Traitement du Signal Numérique pour Systèmes Embarqués. Andrei Doncescu
|
|
- Claude Bernard
- il y a 7 ans
- Total affichages :
Transcription
1 + Traitement du Signal Numérique pour Systèmes Embarqués Andrei Doncescu
2 + CLASSEMENT DES SIGNAUX : Signal Analogique n C'est un signal dont l'amplitude peut prendre toutes les valeurs entre un minimum et un maximum (disons: 10 volts à + 10volts, par exemple). n Ce signal est continu avec le temps: on peut le dessiner d'un trait de crayon se déplaçant verticalement (axe des y) sur une feuille de papier avançant régulièrement horizontalement (axe des x).
3 + CLASSEMENT DES SIGNAUX 3 Signaux Analogiques n Les signaux périodiques x(t) = x(t+kt) n Le signal sinusoidal est le plus représentatif de ces signaux périodiques: n x(t) = A sin(2π t/t + a) = A Sin(ω t+a) ou ω = 2π /T = 2π f n Les signaux à énergie finie Les signaux à énergie finie sont ceux pour lesquels l'intégrale suivante est bornée : x(t) 2 dt < n Ces signaux sont nommés de carré intégrable (sommable), leur puissance moyenne est nulle. n Les signaux à puissance moyenne finie non-nulle
4 + La fonction sinus/cosinus 4 n sin(t) est périodique de période 2π n sin(2πt) est périodique de période 1
5 + n Signaux de durée finie 5 n Signaux de durée limitée ou "support borné" : x(t) = 0 t T n Signaux pairs et impairs Un signal est pair si x(t) = x( t) exemple : cos(ω t) Un signal est impair si x(t) = x( t) exemple : sin(ω t) Remarque Tout signal réel peut être décomposé : une partie "paire" une partie "impaire". et x(t) = xp(t) + xi(t) n Signaux causals : n Un signal est dit causal s'il est nul pour toute valeur négative du temps x(t) = 0 t< 0. On peut le rendre causal si * u(t)
6 + Signaux numériques 6 n Un signal numérique est un signal discret dont l amplitude a été quantifiée signaux à temps discret x(t)=a sin(ωt+φ) X(k)=A sin[2π/n (k+k 0 )
7 + Classement des signaux 7 n Déterministes : fonctions mathématiques réelles ou complexes n Stationnaires : probabilités n Non-stationnaires : transformée en ondelettes, transformations fractales
8 + Quelques signaux déterministes 8 n Fonction de Heaviside u(t) n La fonction signe 2u(t)-1 n La fonction porte rect(t)=u(t+t/2)-u(t-t/2)
9 Représenter : n x(t) = u(t+1)- u(t-2) u(t+1)- u(t-2) t=0 t
10 Décalage Temporel : Time Shifting n Calculer x(t) + x(2-t), where x(t) = u(t+1)- u(t-2) n x(t) est : t=0 u(t+1)- u(t-2) n x(2-t): à 1) y(t)=x[-(t-2)]; Addition temporel: x(t) + x(2-t)
11 Opérations sur l Amplitude y(t)=ax(t)+b Inverse B>0 à translation verticale + B<0 à translation verticale - Echelle A >1à Gain A <1à Attenuation A>0à Pas inverse A<0à Inverse Echelle
12 + Signaux périodiques 12 f o =1/T est la fondamentale
13 Synthèse d un signal triangulaire à partir de sa série Fourier 13
14 Effet Gibbs 14
15 15
16 + Convolution 16 n Définition: On appelle fonction de convolution du signal s 1 (t) et s 2 (t) l intégrale s + ( t) = s1( τ) s2 ( t τ ) dτ Théorème de convolution La TF du produit de convolution est le produit algébrique Des TF des signaux du produit S ( ω) =S1( ω) S2( ω)
17 + Propriétés du produit de 17 convolution n Commutativité n Associativité n Distributivité n Différentiabilité d dt df dh ( f h)( t) = h( t) = f ( t) dt dt n Convolution avec un Dirac
18 + Algorithme de Convolution 18 n Le signal y(l) est inversé pour obtenir y(-l) n Le signal y(-l) est décalé d une certaine quantité k n Le produit x(l)y(k-l) est effectué échantillon par échantillon pour tous les k n Les valeurs ainsi obtenues sont additionnées
