Chap 1
Chap 1
Chap 1
Ce chapitre considère différentes propriétés des signaux. Ces propriétés seront très importantes
pour la classification de signaux et, en conséquence, leur modélisation, les opérations possibles, la
définition de mesures adaptées, etc.
Un signal est le résultat d’un système physique réel, qui est donc réalisable, ce qui induit
plusieurs propriétés :
— l’énergie du signal est bornée,
— l’amplitude du signal est bornée,
— l’amplitude du signal est une fonction continue, en raison de l’inertie du système,
— le spectre du signal est borné et tend vers 0 lorsque la fréquence tend vers l’infini.
3.1.2 Modèle
Les modèles de signaux sont des représentations mathématiques (fonctions réelles ou com-
plexes, fonctionnelles, etc.) qui reposent fréquemment sur des hypothèses simplificatrices (parfois
fausses !) mais permettant d’effectuer des calculs théoriques.
Par exemple :
— un échantillon d’énergie finie mais infiniment bref n’est pas réalisable ; il est cependant
pratique d’utiliser une impulsion de Dirac pour représenter une impulsion de durée très
brève,
— un signal sinusoïdal x(t) = sin ωt n’est pas réalisable, car un signal produit par un système
physique réel ne peut pas exister de −∞ à +∞ ; c’est cependant un modèle mathématique
très usuel.
Le modèle est donc une approximation de la réalité, dans lequel on considère les propriétés
importantes dans le contexte de l’étude. L’intérêt du modèle dépend donc de la qualité de l’ap-
proximation et de sa facilité d’emploi, dans un contexte donné.
29
3.1.3 Classes de signaux
On peut classer les signaux selon différentes approches, ce qui induit des recouvrements entre
les classes ainsi définies.
Par exemple, on peut considérer :
— le caractère déterministe (ou certain) ou aléatoire des signaux,
— le caractère énergétique : signaux à énergie finie ou à puissance moyenne finie,
— le caractère continu ou discret du signal x(t), c’est-à-dire de son argument t (échantillon-
nage) ou de sa valeur (quantification),
— le caractère spectral : signaux basse ou haute fréquence, large bande, bande étroite ; signaux
blancs ou en 1/f , etc.
— la dimension des signaux :
— signaux 1D : x(t) (signal reçu par un microphone monophonique),
— signaux 2D : I(x, y) (image, signal reçu par un microphone stéréophonique)
— signaux 3D : I(x, y, z) (image volumique en tomographie ou IRM, I(x, y, f ) (image
hyperspectrale), I(x, y, t) (séquence d’images 2D),
— signaux 4D ou 3D +t (séquence d’images 3D, en IRM par exemple),
— signaux N-D, typiquement reçus par un réseaux de capteurs (réseaux d’antennes, ou de
microphones).
Définition 3.2.2 (Signal aléatoire) Un signal x(t) est aléatoire si son évolution est imprévisible
et ne peut être décrite que par des grandeurs et méthodes statistiques.
Remarque 3.2.1 La somme (ou le produit, ou toute autre opération) d’un signal déterministe et
d’un signal aléatoire est donc un signal aléatoire.
A l’intérieur de chacune de ces deux grandes classes, on peut définir d’autres propriétés.
Pour les signaux déterministes, on considère :
— les signaux périodiques ou non périodiques,
— les signaux périodiques peuvent être sinusoïdaux, composites ou pseudo-aléatoires,
— les signaux non-périodiques peuvent être quasi-périodiques ou transitoires
En ce qui concerne les signaux aléatoires, on peut définir :
— les signaux stationnaires ou non stationnaires,
— les signaux stationnaires peuvent être ergodiques ou non ergodiques,
— les signaux non stationnaires peuvent être cyclo-stationnaires ou quelconques.
L’objet de ce chapitre est de définir de façon précise ces principales propriétés.
30
Signaux périodiques
Définition 3.2.3 (Signal périodique) Un signal x(t) est périodique s’il existe un réel T > 0, tel
que :
x(t) = x(t + kT ), ∀k ∈ Z. (3.1)
Si T est le plus petit réel satisfaisant à (3.1), T est appelée période du signal.
