FORMULAIRE POUR LA THORIE DU SIGNAL

1. FORMULES TRIGONOMTRIQUES 1.1. Somme et diffrence dangles sin( + ) = sin cos + cos sin , sin( ) = sin cos cos sin , cos( + ) = cos cos sin sin , cos( ) = cos cos + sin sin . 1.2. Expression en fonction des angles doubles 2 sin2 = 1 cos 2, 2 cos2 = 1 + cos 2, 2 sin cos = sin 2.

2. MODLES MATHMATIQUES DE SIGNAUX 2.1. Signaux simples rect[(t )/T ] : fonction rectangle centre sur , damplitude 1 et de largeur T (laire vaut T ), tri[(t )/T ] : fonction triangle centre sur , damplitude 1 et de largeur 2T (laire vaut T ), (t) : distribution de Dirac, satisfaisant (t) = 0 pour + t = 0, et (t)dt = 1, sinc(u) = 1).
sin(u) u

: sinus cardinal de u (son aire vaut

2.2. Oprateur de rptition

1.3. Produits de fonctions trigonomtriques 2 sin sin = cos( ) cos( + ), 2 cos cos = cos( ) + cos( + ), 2 sin cos = sin( ) + sin( + ). 1.4. Somme et diffrence de fonctions trigonomtriques sin + sin = 2 sin[( + )/2] cos[( )/2], sin sin = 2 sin[( )/2] cos[( + )/2], cos + cos = 2 cos[( + )/2] cos[( )/2], cos cos = 2 sin[( + )/2] sin[( )/2]. 1.5. Formes exponentielles exp(j) = cos + j sin , avec j 2 = 1, sin =
exp(j)exp(j) , 2j

repT (.) : rptition de . avec une priode T , repT (x(t)) =

+ k=

x(t kT ),
+ k=

repT ( (t)) = T (t) = Dirac.

(t kT ) : peigne de

2.3. Oprateur de convolution Dnition x(t) y (t) = (x y )(t) =

+ +

x(u)y (t u)du =

x(t v )y (v )dv ,
+ +

x (t) y (t t0 ) = y )(t t0 ), x(t) y (at + b) = Proprits

x(u)y (t u t0 )du = (x

x(u)y (a(t u) + b)du

cos =

exp(j)+exp(j) . 2

1.6. Dveloppements limits sin = 3 /3! + 5 /5! . . . + (1)p 2p+1 /(2p + 1)! + . . ., cos = 1 2 /2! + 4 /4! . . . + (1)p 2p /(2p)! + . . ., exp = 1 + + 2 /2! + . . . + k /k ! + . . ..

Commutativit : x(t) y (t) = y (t) x(t), Associativit : [x(t) y (t)] z (t) = x(t) [y (t) z (t)] = x (t) y (t) z (t), Distributivit par rapport laddition : x(t) [y (t) + z (t)] = x(t) y (t) + x(t) z (t)

2.4. Proprits de la distribution de Dirac (t) x (t0 ) =

+

x(t) (t t0 )dt

x (t) (t) = x (t), x (t) (t t0 ) = x (t t0 ), x (t t1 ) (t t2 ) = x (t t1 t2 ), (at) = |a|1 (t). 3. VALEUR MOYENNE TEMPORELLE, NERGIE ET PUISSANCE x = limT +
1 T

5. TRANSFORMES DE FOURIER 5.1. Transforme de fonctions sommables Pour des fonctions x(t) bornes et absolument sommables ( |x(t)|dt < +), on dnit la transforme de Fourier (TF), note X (f ) : x (t) X (f ) =
+

+T / 2 T /2

x(t)dt : moyenne.

