ) = x(t − t1 − t 0 )

Changement de variable
−1 1
δ(a .t) = a δ(t) avec en particulier δ(ω) = δ(t)
2π f

Remarque :
Un signal physique y(t) correspondant au passage d’un état (1) vers un état (2) pourra être considéré
comme un impulsion chaque fois que son temps de montée tm sera négligeable devant les autres
temps mis en jeu dans le circuit. Il en est de même pour un échelon.
1.4.6 Peigne de Dirac
On appelle peigne de Dirac une succession périodique δT(t)
d’impulsions de Dirac.

+∞
δT (t)= ∑ δ(t- kT)
k →- ∞ -KT -2T -T T 2T KT
t

T est la période du peigne.

Cette suite est parfois appelée train d'impulsions ou fonction d'échantillonnage.
Ce type de signal est principalement utilisé en échantillonnage .

1.4.7 Fonction sinus cardinal sinc(t)

1
sin ( πt )
sinc(t) =
πt t
-3 -2 -1 1 2 3
Cette fonction joue un rôle très important en traitement du signal.

Propriétés :

+∞

∫ sinc(t) dt = 1
-∞
+∞

∫ sinc (t) dt = 1
2

-∞

1.5 Représentation fréquentielle

On a pour habitude de décrire les signaux en fonction de la variable temporelle t car notre
perception des phénomènes physiques nous y incite. En électronique, la connaissance des propriétés
spectrales d'un signal est primordiale. Ainsi, on utilise souvent une représentation en fonction de la
fréquence pour caractériser un signal ou un système. Les outils de traitement des signaux nous aident
dans cette tâche.

Exemple : le support de transmission du téléphone à une bande passante de 3kHz alors que la bande
passante des signaux audibles est de 20kHz. Ceci explique pourquoi un signal audio de haute qualité
transmis par voie téléphonique sera perçu comme de mauvaise qualité par le récepteur.
 Chapitre
2 Traitement du signal analogique
2
2.1 Série de Fourier

2.1.1 Définition
La décomposition en série de Fourier permet de décomposer un signal en somme de
sinusoïdes. On utilise principalement les séries de Fourier dans le cas des signaux périodiques. Elles
permettent ainsi de passer facilement du domaine temporel au domaine fréquentiel. Pour pouvoir être
décomposable, un signal doit être à variations bornées (Dirichlet).

Pour tout signal s(t) réel où s(t) = s(t+T0), on peut écrire :

∞
 2π 
s(t) = S0 +∑  A n cos ( nω0 t ) +Bn sin ( nω0 t )   ω0 = 
n=1  T0 

avec
1
S0 =
T0 ∫ s(t) dt
(T0 )

2
An =
T0 ∫ s(t) cos ( n ω t ) dt
( t0 )
0

2
Bn =
T0 ∫ s(t) sin ( n ω t ) dt
(T0 )
0

Remarques :
On appelle le signal de pulsation ω0 le fondamental.
On appelle les signaux de pulsation n.ω0 les harmoniques de rang n.
La valeur de S0 représente la valeur moyenne de s(t).

Autre expression :
L'écriture précédentes des séries de Fourier présente en fait peu d'intérêt physique, en effet si
la fonction f(t) subit une simple translation suivant l'axe des temps alors les coefficients An et Bn seront
modifiés. En conséquence, on cherche donc une nouvelle écriture des séries de Fourier dans laquelle
la puissance est conservée après une translation suivant l'axe des temps et où cette translation
apparaîtra sous la forme d’un déphasage.
Cette nouvelle écriture s'obtient en posant :
A n = Cn sin Φ n

Bn = Cn cos Φ n

ainsi, en remplaçant An et Bn dans :

∞
s(t) = S0 +∑  A n cos ( nω0 t ) +Bn sin ( nω0 t ) 
n=1
∞
s(t) = S0 +∑ Cn sin Φ n cos ( nω0 t ) + cos Φ n sin ( nω0 t ) 
n=1
 ∞
avec  An
s(t) = S0 +∑ C n sin ( nω0 t+Φ n ) Φ n = arctan B
n=1  n
C 2 = A 2 + B 2
 n n n

!! Attention !!
Si l’on intervertit la place des paramètres Bn et An (An devant sin et Bn devant cos) dans la
décomposition en série de Fourier, il ne faut pas oublier de les intervertir dans la définition de φn aussi.