Signaux quasi-périodiques
Les signaux quasi-périodiques sont obtenus par la somme ou le produit de signaux sinusoïdaux
de périodes incommensurables, c’est-à-dire dont le rapport n’est pas rationnel. Ainsi, le signal :
2πt 2πt
x(t) = sin + sin , (3.2)
T1 T2
avec T1 /T2 ∈
/ Q, est quasi-périodique.
Notations complexes
Il est souvent commode de représenter le signal réel sinusoïdal :
2π
x(t) = A sin t, (3.3)
T
par la partie imaginaire d’une fonction exponentielle complexe :
2π
z(t) = A exp j t . (3.4)
T
L’intérêt de cette notation réside dans les propriétés de calculs remarquables de la fonction exp.
De plus, en appliquant la formule d’Euler, on peut écrire (en notant z ∗ le complexe conjugué
de z) :
jA sin 2π 1
T t = 2 (z(t) − z ∗ (t))
(3.5)
= A2 exp j 2πt T − A
2 exp − j 2πt
T .
On peut donc voir le signal x(t) comme la composition (somme) de deux phaseurs conjugués,
l’un tournant dans le sens direct à la pulsation ω = 2π/T et l’autre à −ω = −2π/T . Pour tenir
compte de ces rotations de sens opposés, on parle de fréquences positives et négatives, mais il
est clair que ce sont des notions purement formelles (liées au modèle complexe) qui n’ont aucune
signification physique.
Définition 3.2.5 (Signal stationnaire à l’ordre n) Un signal aléatoire x(t) est stationnaire à l’ordre
n, si ses caractéristiques statistiques sont invariantes dans le temps, jusqu’à l’ordre n inclus.
31
Exemple 3.2.1 Un signal aléatoire x(t) est stationnaire à l’ordre 2, si sa moyenne, sa variance
et sa fonction d’auto-corrélation ne dépendent pas du temps.
Définition 3.2.6 (Signal ergodique) Un signal aléatoire x(t) est ergodique si les valeurs moyennes
statistiques (moyennes d’ensemble) sont égales aux valeurs moyennes temporelles (sur une réali-
sation).
Cette propriété est très importante en pratique, car elle permet d’estimer la moyenne statistique
par une moyenne temporelle sur une seule réalisation :
Z +T
1
E[x(t)] = lim x(t)dt (3.6)
T →+∞ 2T −T
Les caractéristiques des signaux aléatoires sont mesurées sur des temps d’observation finie.
En pratique, la stationarité ou l’ergodicité seront considérées sur la fenêtre d’observation.
Si le dipôle est une simple résistance R, à chaque instant t on a v(t) = Ri(t), d’où l’expres-
sion :
v 2 (t)
p(t) = Ri2 (t) = . (3.8)
R
L’énergie dissipée dans le dipôle entre deux instants t1 et t2 vaut alors :
Z t2 Z t2
1 t2 2
Z
2
W (t1 , t2 ) = p(t)dt = R i (t)dt = v (t)dt, (3.9)
t1 t1 R t1
et la puissance moyenne sur l’intervalle est égale à :
Z t2
W (t1 , t2 ) 1
P (t1 , t2 ) = = p(t)dt. (3.10)
t2 − t1 t2 − t1 t1
Définition 3.3.1 (Energie et puissance moyenne sur un intervalle) Par analogie 1 , on appelle éner-
gie (normalisée) ou puissance moyenne (normalisée) d’un signal réel x(t) sur l’intervalle [t1 , t2 ],
les grandeurs suivantes : Z t2
Wx (t1 , t2 ) = x2 (t)dt, (3.11)
t1
et : Z t2
1
Px (t1 , t2 ) = x2 (t)dt. (3.12)
t2 − t1 t1
p
La valeur efficace du signal x(t) est égale à Px (t1 , t2 ).
1. car il y a un facteur qui dépend de la nature de x : courant, tension, etc.
32
Dans la définition précédente, l’adjectif normalisé est précisé pour souligner que l’énergie ou
la puissance sont définies à un facteur près qui dépend de la nature du signal (courant ou tension,
dans le cas d’un signal électrique).
Finalement, on peut définir l’énergie totale et la puissance moyenne totale d’un signal, c’est-
à-dire sur R.