Signaux rels Wx =
+

x (t)dt : nergie,
1 T +T / 2 T /2

Px = limT + Signaux complexes Wx =

+

x2 (t)dt : puissance.

x(t) exp(j 2f t)dt.

|x(t)|2 dt : nergie,
1 T +T / 2 T /2

De mme, tant donne X (f ), on peut calculer x(t) par transforme de Fourier inverse : X (f ) x (t) = 5.2. Notations On notera x (t) X (f ), X (f ) = F{x(t)} : transforme de Fourier, x(t) = F 1 {X (f )} : transforme de Fourier inverse. 5.3. Proprits La TF est linaire : ax(t) + by (t) aX (f ) + bY (f ) La TF conserve la parit. Si la fonction x(t) est relle (imaginaire, resp.) impaire, X (f ) est imaginaire (relle, resp.) impaire. 5.4. Rgles de calculs Soit une fonction x(t), telle que x(t) X (f ). x(t) X (f ) : retournement temporel, x (t) X (f ) : complexe conjugue, x(at) |a|1 X (f /a) : effet Doppler, x(t t0 ) X (f ) exp(j 2f t0 ) : translation temporelle, x(t) exp(j 2f0 t) X (f f0 ) : translation en frquence ou modulation,
dn dtn x(t) +

Px = limT +

|x(t)|2 dt : puissance.

X (f ) exp(+j 2f t)df.

(j 2f )n X (f ) : drivation sur t.

Soient deux fonctions x(t) et y (t), telles que x(t) X (f ) et y (t) Y (f ), on montre le Thorme de Plancherel : x (t) y (t) X (f )Y (f ), x (t)y (t) X (f ) Y (f ). 5.5. Transformes de Fourier de quelques signaux usuels rect(t/T ) T sinc(f T ) : fonction rectangle, tri(t/T ) T sinc2 (f T ) : fonction triangle, exp(at)(t) unilatrale,
1 a+j 2f

: impulsion exponentielle : impulsion exponentielle

5.8.3. Transformes de signaux priodiques usuels

1 [ (f + f0 ) + (f f0 )] : signal cosi cos(2f0 t) 2 nusodal, j [ (f + f0 ) (f f0 )] : signal sinu sin(2f0 t) 2 sodal,

exp(a|t|) double,
2

2a a2 +(2f )2

exp(t ) exp(f ) : impulsion gaussienne, exp(at) sin(2f0 t)(t) sode amortie, exp(at) cos(2f0 t)(t) nusode amortie.
2f0 (a+j 2f )2 +(2f0 )2

: sinu: cosi-

exp(j 2f0 t) (f f0 ) : phaseur la frquence f0 ,

k

a+j 2f0 (a+j 2f )2 +(2f0 )2

(t k )

(f n/) : peigne de Dirac,

1 (t) 1/ (f ) : peigne de Dirac avec les notations abrges,

Xn exp(j 2nt/) signal x(t) priodique,

+ n=

+ n=

+ n=

Xn (f n/):

Arep {rect(t/} A sinc(n/).

Xn (f n/) avec Xn =

6.1.4. Densit spectrale dnergie xx ( ) Sxx (f ) =

+

Inter-corrlation
xy ( ) = xy ( ) = xy ( ) =
1 1 +/2 / 2

xx ( ) exp(j 2f )d ,

x(t)y (t )dt,

Sxx (f ) = |X (f )|2 : densit spectrale dnergie, xy ( ) Sxy (f ) = xy ( ) exp(j 2f )d : densit inter-spectrale dnergie, Sxy (f ) = X (f )Y (f ) , 6.1.5. Relations de Parseval
+ + +

isant le DSF de x(t) et y (t).

t0 + x(t)y (t )dt, t0 + n= Xn Yn exp(j 2n /), en util-

6.3.2. Densits spectrale et inter-spectrale de puissance Les densits spectrale et inter-spectrale de puissance sont les transformes de Fourier de fonctions priodiques de priodes . On obtient donc des spectres de raies, aux frquences k/, dont lenveloppe spectrale est la transforme de Fourier dune priode de la fonction de corrlation divise par la priode . Densit spectrale
Sxx (f ) = Sxx (f ) =

x(t)y (t)dt = |x(t)|2 dt =

+

X (f )Y (f )df ,

0, xy (0) =

|X (f )|2 df , ou, pour le cas =

Sxx (f )df : nergie du signal.