19 + 19 convolution en temps - exemple d application de la méthode graphique de calcul de la convolution de 2 signaux x(t) et y(t) : x(t) = 2 e at e at u(t) y( t) = u( t)
20 + 20 convolution en temps - exemple d application de la méthode graphique de calcul de la convolution de 2 signaux x(t) et y(t) : e at 2 e at x( t) = u( t) y( t) = u( t) - Principe de la méthode - On garde le premier signal x(t ) - On retourne le second signal y(t ) pour obtenir y[-t ]
21 + 21 convolution en temps - exemple d application de la méthode graphique de calcul de la convolution de 2 signaux x(t) et y(t) : e at 2 e at x( t) = u( t) y( t) = u( t) t - Principe de la méthode - On garde le premier signal x(t ) - On retourne le second signal y(t ) pour obtenir y[-t ] t
22 + 22 convolution en temps - méthode graphique de calcul de la convolution de 2 signaux x(t) et y(t) : - Principe de la méthode, suite - On fait le produit x(t ).y(t-t ) là où les 2 signaux sont définis - On calcule l aire commune des 2 signaux t at' 2a( t t') 1 at 1 t< 0, x( t)* y( t) = 0 t> 0, x( t)* y( t) = 0 e e dt' = a e a e 2at t - On recommence pour t variant sur R et on obtient la convolution x(t)*y(t)
23 + 23 convolution en temps - méthode graphique de calcul de la convolution de 2 signaux x(t) et y(t) : e at 2 e at x( t) = u( t) y( t) = u( t) - Principe de la méthode - On garde le premier signal x(t ) - On retourne le second signal y(t ) pour obtenir y[-t ] - On décale y[-t ] de t pour obtenir y[-(t -t)] - On fait le produit x(t ).y(t-t ) là où les 2 signaux sont définis - On calcule l aire commune des 2 signaux - On recommence pour t variant sur R et on obtient la convolution x(t)*y(t)
24 + La distribution de Dirac δ(t) 24 n Le pic de Dirac sera défini comme ayant un poids ou une masse de 1 en x=0 δ ( t) dt = 1 R δ correspond à la «dérivée» de la fonction de Heaviside (au sens des distributions). fonction de Dirac n'est pas une fonction, elle étend la notion de fonction.
25 Impulsion Unitaire δ(t) n Impossible de réaliser similair au j=sqrt(-1) n Connu sur le nom de Dirac delta n C est une fonction generalisée n Delta Dirac est une distribution égale à zéro partout sauf en zéro où le Dirac est considéré infini. lim 1 2 x e a π a 2 a 0
26 + Distributions Fonctions 26 n Impulsion infinie pendant un intervalle de temps infiniment court δ(t) δ(t)dt =1 t n Remarque : Nous définissons l'impulsion de Dirac δ(t) au sens des distributions. Elle a pour valeur en t=0, la valeur égale à 1 de l'intégrale de moins l'infini à plus l'infini d'une impulsion idéale de largeur nulle centrée en t=0. δ(t) 0 = φ(0) δ(t-to) t 0
27 + La distribution de Dirac δ(t) 27 n Un Dirac a un support réduit à t=0 et associe à une fonction continue φ sa valeur en t=0 + δ ( t) ϕ( t) dt = ϕ(0) Propriétés: + + δ ( t u) ϕ( t) dt = δ( u t) ϕ( t) dt = ϕ(0) + δ ' ( t) ϕ( t) dt = + δ( t) ϕ ' ( t) dt = ϕ ' (0)
28 + Propriétés de δ(t) 28 n Localisation [ Aδ ( x n Élément neutre a)][ Bδ ( x b)] = 0 si a b ABδ ( x a) si a = b f (x) δ(x) = f (x) f ( x) δ ( x a) = f ( x a)
29 + Application 29 Définition : La réponse impulsionnelle d'un circuit est la réponse à une impulsion de Dirac. Conclusion : 1- Un système linéaire est entièrement décrit par sa réponse impulsionnelle h(t). 2- La réponse du système à une excitation est égale au produit de convolution entre l'excitation et la réponse impulsionnelle.