2.1.2 Développement en termes complexes

En introduisant la notation complexe de cos(nω0t) et sin(nω0t), il est possible d'obtenir une
écriture complexe de la série de Fourier.

e jn ω0 t + e − jn ω0 t e jn ω0 t − e − jn ω0 t
On pose cos ( n ω0 t ) = et sin ( n ω0 t ) =
2 2j
On obtient alors :

+∞ T0 / 2
1
s(t) = ∑S
-∞
n e jnω0 t
avec Sn =
T0 ∫ s(t) e − jn ω0 t dt
-T0 / 2

Les coefficients complexes Sn sont reliés aux coefficients An et Bn par les relations suivantes :
 A n − jBn
Sn = 2
 ∀n>0
S = A n + jB n
 -n 2

Remarques :
Dans les deux formes précédentes, chaque composante de fréquence était représentée par deux
coefficients. L'écriture complexe ne fait apparaître qu'un seul coefficient Sn complexe mais qui
comprend bien entendu un module et une phase.

2.1.3 Propriétés

Si s(t) est paire Bn = 0 et Sn = S-n

Si s(t) est impaire An = 0 et Sn = -S-n

2.2 Transformée de Fourier

C’est une généralisation de la décomposition de série de Fourier à tous les signaux
déterministes. Elle permet d’obtenir une représentation en fréquence (représentation spectrale) de ces
signaux. Elle exprime la répartition fréquentielle de l’amplitude, de la phase et de l’énergie (ou de la
puissance) des signaux considérés.

2.2.1 Définition
Soit s(t) un signal déterministe. Sa transformée de Fourier est un fonction, généralement complexe, de
la variable f et définie par :
+∞
S(f) = TF [s(t) ] = ∫ s(t) e
− j2π ft
dt
-∞
Si cette transformée existe, la transformée de Fourier inverse est donnée par :
+∞
s(t) = TF−1 [S(f)] = ∫ S(f) e
j2π ft
df
-∞

Remarque :
On appelle spectre de s le module de la transformée de Fourier de s.

2.2.2 Propriétés

s(t) S(F)

Linéarité α.s(t) + β.r(t) α.S(f) + β.R(f)

Translation s(t- t 0 ) e −2 jπ f t0 S(f)

e 2 jπ f0 t s(t) S(f- f 0 )

Conjugaison s∗ (t) S∗ (-f)

d n s(t)
( j2πf )
n
Dérivation S( f )
dt n
1 f
Dilatation s(at) avec a ≠ 0 S( )
a a

Convolution s(t) ∗ r(t) S(f)iR(f)

s(t)ir(t) S(f) ∗ R(f)

Dualité S(t) s(-f)

Transformée de Fourier de Dirac :

TF
s(t) S(f)
δ(t) 1
δ(t-τ) e −2 jπfτ
e −2 jπf0 t δ(f+ f 0 )

Egalité de Parceval :
Pour un signal d’énergie finie, l’énergie du signal est identique dans les domaines temporel et
fréquentiel.
+∞ 2 +∞ 2

∫ s(t)
−∞
dt = ∫ S(f)
−∞
df
2.2.3 Exemple
Calculons la transformée de Fourier d’un signal sinusoïdale : s(t) = Scos ω0 t

+∞ +∞
e j2π f0 t + e−2π f0 t
S(f) = ∫ s(t) e− j2π ft dt = S ∫ cos ( 2π f 0 t ) e− j2π ft dt avec cos ( 2π f 0 t ) =
-∞ -∞
2