6.1.6. Drivation de la fonction de corrlation

dxy ( ) d

= x y ( ) = xy ( )

isant le DSF de x(t), avec X (f, ) = F{x(t, )} = F{rect((t)/)x(t)}.

1 2 2 |X (f, )| 1/ (f ),

+ n=

|Xn |2 (f n/), en util-

6.2. Signaux puissance moyenne nie 6.2.1. Fonctions de corrlation xx ( ) = corrlation,

1 limT T 1 T +T / 2 T /2 +T / 2 T /2

Densit inter-spectrale x(t)x (t )dt : autox(t)y (t )dt : inter

Sxy (f ) = Sxy (f ) =

isant le DSF de x(t), avec X (f, ) = F{x(t, )} = F{rect((t)/)x(t)} et Y (f, ) = F{y (t, )} = F{rect((t)/)y (t)}.
1 2 X (f, )Y (f, )1/ (f ),

+ n=

Xn Y n (f n/), en util-

xy ( ) = limT corrlation.

6.2.2. Densits spectrale et interspectrale de puissance Sxx (f ) = F{xx ( )} : densit spectrale de puissance, Sxy (f ) = F{xy ( )} : densit inter-spectrale de puissance,
1 |X (f, T )|2 , avec Sxx (f ) = limT T X (f, T ) = F{x(t, T )} = F{rect(t/T )x(t)}.

6.3.3. Relations de Parseval Px = xx (0) =

+

Sxx (f )df =

+ n=

|Xn |2 .

7. SIGNAUX ALATOIRES 7.1. Variables alatoires 7.1.1. Densits de probabilit

6.2.3. Relation de Parseval Px = xx (0) =

+

Sxx (f ).

On note pX (u) la densit dune variable alatoire (VA) X . Si X et Y sont deux VA indpendantes, la densit de la VA Z = X + Y est : pZ (u) = (pX py )(u), Si Y = f (X ), avec f inversible, pY (u) = pX (f 1 (u))/|f (f 1 (u))| 7.1.2. Moments Moyenne dune VA continue ou discrte 1 = E [X ] = 1 = E [X ] =
+ i

6.3. Signaux priodiques Soient deux signaux x(t) et y (t), priodiques de mme priode . 6.3.1. Fonctions de corrlation Les auto et inter-corrlations sont priodiques de priode , et on peut les calculer par intgration sur une priode . Auto-corrlation
xx ( ) = xx ( ) = xx ( ) =
1 1 +/2 / 2

upX (u)du,

x(t)x (t )dt,

ui Pr(X = ui ).

isant le DSF de x(t).

t0 + x(t)x (t )dt, t0 + 2 n= |Xn | exp(j 2n /), en util-

Moment dordre k dune VA continue ou discrte k = E [X k ] = k = E [X k ] =

+ i

uk pX (u)du,

uk i Pr(X = ui ).

Moment centr dordre k dune VA continue ou discrte

k k = E [(X 1 ) ] = k k = E [(X 1 ) ] = + (u i (u i

7.3. Auto-corrlation On note de faon gnrale Xi = x(ti ) la VA associe au processus alatoire x(t) pour t = ti . 7.3.1. Auto-corrlation statistique Cas gnral RXX (t1 , t2 ) = E [X1 X2 ] = x1 x2 p(x1 , x2 )dx1 dx2 .

1 )k pX (u)du,

1 )k Pr(X = ui ).

Variance : cest le moment centr dordre 2. On la note frquemment 2 plutt que 2.

2 2 = 2 = E [(X 1 ) ] = 2 2 = 2 = E [(X 1 ) ] = + (u

1 )2 pX (u)du,
2

i (u i 1 )

Pr(X = ui ).

Cas dun signal stationnaire, en notant = t1 t2 RXX ( ) = E [X (t)X (t )] = x1 x2 p(x1 , x2 )dx1 dx2 .