30 + Corrélation des signaux 30 n Définition Cx, y( τ) x1 ( t+ τ) x2( t) = dt ϕ x, y l= ( k ) = x( l) y( l+ k) n Propriétés n Fonction paire n C x,y =0 les signaux sont décorrélés
31 + Algorithme 31 n Le signal y(l) est décalé d une certaine quantité k n Le produit x(l)y(l+k) est effectué échantillon par échantillon pour tous les k n Les valeurs ainsi obtenus sont additionnées
32 + Autocorrélation 32 n Définition C x,x (ττ) = - x(t)x(t+ τ)dt l= C x, x( k) = ϕx, x( k) = x( l) x( l+ k) n Propriétés n C x,x (0)= l énergie du signal
33 +Transformées : Fourier/Laplace, Z 33 Dans l étude des systèmes continus, la fréquence réelle ω ou la fréquence complexe p sont utilisées dans la fonction de transfert T(p) ou H(p) et la fonction de transfert sinusoïdale H(ω).!! Il est avantageux de décrire les systèmes continus dans l espace des fréquences ce qui permet de tirer un certain nombre de conclusions concernant leurs propriétés.!! La transformée en z, basée sur l utilisation d une fréquence complexe z, va procurer des avantages similaires pour les systèmes DLI.! La transformation en z transforme l espace du temps discret en un espace de fréquences z.!
34 + Outils mathématiques Transformée de Fourier Étude des signaux déterministes continus Représentation fréquentielle 34
35 TRANSFORMATION DE FOURIER 35 Définition La transformation de Fourier permet de décrire dans l'espace des fréquences un signal dont on connaît l'histoire au cours du temps, et réciproquement. F( ω ) = f( t) e jωt dt f( t) = F ω e π ( ) 2 1 j ω t d DUALITE TEMPS-FREQUENCES y = f (t) <=> Y =F(f) F(f) est appelée la transformée de Fourier de f(t) et sa représentation, le spectre en fréquences. ω On appelle densité spectrale d énergie F( ω) 2π 2 Remarque : On utilise les lettres minuscules pour décrire l'histoire du signal au cours du temps et les lettres majuscules pour le décrire dans le domaine des fréquences ou domaine spectral.
36 + Propriétés 36 n Réciprocité f(t) F(f) F(f) f(t) f(t) F(f) n Linéarité α f( t) + β g( t) α F( f ) + β G( f ) n Dérivation d f( t) d t j2πf F(f) n Intégration f( t) dt ( 2 1 F f j π f ) n Décalage temporel f( t τ ) j2 e πft F( f )
37 + 37 n Décalage fréquentiel F( f e j 2 πft f0 ) F( f ) n Conjugaison f(t) F(f ) f(-t) F * (f ) f( t) F( ω) F(t) 2πf(-ω) n Symétrie
38 + Propriétés 38 La transformation de Fourier est une opération biunivoque. Conséquence: il y a la même information dans f (t) que dans F(f) Définition La bande passante B d'un signal est le domaine de fréquence où se trouve l'énergie utile transportée par le signal. Exemples : Signaux Bande passante Téléphonique 300Hz < f < 3300Hz Audio haute fidélité 20 Hz < f < 20 khz Télévision 0Hz < f < 5 MHz
39 + Fourier 39 La transformée de Fourier inverse ( fˆ, f L 1 ): f ( t) 1 j = ω ω t fˆ( ) e dω 2π Parseval: * 1 f t h t dt = f ω hˆ * ( ) ( ) ˆ( ) ( ω) dω 2π Plancherel: f ( t) 2 dt 1 2 = fˆ( ω) dω 2π Et, lim ω ± fˆ(ω) = 0
40 + La Variation Totale 40 n Si f est dérivable, la variation totale est : f v = '( t) dt f n Exemple: f(t)=exp(-t 2 ) f v =2 n Relation avec la Transformée de Fourier fˆ( ω) f v ω
41 + La Phase de la TF 41 n Dans une TF, l information sur le temps est cachée dans les phases. n Il est impossible de déterminer les phases avec assez de précision pour extraire les informations sur le temps.