S 
+∞ +∞ +∞
e j2π f0 t + e −2π f0 t − j2π ft
S(f) = S ∫ e dt =  ∫ e j2π f0 t ie − j2π ft dt + ∫ e − j2π f0 t ie− j2π ft dt 
-∞
2 2  -∞ -∞ 

S(f) =
S
2
(
TF  e j2π f0 t  + TF e − j2π f0 t  )
S
d’où TF [Scos 2π f 0 t ] = [ δ(f- f 0 )+δ(f+ f 0 )]
2

S(f)
s(t)
S/2
S
TF
t f
T0 -f0 f0

Remarques :

La transformée de Fourier d’une fonction sinusoïdale de fréquence f0 est représentée par

deux impulsions de Dirac centrée sur les fréquences –f0 et +f0. Bien entendu, l’impulsion centrée sur f0
n’a pas d’existence physique.
Le spectre d’une décomposition en série de Fourier sera donc un spectre discontinu de
raies aux fréquences des sinusoïdes présentes dans la décomposition.

2.3 Convolution

2.3.1 Définition
Le produit de convolution d’un signal s(t) par un autre h(t) est donné par :

+∞
s(t) * h(t) = ∫ s(k) h(t- k) d k
-∞

Remarque :

s(t) Le signal de sortie d’un système linéaire causal invariant dans le

y(t)
H temps est donné par le produit de convolution du signal d’entrée et
d’une fonction h(t) appelée réponse impulsionnelle.
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.
2.3.2 Transformée de Fourier
Par définition :
+∞
 +∞  − j2π ft
TF [ a(t) ∗ b(t)] = ∫−∞  −∞∫ a(k) b(t- k) dk e dt
+∞
 +∞ 
= ∫ a(k)  ∫ b(t- k)e − j2π ft dt  dk
−∞  −∞ 
Si on pose : t - k = u alors t=u+k:
+∞
 +∞ 
TF [ a(t) ∗ b(t) ] = ∫−∞ a(k) e − j2π f k
 ∫ b(u)e − j2π f u
d u  dk
 −∞ 
D’où :
TF [ a(t) ∗ b(t)] = A(f)iB(f)

Remarque :
TF [ h(t) ∗ δ(t)] = TF [ h(t) ]iTF [ δ(t) ] = TF [ h(t) ] = H(f)
d’où h(t) ∗ δ(t) = h(t) : Le Dirac est l’élément neutre de la convolution

2.4 Notion de Filtrage

Le filtrage est une forme de traitement de signal qui modifie le spectre de fréquence et/ou la
phase du signal présent en entrée du filtre et donc par conséquent sa forme temporelle. Il peut s ‘agir
soit :
- d’éliminer ou d’affaiblir des fréquences parasites indésirables
- d’isoler dans un signal complexe la ou les bandes de fréquences utiles.

On classe les filtres en deux grandes familles :

- les filtres numériques réalisés à partir de structure intégrée microprogrammable
(DSP).
- les filtres analogiques réalisés à partir de composants passifs (résistance,
inductance, condensateur) ou actifs (AIL).

2.4.1 Fonction de transfert

Le comportement d’un filtre est défini par l’étude
VE(t) VS(t) fréquentielle de la fonction de transfert entre la tension de sortie et
H
la tension d’entrée du filtre. On le caractérise par l’amplification et
le déphasage qu’il apporte sur les différents harmoniques du
signal d’entrée.

VS (jω)
H(jω ) =
VE (jω)
VS
H dB = 20 log ϕ = Arg [ H(jω) ]
VE
Remarques :

Parfois, on préfère définir un filtre par rapport à l’atténuation qu’il amène sur la grandeur
1
d’entrée : A(jω) = .
H(jω)
On définie aussi le temps de propagation de groupe plutôt que le déphasage. Il caractérise le
dϕ
retard apporté par le filtre sur les différents harmoniques du signal d’entrée : τ=
dω
H est la réponse impulsionnelle du filtre : VS (t) = VE (t) * h(t) et TF [ VS (t) ] = VE (f)i h(f)
Autrement dit, le spectre du signal de sortie est égale au produit du spectre du signal d’entrée par la
réponse en fréquence du filtre.