Relation entre variance et moments dordre 1 et 2 2 = E [(X 1 )2 ] = E [X 2 ] E [X ]2 = 2 2 1. 7.1.3. Distributions de quelques lois usuelles
k k Pr(k ) = Cn p (1 p)nk : loi Binomiale, de la VA somme de n VA binaires, avec p = Pr(X = x1 ) et 1 p = Pr(X = x0 ),

Les VA sont orthogonales ssi RXX ( ) = 0. 7.3.2. Auto-covariance statistique Cest lauto-corrlation des processus alatoires centrs. On la note CXX ( ). Cas gnral CXX (t1 , t2 ) = E [(X1 E (X1 ))(X2 E (X2 ))] = (x1 E (X1 ))(x2 E (X2 ))p(x1 , x2 )dx1 dx2 = RXX (t1 , t2 ) E (X1 )E (X2 ). Cas dun signal stationnaire, en notant = t1 t2 CXX ( ) = E [(X (t) E (X ))(X (t ) E (X ))] = x1 x2 p(x1 , x2 )dx1 dx2 = RXX ( ) E (X )2 . Les VA sont non corrles ssi CXX ( ) = 0. 7.3.3. Cas de processus ergodiques et stationnaires Dans ce cas, on peut remplacer les moyennes statistiques par des moyennes temporelles, car on a asymptotiquement : RXX ( ) = limT
1 T T /2 T /2

Pr(n) = a > 0, p( u ) =

an n!

exp(a) : loi de Poisson de paramtre

(um)2 2 2 2

1 2

exp

: loi gaussienne de

moyenne m et de variance , note N (m, 2 ). 7.2. Vecteurs alatoires 7.2.1. Densits de probabilit On note pX (u1 , . . . , un ) la densit dun vecteur alatoire (VcA) X de dimension n. Soit Y = f (X), avec f inversible. On note f 1 la transformation inverse, |Jf 1 | son jacobien et (f 1 )i la composante i de la transformation f 1 : pY ( u 1 , . . . , u n ) = pX ((f 1 )1 (u1 ), . . . , (f 1 )n (un ))|Jf 1 |. Dans le cas dune transformation linaire Y = AX o A est une matrice rgulire et u = (u1 , . . . , un )T : pY ( u 1 , . . . , u n ) = pX (A1 u)| det A1 |. Dans le cas de la somme Z = X + Y de deux variables alatoires, la densit pZ (u) vaut : pZ ( u ) = pXY (x, u x)dx,

x(t)x(t )dt = XX ( ).

7.3.4. Coefcient de corrlation Par dnition, cest lauto-covariance normalise, note X ( ) : X ( ) =

CXX ( ) CXX (0)

CXX ( ) . 2 X

7.3.5. Proprits pour les signaux rels Les fonction dauto-corrlation et dauto-covariance ont les proprits intressantes pour des processus alatoires rels. De plus, en = 0, on a les relations nergtiques. elles sont paires, le maximum est atteint en = 0 :

pZ (u) = pX (x)pY (u x)dx = (pX pY )(u), si X et Y sont des VA indpendantes. 7.2.2. Thorme de la limite centrale Thorme 7.2.1 La distribution statistique dune somme de n variables alatoires indpendantes, possdant la mme loi tend asymptotiquement vers une distribution gaussienne quelle que soit la distribution des termes individuels.

|CXX ( )| CXX (0) |RXX ( )| RXX (0)

2 CXX (0) = X , 2 RXX (0) = X + 2 X.

7.4. Densit spectrale de puissance (DSP) Pour un processus alatoire x(t), on ne peut pas calculer directement la transforme de Fourier, puisque x(t) ne peut pas tre dcrit. Par consquent, on ne peut pas calculer directement sa DSP. On peut en revanche calculer sa fonction dautocorrlation par une moyenne statistique ou temporelle, et en dduire sa DSP en appliquant le thorme ci-dessous. 7.4.1. Thorme de Wiener-Kintchine Le thorme de Wiener-Kintchine tablit le lien entre la fonction dauto-corrlation et la DSP pour des signaux alatoires. Thorme 7.4.1 La DSP dun processus alatoire stationnaire au sens large est le transforme de Fourier de sa fonction dauto-corrlation : SXX (f ) = 7.4.2. Consquence Si on connat la DSP SXX (f ) dun processus alatoire x(t), on peut dduire la fonction dauto-corrlation par transforme de Fourier inverse : RXX ( ) =
+ +