Définition 3.3.2 (Energie et puissance moyenne totale d’un signal sur R) On appelle énergie to-
tale ou puissance moyenne totale d’un signal réel x(t) les grandeurs suivantes, si elles existent :
Z +∞
Wx = x2 (t)dt, (3.13)
−∞
et :
1 +T /2 2
Z
Px = lim x (t)dt. (3.14)
T →+∞ T −T /2
√
La valeur efficace du signal x(t) est égale à Px .
Cas de signaux complexes. Dans le cas de signaux complexes, dans les intégrales, on remplace
x2 (t) par |x(t)|2 = x(t)x∗ (t).
Cas des signaux périodiques. Dans le cas de signaux périodiques, la puissance moyenne totale
est égale à la puissance moyenne sur une période.
c’est-à-dire si : Z +∞
|x(t)|2 dt < +∞. (3.16)
−∞
Les signaux à énergie finie sont aussi appelés signaux de carré sommable ou de carré inté-
grable.
Exemple 3.3.1 Le signal x(t) = rect(t/∆) est un signal à énergie finie. En effet, son énergie est
égale à :
Z +∞ Z +∆/2
2
Wx = |x(t)| dt = dt = ∆. (3.17)
−∞ −∆/2
33
3.3.3 Signaux à puissance moyenne finie
Définition 3.3.4 (Signal à puissance moyenne finie) Un signal x(t), définie sur R, est à puis-
sance moyenne finie sur cet intervalle si :
1 +T /2
Z
0 < Px = lim |x(t)|2 dt < +∞. (3.18)
T →+∞ T −T /2
La définition exclut le cas de signaux à puissance moyenne nulle, qui correspond à des signaux
à énergie finie.
Exemple 3.3.2 Le signal x(t) = sin(ωt) est un signal à puissance moyenne finie sur R. En effet,
|x(t)|2 = sin2 (ωt) = (1 − cos ωt)/2, et en intégrant :
Z +T /2
1 1
Px = lim (1 − cos ωt)dt = (3.19)
T →+∞ T −T /2 2
En revanche, l’intégrale Wx diverge : le signal n’est donc pas à énergie finie.
3.5.2 Parité
Un signal déterministe x(t) est pair si x(t) = x(−t) ; il est impair si x(t) = −x(−t). On peut
remarquer qu’il est toujours possible de décomposer un signal x(t) en la somme d’un signal pair
et d’un signal impair :
x(t) = xp (t) + xi (t), (3.20)
avec : (
x(t)+x(−t)
xp (t) = 2 ,
x(t)−x(−t) (3.21)
xi (t) = 2 .
34
X (f)
B a s s e fr é q u e n c e
f
X (f)
H a u te fr é q u e n c e
f
X (f)
B a n d e é tr o ite
f
X (f)
B a n d e la r g e
f
3.5.3 Causalité
Définition 3.5.1 (Signal causal) Un signal x(t) est causal s’il est nul pour toute valeur négative
de t.
On peut montrer qu’un signal réel causal est donc tel que xi (t) = xp (t)sgn(t).
Exemple 3.5.1 Généralement, un filtre réalisable, de réponse impulsionnelle h(t), est causal,
c’est-à-dire que h(t) = 0, ∀t < 0.
En traitement d’images, les filtres sont non causaux car la valeur filtrée d’un pixel I(x, y) dépend
généralement de tous ses voisins.
3.6 Exercices
3.6.1 Classification de signaux
Soient x(t) un signal déterministe et b(t) un signal aléatoire. Préciser la nature déterministe
ou aléatoire des signaux suivants.
1. x1 (t) = Ax(t), où A est un gain réel
2. x2 (t) = x(t) sin ωt,
3. x3 (t) = x(−t)(t),
4. x4 (t) = x(t) + b(t),
5. x5 (t) = |b(t)|,
6. x6 (t) = x(t)b(t),
7. x7 (t) = x(t)b(t)/|b(t)|.
35
3.6.2 Classification énergétique de signaux simples
Déterminer si les signaux suivants sont à énergie finie ou à puissance finie. Calculer pour
chacun l’énergie et la puissance moyenne totale.
1. x1 (t) = A rect(t),
2. x2 (t) = A sin ωt,
3. x3 (t) = A (t) sin ωt,
4. x4 (t) = (t),
5. x5 (t) = A exp(−at) (t), où a > 0,
6. x6 (t) = A exp(−at),
7. x7 (t) = A tri(t/T ).
36