2.4.2 Filtre réel – gabarit

Un filtre idéal présente :
- un affaiblissement nul dans la bande de fréquence que l’on désire conserver (Bande
passante)
- un affaiblissement infini dans la bande que l’on désire éliminer (Bande atténuée)

Il est impossible pratiquement de réaliser de tels filtres. Aussi se contente-t-on d’approcher cette
réponse idéale en :
- conservant l’atténuation A inférieure à Amax dans la bande passante
- conservant l’atténuation supérieure à Amin dans la bande atténuée

Cela conduit ainsi à définir un gabarit définissant des zones interdites et des zones dans lesquelles
devront impérativement se situer les graphes représentant l’atténuation du filtre en fréquence. Suivant
le type de réponse que l’on désire obtenir, on est amené à définir 4 familles de filtres :

Passe-bas Passe-haut
A(dB) A(dB)
Amin Amin

Amax Amax
f f
fc fa fa fc

Passe-bande
Coupe-bande
A(dB) A(dB)
Amin Amin

Amax Amax

f f
fa- fc- fc+ fa+ fc- fa- fa+ fc+

Lorsque l’on veut dimensionner un filtre, on ne sait calculer analytiquement qu’un petit nombre
de fonctions caractéristiques convenant à la réalisation d’un gabarit. Ces différentes fonctions fixeront
les propriétés physiques du filtre (Butterworth, Tchebycheff, Bessel, Cauer).
2.5 Notion de Modulation

2.5.1 Principe
Le principe de modulation d’un signal est essentiellement utilisé pour la transmission des
signaux. Il permet d’adapter le message à transmettre au canal de transmission.
Par exemple, en radio, le message transmis par voie hertzienne est un message audio dont le
spectre sera compris dans la bande [20Hz, 20kHz]. La réception d'un tel signal nécessite des
antennes dont les dimensions sont du même ordre de grandeur que la longueur d'onde du signal (en
général de l'ordre de ½ ).
c
λ=
f
Exemple :
3 ⋅108
Pour f = 20kHz : λ = 3
= 1.5 ⋅104 m = 15 km !!!!!!!
20.10
Ainsi, l’objectif est de se servir d’un signal de fréquence importante pour transmettre le
message afin de réduire à des proportions raisonnable la taille des antennes. Le but de la modulation
est donc de translater le spectre d'un signal basses fréquences (BF) vers les hautes fréquences (HF).
La radio , la télévision , les lignes téléphoniques utilisent le procédé de modulation. Le signal HF
utilisé pour transporter le message est appelé la porteuse. Le message, dont on se sert pour moduler
une des caractéristiques de la porteuse, est appelé le modulant. Si la porteuse est de forme
sinusoïdale, elle accepte comme expression :

s p (t) = U p cos(ωp t+ ϕ ) avec ωp >> 0

Pour transporter le message, on ne peut donc jouer que sur deux paramètres :

- l’amplitude Up : on effectue alors une modulation d’amplitude

- la phase ϕ : on effectue alors une modulation angulaire (phase ou fréquence).

Remarques :
La démodulation est l’opération inverse de la modulation. Elle consiste à reconstruire le signal
modulant à partir du signal modulé. La qualité d’une modulation est déterminée par la facilité à
récupérer le signal modulant et par son immunité aux bruits.

