ISPG

l’école d’ingénieurs de l’Institut Galilée

Université Paris 13
Master 1
Traitement Numérique du Signal

Gabriel Dauphin

2010-2011 Traitement Numérique du Signal 1

 Traitement Numérique du Signal
• Cours :
– TNS : 11x1,5h
• TP :
– MatLab : 3x3h
– TNS : 5x3h
• TD :
– TNS : 9x1,5h
• Contrôle
– 1 partiel (3h)
– 1 examen de TP
– 1 examen final (3h)
2010-2011 Traitement Numérique du Signal 2
 Contenus des cours (1ère partie)
Temps <|> Fréquence Signal <|> Filtre
1. Quantification (Microphone, CAN)
2. Echantillonnage, Critère de Nyquist Energie, Puissance,
bloqueur d’ordre 0, ( Haut-parleur, CNA, écho)
3. Séries de Fourier, Transformée de Fourier (onde stationnaire et
dissipation, écho)
4. TFD, TFTD (analyseur de spectre)
5. Filtres et repliements de spectres (stroboscope)
6. Filtres analogiques, transformée de Laplace, pôle, zéro,
stabilité, (retard, écho, filtre R-C, larsen)
7. filtres numériques MA, AR, ARMA, Transformée en Z,
(réverbérateur, mélangeur, ligne de retard, interférence en
communication)
2010-2011 Traitement Numérique du Signal 3
 Contenu du cours (2ème partie)

1. Synthèse de filtre MA, gabarit, fenêtre,

2. Synthèse de filtre AR, gabarit, (DC blocker, peaking equalizer)
3. Intercorrélation, Autocorrélation, Détection (radar)
4. Temps fréquences, multi-résolution, filtre temps-variant
(musique, parole, principe d’incertitude), ondelette

2010-2011 Traitement Numérique du Signal 4

 Contenu de ce cours
1. Chaîne de mesure
2. Qu’est-ce qu’un signal périodique
3. Qu’est-ce qu’un signal quantifié
4. Quelques transformations simples et leur visualisations
5. Dirac

2010-2011 Traitement Numérique du Signal 5

 1/ Qu’est-ce que le traitement du signal ?

•Technologies
•Traitement du signal
source canal destinataire
•Traitement statistique
du signal
perturbation
•Traitement de
microphone CD l’information
CD haut-
.wav parleur Signaux sans unité ?
radar .mp3 traitements souvent linéaires
radar
Math: de nombreuses difficultés réelles qui ne seront pas modélisation + identification
mentionnées (voir MIT, OCV, digital communications)
apprentissage
2010-2011 Traitement Numérique du Signal 6
 Pression sonore et puissance subjective
Lp=20log10(P/2e-5) dB
Sound Pressure Level
Loundness Courbe isosonique : p/p=Cte(f)
L(dB)
0 dB : seuil d'audibilité
De 20 à 30 dB : chuchotement
De 60 à 70 dB : téléviseur
De 70 à 80 dB : aspirateur
Différence de De 80 à 90 dB : klaxon de voiture
pression sonore De 100 à 110 dB : discothèque
ressentie comme 120 dB : seuil de la douleur
identique

p
2010-2011 Traitement Numérique du Signal 7
 Microphone

directivité

1.Onde sonore,
2.Membrane,
3.Bobine mobile,
4.Aimant,
5.Signal électrique
Signal temps continu et à valeurs continues
u(t)=1.41 Ueff sin(2ft) v(t) filtre analogique-> anti-repliement
2010-2011 Traitement Numérique du Signal 8
 Qu’est-ce qu’un signal périodique
1: extension à un
période
signal à durée limitée
sT(t)=s(t)1[t0,t0+T](t)
signal
périodique

1 2

signal à durée
limitée

2 : périodisation
durée d’un signal s(t)=n sT(t-nT)
2010-2011 Traitement Numérique du Signal 9
 2/ Signaux périodiques
1. Signaux temps continu et T-périodique
Pour tout t, s(t+T)=s(t) -> s(t)= s(t-nT)[1(t-nT)-1(t-(n-1)T)]
2. Signaux temps discret et N-périodique
Pour tout n, s[n+N]=s[n] -> sn= s[n-kN]1{0..N-1}[n-kN]
La période est alors T=NTe.
s(t)=cos(2 fa t)+cos(2 fb t)=2cos((fa+fb)t)cos((fa-fb)t)
fa=1kHz
fb=1,1kHz
T=20ms
fa=1kHz
fb=1,109kHz
T=18min et 29s
2010-2011 Traitement Numérique du Signal 10
 Classification discret/continu
amplitude continue amplitude discrète
P/NP

temps continu

échantil-
lonnage

temps discret

quantification
2010-2011 Traitement Numérique du Signal 11
 Classification discret/continu
1. Signaux à temps continu à valeurs continues
x(t) est une fonction continue de t à valeurs dans les réels
2. Signaux à temps discret à valeurs continues
xn est une suite correspondant aux instants nTe à valeurs dans R
3. Signaux à temps continu à valeurs discrètes
x(t) est une fonction continue de t à valeurs dans un ensemble fini
4. Signaux à temps discret à valeurs discrètes
xn est une suite à valeurs dans un ensemble fini

1 -> 3 : quantification 1-> 2 : échantillonnage

2 -> 4 : quantification 3-> 4 : échantillonnage
sampling

2010-2011 Traitement Numérique du Signal 12

 3/ Quantification linéaire d’un signal
• Ecrêter le signal sur un intervalle
Taille de la classe:
x |-> max(a,min(b,x))
(b-a)/N
• Transformation linéaire vers l’intervalle [0,N]
x |-> N(x-a)/(b-a) xq
• Numéro de la classe
n=E[N(x-a)/(b-a)] Erreur
c’est le code transmis max
• Valeur correspondante (b-a)/2/N classe 2
xq=(n+1/2)*(b-a)/N+a Bit de poids
• n bits -> 2^n classes faible
clip, bin,
error,quantification, least x
significant 2010-2011
bit Traitement Numérique du Signal 13
 Erreur de quantification en fonction du Nbr de bits

Erreur max

bits

2010-2011 Traitement Numérique du Signal 14

 Quantification non-linéaire
companding
Loi de codage A (Europe),  (Amérique du nord et Japon)
x<1/A => y=Ax/(1+ln(A))
loiA Q loiA inv
x>1/A =>
x -> y -> yq -> x
y=sign(x)(1+ln(A|x|))/(1+ln(A))

2010-2011 Traitement Numérique du Signal 15

 4/ Quelques transformations simples et leur
visualisation

Signal d’origine s (t )

Signal retardé s (t  t 0 )

Signal dilaté s (t / a )

Signal avec
s (t )  d
composante continue

Signal amplifié s (t )
2010-2011 Traitement Numérique du Signal 16
 5/ Diracs

Dirac à temps continu  (t ) 

d
1  (t )
x(t )   (t )
dt


  (t ) g (t  t

0 )dt  g (t 0 )

Dirac à temps discret

xn   n  0  1 et  n  0 si n  0

2010-2011 Traitement Numérique du Signal 17