42 + La transformée de Fourier 42 Exemple: Soit la fonction indicateur f = 1[ T, T ] f ˆ ( ω) T = e T dt = 2sin( ωt ω jω t )
43 + 43 Analyse de la Transformée de Fourier des signaux d énergie finie Exemple de calcul de Transformée de Fourier s( t) = π θ 2 ( t) - Le spectre du signal - si θ est faible, le signal est bien localisé en temps mais 1/θ est grand et le spectre est mal localisé en fréquence» - si θ est grand, le spectre est bien localisé en fréquence mais mal localisé en temps
44 + 44 Exemple de calcul de Transformée de Fourier - calculer le spectre du signal Module du spectre Phase du spectre ) ( ) ( 0 t u t s e S at = f j a S f S 2 0 π ) ( + = f a S f S ) ( π + = ) 2 ( )) ( ( a f arctg f S π ϕ =
45 + 45 Exemple de calcul de Transformée de Fourier - tracer le spectre du signal ) ( ) ( 0 t u t s e S at = f a S f S ) ( π + = ) 2 ( )) ( ( a f arctg f S π ϕ = Transformée de Fourier des signaux d énergie finie
46 + Utilisation de la distribution de Dirac pour le calcul des Transformées Fourier 46 n A partir de la TF d une constante nous pouvons déduire : TF δ ( t) = 1 TF TF TF TF ( ) ( 2πδ( t) ) ( A) = 2πA 1 { } = 2πδ( ω ω ) jω0 e t = 1 δ ( ω) Donc la transformée Fourier de cos et de sin est : TF { cos ω t} = π [ δ ( ω ω ) + δ ( ω + ω )] 0 { sin ω t} = π [ δ ( ω ω ) δ ( ω + ω )] 0 j
47 + Échelle fréquence 47 X ( e jω ) Fréquence physique X ( jω) Fréquence normalisée π 2π ω 0 π T 2π T Ω
48 + L Intégrale de Fourier 48 F(ω ) = f(ω ˆ ) = f(t) exp( jωt ) dt ( f L 1 ): Mesure la quantité d oscillations à la fréquence ω qui est présente en f. Si f L 1 cette intégrale converge f ˆ( ω) f ( t) dt < Donc, la Transformée de Fourier est bornée et continue.
49 + Valeurs et Vecteurs Propres 49 T : V V n Soit un opérateur linéaire sur un espace vectoriel V sur un corps K. Un scalaire est appelé valeur propre de T s il existe un vecteur non nul pour lequel : T( v)= λv λ K v V n Remarque kv est aussi un vecteur propre n Exemple : l opérateur différentiel sur l espace vectoriel V. D(e 5t )=5e 5t
50 + Interprétation de la Transformée de Fourier 50 Fonction de Transfert: Les exponentielles complexes des opérateurs de convolution: j t e ω sont les vecteurs propres Les valeurs propres Le jωt = h( u) e jω ( t u) du = hˆ(ω) e jωt sont la Transformée de Fourier de h à la fréquence f. jωu hˆ( ω ) = h( u) e du Donc nous voudrions décomposer une fonction dans une somme de vecteurs propres ω
51 + Notion de système 51 n Un système fait subir une transformation à un signal d entrée x(t) et délivre un signal de sortie y(t). Filtre n n On appelle filtre, d entrée x(t) et sortie y(t), un système défini par: Réponse impulsionnelle h(t) y ( t) = x( u) h( t u) du = x( t u) h( u) du R R y( t) = x( t) h( t) n n Réponse indicielle u(t) Réponse en fréquence y(t) = u(t) h(t) Y ( f ) = X( f )H( f )
52 + Filtrage linéaire invariant en temps 52 L invariance à la translation dans le domaine temps d un opérateur L Signifie que si l entrée f (t) est retardée de τ τ, f τ (t) = f (t τ ) la sortie a aussi un retard g( t) = Lf ( t) g( t τ ) = Lf ( t) τ Réponse impulsionelle Si h( t) = Lδ ( t) nous avons : f ( t) = f ( u) δ u ( t) du Lf ( f h) ( ) ( t) = f ( u) h( t u) du = h( u) f ( t u) du = t
53 + Corrélation des signaux 53 n Définition ϕ x, y l= ( k ) = x( l) y( l+ k) n Algorithme n Le signal y(l) est décalé d une certaine quantité k n Le produit x(l)y(l+k) est effectué échantillon par échantillon pour tous les k n Les valeurs ainsi obtenus sont additionnées
54 + Propriétés 54 Φxy( f ) = e 2π jfk ϕxy ( k) = X*( f ) Y( f ) Théorème de Parseval 2 ϕ (0) = ( l) = ( f ) df k =0 x x 1/2 Φ 1/2 x La fonction d autocorrélation est une fonction paire
55 + La Densité Spectrale 55 n est obtenue par la Transformée de Fourier de la fonction d autocorrélation (théorème de Wiener-Khintcine): { } = C( p)exp( 2πjfpTe ) S( f ) = TF C(p) p Z n La loi de probabilité gaussienne est importante dans la mesure où elle garde son caratère gaussien dans toute opération linéaire : convolution, filtrage, dérivation, intégration. En d autres termes, si l entrée d un système linéaire est gaussienne, sa sortie est gaussienne.