2.5.2 Modulation d’amplitude

Le principe consiste à moduler l’amplitude de la porteuse sp(t) par le signal message m(t) :

s m (t) = m(t) ⋅ U p cos ωp t

Dans le cas d’école où le message à une forme sinusoïdale :
s m (t) = U m cos ωm t⋅ U p cos ωp t

{cos ( ω }
Um Up
s m (t) = m − ωp ) t  + cos ( ωm + ωp ) t 
2
Son amplitude sera donc comprise entre +Um.Up et -Um.Up.
Le spectre du signal modulé est donc :

Um Up
Sm (f) = δ(f- f m + f p )+δ(f- f m - f p )+δ(f+ f m - f p )+δ(f+ f m + f p ) 
4
 M(f)
m(t)
Um/2
Um TF

t f
-fm fm
Tm

Sp(f)
sp(t)
Up/2
Up

t f
-fp fp

Sp(f)
Sm(t) BP
Um.Up/4
Up.Um

t f
-fp-fm -fp+fm fp-fm fp+fm

La modulation d’amplitude réalise donc une transposition en fréquence du signal message.

Elle est réalisée à partir d’une simple multiplication. A noter que si l’on veut transmettre un signal de
fréquence fm, la bande passante nécessaire est de 2.fm. La récupération du message par
démodulation implique de réaliser l’opération inverse. Il faut donc multiplier le signal modulé par la
porteuse pour refaire une transposition en fréquence puis isoler le message par filtrage.

m(t)
m(t)
sp(t)
sm(t)

sp(t)

Mais fabriquer une porteuse de fréquence strictement identique est très difficile. Une solution consiste
donc à transmettre la porteuse avec le message pour pouvoir facilement la reconstruire à la réception.
On l’appelle la modulation avec porteuse et l’expression du signal modulé devient :
s m (t) = [ k .m(t) + 1] U p cos ωp t
k est le taux de modulation.

C’est ce principe qui est retenu en radiodiffusion (AM, GO et PO).

Remarques :
On peut aussi :
- récupérer la partie résiduelle de la porteuse (qui, pour des raisons techniques, n’est
jamais supprimée à 100 %) et amplifier celle-ci.
- transmettre périodiquement une information représentant la porteuse
- transmettre un multiple ou un sous-multiple de la fréquence de la porteuse
 Chapitre
3 Numérisation
3
L’importance des systèmes numériques de traitement de l’information ne cesse
de croître (radio, télévision, téléphone, instrumentation…). Ce choix est souvent justifié par des
avantages techniques tels que la grande stabilité des paramètres, une excellente reproductibilité des
résultats et des fonctionnalités accrues. Le monde extérieur étant par nature ‘’analogique’’, une
opération préliminaire de conversion analogique numérique est nécessaire. La conversion analogique
numérique est la succession de trois effets sur le signal analogique de départ :

- l’échantillonnage pour rendre le signal discret

- la quantification pour associer à chaque échantillon une valeur
- le codage pour associer un code à chaque valeur.

3.1 Echantillonnage

3.1.1 Définition
L’échantillonnage consiste à prélever à des instants précis, le plus souvent équidistants, les
valeurs instantanées d’un signal. Le signal analogique s(t), continu dans le temps, est alors
représenter par un ensemble de valeur discrètes :
se(t) = s(n.Te) avec n entier
Te : période d’échantillonnage.
Cette opération est réalisée par un échantillonneur souvent symbolisé par un interrupteur.
s(t) se(t)

1
t fe = Te t
T Te

3.1.2 Echantillonnage idéal

L’échantillonnage idéal est modélisé par la multiplication du signal continu s(t) et d’un peigne
de Dirac de période Te.
+∞ +∞
s e (t) = s(t) ⋅ δTe (t)= s(t) ∑ δ(t- n Te ) = s(n Te ) ∑ δ(t- n Te )
n →- ∞ n →- ∞
Le spectre du signal échantillonné est donc le suivant :

+∞ +∞
1 1
Se (f) =
Te
∑
n →- ∞
S(f) ∗ δ(f- nf e ) Se (f) =
Te
∑ S(f- nf )
n →- ∞
e (voir Annexe 1)

On obtient donc un spectre infini qui provient de la périodisation du spectre du signal d’origine autour
des multiples de la fréquence d’échantillonnage.