RXY ( ) = E [X (t)Y (t )] (cas stationnaire). et dinter-covariance : CXY (t1 , t2 ) = E [(X (t1 ) X )(Y (t2 ) Y )] = RXY (t1 , t2 ) E [X (t1 ))E (Y (t2 )] (cas gnral), CXY ( ) = E [(X (t) X )(Y (t ) Y )] = RXY ( ) X Y (cas stationnaire). 7.5.2. Coefcient dinter-corrlation Le coefcient dinter-corrlation est dni par : XY ( ) =
CXY ( ) X Y .

7.5.3. Densit inter-spectrale La densit inter-spectrale de puissance est la transforme de Fourier de la fonction dinter-corrlation : SXY (f ) = F{RXY ( )}. 7.5.4. Cohrence XY (f ) =
|SXY (f )|2 SXX (f )SY Y (f ) .

RXX ( ) exp(j 2f )d.

SXX (f ) exp(j 2f )df.

On peut aussi lexprimer en fonction de lauto-covariance, car RXX ( ) = CXX ( ) + 2 X : SXX (f ) = F{CXX ( )} + 2 X (f ). En = 0, on a : RXX (0) = PX =
+

La cohrence est proche de 1 si les signaux x(t) et y (t) sont lis par une relation linaire (ltre). Dans le cas dune relation non linaire ou en prsence dun bruit additif, la cohrence devient trs infrieure 1. 8. FILTRES LINAIRES INVARIANTS On considre un ltre de rponse impulsionnelle g (t) et en frquence G(f ), dont les signaux dentre et de sortie sont x(t) et y (t), respectivement. Y (f ) = G(f )X (f ) = X (f )G(f ), y (t) = (g x)(t) = (x g )(t). Pour une cascade de ltres, on a g (t) = (g1 g2 . . . gn )(t) ou, en frquence, G(f ) = G1 (f )G2 (f ) . . . Gn (f ). 8.1. Formule des interfrences On considre deux ltres de rponses impulsionnelles g1 (t) et g2 (t) et de rponses en frquence (TF) G1 (f ) et G2 (f ), dont les signaux dentre sont x1 (t) et x2 (t), et de sortie y1 (t) et y 2 (t). SY1 Y2 (f ) = SX1 X2 (f )G1 (f )G 2 (f ). 8.2. Relation entre-sortie des DSP

SXX (f )df .

Si le processus est aussi ergodique, on a RXX (0) = limT =

+ 1 T T /2 T /2

|x(t)|2 dt

SXX (f )df .

7.4.3. Bruit blanc Dnition 7.4.2 On appelle bruit blanc un processus alatoire b(t) dont la densit spectrale de puissance est constante, f : SBB (f ) = /2. Par transforme de Fourier inverse, on dduit la fonction dautocorrlation dun bruit blanc b(t) : RBB ( ) = F 1 {SXX (f )} = ( )/2. 7.5. Inter-corrlation et densit inter-spectrale 7.5.1. Inter-corrlation et inter-covariance On dnit les fonctions dinter-corrlation : RXY (t1 , t2 ) = E [X (t1 )Y (t2 )] (cas gnral)

En consquence de la formule des interfrences, on a pour les DSP : SY Y (f ) = |G(f )|2 SXX (f ), SY X (f ) = G(f )SXX (f ).