S(f) Se(f)

TF

-fM -fm fm fM f
-2fe -fe -fe/2 fe/2 fe 2fe f
Remarques :
On voit sur le spectre du signal échantillonné qu’il est possible de restituer le signal original
par un simple filtrage passe-bas.
Si fM, la fréquence maximale du spectre du signal à échantillonner, est supérieure à fe/2, la
restitution du signal original sera impossible car il va apparaître un recouvrement spectrale lors de
l’échantillonnage. On dit qu’on est en sous-échantillonnage.

Se(f)

-2fe -fe fe 2fe f

recouvrement

Le théorème de SHANNON montre que la reconstitution correcte d’un signal nécessite que la
fréquence d’échantillonnage fe soit au moins deux fois plus grande que la plus grande des fréquences
fM du spectre du signal :

fe > 2 fM

Lorsqu’il y a recouvrement spectrale, nous avons vu qu'il était impossible de reconstruire

correctement le signal. Pourtant dans la plupart des situations, le spectre du signal à échantillonner
s'étale sur tout le domaine des fréquences (tout en diminuant du coté des hautes fréquences), mais il
n'existe pas une fréquence fmax au-delà de laquelle l'énergie est nulle. Il y a donc un problème pour
choisir la fréquence d'échantillonnage. On se fixe donc en pratique une fmax à partir de laquelle on
estime la représentation de notre signal satisfaisante pour les applications que l’on veut en faire. Puis
on effectue un filtrage passe-bas (à fmax) avant l’échantillonnage afin de remédier aux repliements de
spectre. On appelle ce filtre un filtre antirepliement.

Exemple : c'est par exemple le cas de la parole. Le spectre des sons audibles s'étend jusqu'à environ
20kHz. Dans le cas des CD audio, le signal est échantillonné à 44.1 kHz alors que dans le cas du
téléphone numérique le signal est échantillonné à 8 kHz seulement. En effet, en téléphonie, on estime
que le message est compréhensible pourvu que les composantes basses fréquences soient
transmises correctement alors que l’on veut conserver tous les harmoniques pour avoir un son de
qualité en audio. On limite ainsi le spectre à 22.05 kHz pour un CD audio et à 4 kHz pour la téléphonie
(3.4kHz en pratique).

Si fe>2fc, il y a sur-échantillonnage. Alors les motifs successifs obtenus par périodisation du

spectre sont disjoints et éloignés l’un de l’autre. Le filtrage passe-bas pour la récupération du signal
est facilité. Plus on prendra d’échantillons par période, plus le signal sera facile à reconstruire.

3.1.3 Echantillonnage réel

En pratique, l’échantillonnage s’effectue en commandant un interrupteur par un train
d’impulsions étroites. Il est donc impossible d’obtenir des échantillons de durée quasiment nulle. La
modélisation de l’échantillonnage par un peigne de Dirac est donc erronée. En fait, chaque impulsion
va avoir une durée très courte τ. L’échantillonnage peut donc être modélisé par la multiplication du
signal par une suite de fonction rectangle (ou porte) de largeur τ.

y(t) y(t)
1
1

t t
-2Te -Te Te 2Te -τ/2 τ/2
L’expression du signal d’échantillonnage devient donc :
+∞ +∞
t-kTe t
y(t) = ∑
k →- ∞
rect (
τ
) = rect ( ) ∗ ∑ δ(t − kTe )
τ k →- ∞
Et par conséquent, sa transformée de Fourier est égale à :
+∞
1
Y(f) = τ sinc(τ f) ⋅
Te
∑ δ(f − k f )
k →- ∞
e (voir Annexe 1 et 2)

Comme l’expression du signal échantillonné est :

s e (t) = s(t) ⋅ y (t)
Sa transformée de Fourier devient :
+∞
τ
Se (f) = S(f)× Y(f) = S(f) ∗
Te
∑ sinc(τ f) ⋅ δ(f- k f )
k →- ∞
e

+∞
τ
Se (f) = sinc(τ f) ⋅ ∑ S(f- k f e )
Te k →- ∞

On retrouve la même allure de spectre modulé en amplitude par une fonction en sinus cardinale.

S(f) |Se(f)|

TF

-fM -fm f m fM f
-2fe -1 -fe fe 1 2fe f
τ τ

Remarques :
Pour se rapprocher d’un échantillonnage idéal et qu’ainsi le signal soit facilement
reconstructible, il faut que τ soit le plus petit possible.
Dans le cas où τ est du même ordre de grandeur que fe, il faudra fe >> 2fM.

3.1.4 Echantillonnage-blocage
En pratique, on n'échantillonne pas un signal pour le reconstruire juste après.
L'échantillonnage est utilisé pour prélever le signal à des instants multiples de Te et ensuite convertir
les échantillons sous forme d'un code binaire (8, 12, 16 bits, ...). Cette conversion est effectuée par
l’intermédiaire d’un convertisseur analogique-numérique (CAN). Cette conversion n’est pas
instantanée. Si le signal à convertir varie trop rapidement, il est nécessaire de procéder au blocage
du signal pour avoir une conversion sans erreur. On utilise donc un échantillonneur-bloqueur qui
mémorise la tension à convertir et la maintient constante pendant toute la durée de conversion.
L’effet de blocage peut être modélisé par une fonction porte décalée de τ/2 :
y(t)
 τ   τ
 t- 2 -kTe   t- 2  +∞
1 +∞
y(t) = ∑ rect   = rect   ∗ ∑ δ(t − kTe )
k →- ∞  τ   τ  k →-∞
τ
t    

L’échantillonnage-blocage consiste donc à la multiplication du signal par y(t). La transformée de

Fourier du signal échantillonné est donc :

+∞
τ
Se (f) = sinc(τ f) ⋅ ∑ S(f- k f e ) ⋅ e- jπ f τ
Te k →- ∞
Remarques :
- jπ f τ
Le spectre est identique au précédent. Le terme en e traduit un déphasage entre le signal
initial et le signal échantillonné. En principe, on maintient la valeur de l’échantillon sur toute la période
d’échantillonnage donc τ = Te. Ainsi, pour f = fe, on a un déphasage de -π.

3.2 Quantification

3.2.1 Définition
La quantification consiste à associer à une valeur réelle x quelconque, une autre valeur xq
appartenant à un ensemble fini de valeurs et ce suivant une certaine loi : arrondi supérieur, arrondi le
plus proche, etc…
L’écart entre chaque valeur xq est appelé pas de quantification.
Le fait d’arrondire la valeur de départ entraîne forcément une erreur de quantification que l’on
appelle le bruit de quantification.

3.2.2 Quantification uniforme

La loi de quantification uniforme utilise un pas de quantification (∆) constant entre chaque
valeur xq.
xq
Loi idéale
3∆ nq=xq-x
2∆
½∆
∆

x x
-∆
-½ ∆
-2∆
-3∆

Le bruit de quantification nq est dans ce cas un signal aléatoire. Ces caractéristiques sont donc
définies par ses propriétés statistiques. On peut alors démontrer que la puissance du bruit de
quantification est égale à :
∆2
Pn q = (si sa densité de probabilité est uniforme)
12
Le rapport signal sur bruit dû à la quantification est donc égale à :

S PS
  = 10 log
 N dB Pn q
La puissance du signal à quantifier est égale à sa valeur efficace au carré (voir remarque) :

S   Vseff  2 
  = 10 log 12   
 N dB   ∆  

Si l’on décompose la plage de variation VPE du signal à quantifier en 2n intervalles de largeur ∆ (avec n
le nombre de bits utilisés pour coder le signal quantifié).
 VPE
Alors VPE = 2 × ∆ ∆=
n
et
2n
Ainsi :
S  n Vseff   Vseff 
  = 10 log12 + 20 log  2  = 10 log12 + 20 log 2 + 20 log 
n

 N dB  VPE   VPE 
S  Vseff 
  ≈ 6.02 n+10.8 + 20 log  
 N dB  VPE 
Ainsi, dans le cas d’un convertisseur analogique-numérique, chaque fois que l’on rajoutera un bit dans
le résultat de conversion, on améliorera le rapport signal sur bruit dû à la quantification d’environ 6dB.