8.3. Relation entre-sortie entre corrlations En consquence des formules entre DSP, par transforme de Fourier inverse, on a pour les auto-corrlations : RY Y ( ) = gg ( ) RXX ( ) pour des signaux alatoires, et Y Y ( ) = gg ( ) XX ( ) si les signaux sont ergodiques, ou certains puissance moyenne nie ou nergie nie (attention aux dnitions de ). et pour les inter-corrlations : RY X ( ) = g ( ) RXX ( ), pour des signaux alatoires, et Y X ( ) = g ( )XX ( ) si les signaux sont ergodiques, ou certains puissance moyenne nie ou nergie nie (attention aux dnitions de ). 8.4. Statistiques en sortie dun oprateur de ltrage On considre y (t) = (g x)(t). Les statistiques de y (t) suppos stationnaire et ergodique sont : Y = X G(0) (moyenne), PY = RY Y (0) = RXX ( )gg ( )d = SXX (f )|G(f )|2 df (moment dordre 2),
2 Y

9.2. Oprateur de moyenne temporelle g (t) = rect((t T /2)/T ), G(f ) = sinc(T f ) exp(jf T ), y = G(0)X = X (moyenne), gg ( ) = tri( /T )/T (auto-corrlation). 9.3. Oprateur de ltrage passe-bas idal Le ltre causal de largeur de bande B ntant pas ralisable, on dcale g (t) de t0 . G(f ) = rect[f /(2B )] exp(j 2f t0 ), avec |G(f )| = rect[f /(2B )] et (G(f )) = 2f t0 , g (t) = 2B sinc[2B (t t0 )], gg ( ) = 2B sinc[2B ] (auto-corrlation). 9.4. Oprateur de ltrage passe-bande idal Le ltre causal de largeur de bande B , centr sur les frquences f0 ntant pas ralisable, on dcale g (t) de t0 . G(f ) = rect[f /B ] exp(j 2f t0 ) [ (f f0 ) + (f + f0 )], avec |G(f )| = rect[f /(2B )] et (G(f )) = 2f t0 , g (t) = 2B sinc[2B (t t0 )] cos(2f0 t), gg ( ) = 2B sinc[B ] cos(2f0 ) (auto-corrlation). 10. FILTRE ADAPT Problme : concevoir un ltre h(t) qui dtecte un signal x(t) connu dans une observation bruite, x(t) + n(t), o n(t) est un bruit de DSP SN N (f ), avec le meilleur rapport signal/bruit au temps t0 . On note y (t) = (x + n) h(t) la sortie du ltre h(t). Le ltre optimal est le ltre adapt (au signal x(t)) : H (f ) = k avec le rapport S/B : S B
2

= CY Y (0) = PY CXX ( )gg ( )d (variance)

2 X

SY X (f ) = G(f )SXX (f ) (auto-corrlation). 8.4.1. Filtre passe-bas sans perte G(0) = 1 et la moyenne en sortie : Y = X . 8.4.2. Filtre passe-haut G(0) = 0 et la moyenne en sortie Y = 0. 8.4.3. Signal dentre blanc, centr et de DSP /2 moyenne en sortie : Y = 0, auto-corrlation de lentre : XX ( ) = ( )/2, auto-corrlation en sortie : RY Y ( ) = gg ( )/2, 2 variance : Y = gg (0)/2. 9. AUTRES OPRATEURS 9.1. Oprateur de retard t0 g (t) = (t t0 ), G(f ) = exp(j 2f t0 ), soit |G(f )| = 1 et (G(f )) = 2f t0 (phase linaire), gg ( ) = ( ) (auto-corrlation).

X (f ) exp(j 2f t0 ), SN N (f )

(1)

|X ( f ) |2 df. SN N (f )

(2)

Dans le cas o le bruit n(t) est un bruit blanc de DSP gale N0 : H (f ) = k X (f ) exp(j 2f t0 ), (3) ou, dans le domaine temporel : h(t) = k x (t0 t), avec le rapport S/B : S B
2

(4)

1 N0

|X (f )|2 df.

(5)

Pour un signal x(t) rel, on a simplement h(t) = k x(t0 t).