Remarque :
En traitement du signal, on considère la puissance d’un signal aux bornes d’une résistance de 1Ω. La
puissance est donc égale au carré de la valeur efficace.

Exemple :
Si l’on veut numériser une sinusoïde et que l’on fixe VPE = 2.Vmax
Vmax S  Vmax 
Dans ce cas, VSeff = et   ≈ 6.02 n+10.8 + 20 log  
2  N dB  2 2 Vmax 
S
  ≈ 6.02 n+1.77
 N dB

3.3 Codage
Le codage consiste à associer à un ensemble de valeurs discrètes un code composé
d’éléments binaires.

Les codes les plus connus : code binaire naturel, code binaire décalé, code complément à 2, code
DCB, code Gray.

Exemple sur 4 bits :

Nbre Binaire Binaire décalé DCB Gray Complément à 2

-8 / 0000 / / 1000
-3 / 0101 / / 1101
0 0000 1000 0000 0000 0000
1 0001 0001 0001 0001 0001
5 0101 0101 0101 0111 0101
10 1010 / 0001 0000 1111 /
15 1111 / 0001 0101 1000 /
 Annexe 1 : Transformée de Fourier d’un peigne de Dirac

+∞
δT (t)= ∑ δ(t- kT)
k →- ∞
La décomposition en série de Fourier donne :
+∞ +∞ t Te / 2
jn 2π 1
SdF δTe (t)  = ∑ Sn e jn 2π f e t
= ∑ Sn e Te
avec Sn = ∫ s(t) e − jn 2π fe t dt
-∞ -∞ Te -Te / 2
Te / 2 +∞
1
∫ ∑ δ(t- kT ) ⋅ e
− jn 2π f e t
d’où Sn = e dt
Te -Te / 2 k →- ∞

-T T 
sur  e , e  , δ T (t)=1 pour t = 0 et 0 ailleurs.
 2 2
1 − jn 2π fe t 1
donc Sn = e =
Te t =0
Te
donc la décomposition en série de Fourier du peigne de Dirac vaut :
+∞ +∞
1 jn 2π fe t 1
SdF δTe (t)  = ∑ e = ∑e jn 2π f e t

-∞ Te Te -∞

Comme TF  e  = δ(f+ f 0 ) :
−2 jπf 0 t

+∞
1
TF [ δT (t) ] = ∑ δ(f- k f )
e
Te k →- ∞

La transformée de Fourier d'un peigne de Dirac (en temps) est un peigne de Dirac (en
fréquence).

δTe(t) TF[δTe(t)]
1 1/Te

TF
t f
-3Te -2Te -Te Te 2Te 3Te -3fe -2fe -fe fe 2fe 3fe
Annexe 2 : Transformée de Fourier de la fonction porte

 t 1
1 pour T < 2
t 
rect ( )= 
T  t 1
0 pour >
 T 2

La transformée de Fourier donne :

+∞ T/ 2
 t  t
TF  rect( )  = ∫ rect( ) ⋅ e− j2π ft dt = ∫ e− j2π ft dt
 T  -∞ T -T/ 2
T/ 2
 t   1  1
d’où TF  rect( )  =  ⋅ e − j2π f t  =  e j2π f T/ 2 − e − j2π f T/ 2 
 T   - j2π f  -T/ 2 j2π f

 t  1  e − jπ f T − e jπ f T  1
TF  rect( )  =  = sin(π f T)
 T  πf  2j  πf
sin ( πt )
comme sinc(t) =
πt

 t 
TF  rect( )  = T sinc(Tf)
 T 

La transformée de Fourier d’une fonction porte est un sinus cardinal.

rec(t/T) Tsinc(Tf)

1 T

TF
t f
-T/2 T/2 -3 -2 -1 1 2 3
T T T T T T