56 + Conclusions 56 n La série de Fourier d une fonction périodique ne comporte que les sinusoïdes de fréquence égales à des multiples entiers de la fréquence fondamentale n La TF de la fonction de corrélation du signal représente la densité spectrale de l énergie = la redistribution de lénergie sur les axes de fréquences
57 + Défauts de la TF 57 n La transformée de Fourier est une représentation globale du signal. Elle ne permet pas d'analyser son comportement fréquentiel local, ni sa régularité locale. La condition de convergence sur la transformée de Fourier n'indique que le pire ordre de singularité. Elle ignore les régularités locales.
58 + Relation d incertitude de 58 Heisenberg n Le principe: Le produit de la variance de x pour f 2 et de la variance de x pour F 2 est supérieur ou égal à 1 16π 2 n La largeur du paquet d'énergie d'un signal dans le temps est inversement proportionnelle à sa largeur dans l'espace des fréquences. On ne peut pas connaître avec une égale précision la position dans le temps et en fréquences d'un signal.
59 + Défauts. 59 n Le défaut de cette transformée est d avoir une fenêtre indépendante de la fréquence que l on calcule.
60 + Transformée de Lapalace Andrei Doncescu
61 + Transformée de Laplace 61 Définition Si f(t) désigne une fonction à valeurs réelles ou complexes de la variable réelle t, définie sur le domaine et nulle pour ; on appelle Transformée de Laplace de f(t) la fonction où p est complexe - l existence de F(p) suppose la convergence de l intégrale - on dit que F(p) est " l image " de f(t)
62 Transformée de Laplace 62 n Exemples U(t) 1 0 t Echelon unité U(t)e -αt, a> t xponentielle décroissante Echelon unité U(t) Exponentielle décroissante U(t)e -at,a > 0 Exponentielle complexe Signal TL 1 p 1 p+a i t 1 U(t)e ω, ω> 0 p-iω Note: la TL n est pas définie pour tout p: la partie réelle de p doit être plus grande qu une valeur, l abscisse de convergence.
63 Transformée de Laplace 63 n Propriété de linéarité Théorème Si V (t) a pour TL : v (p) 1 1 et V (t) a pour TL : v (p) 2 2 alors, α et β αv (t) + β V (t) a pour TL : 1 2 αv (p) + βv (p). 1 2 Exercices. Calculer les TF de U(t)cos( ωt) et U(t)sin( ωt) Signal TL Exponentielle i t 1 complexe U(t)e ω, ω> 0 p-iω ( ω ) Cosinus U(t)cos t ( ω ) Sinus U(t)sin t p p 2 + ω 2 ω p 2 + ω 2 A. D. 19/11/2013
64 Transformée de Laplace 64 n Propriété de linéarité Signal temporel TL Exponentielle ( ) α+iω t 1 complexe U(t)e, ω> 0 p+ α iω Cosinus U(t)e αt cos ωt, α > 0 Sinus U(t)e αt sin ( ) ( ωt ) ( p+ α ) ( p+ α ) p +α 2 + ω 2 ω 2 + ω 2
65 Transformée de Laplace 65 n Propriétés 1 t 0 T Impulsion R(t) t 0 Rampe 1. Théorème du retard Si V(t) a pour TL : v(p), alors V(t - T) a pour TL : e -pt v(p), T > 0. Exercice. Montrer que la TL de l'impulsion 1-e -pt ( cf. Fig.) est :. p 2. Théorème de dérivation Si V(t) a pour TL : v(p), dv(t) alors a pour TL : p.v(p). dt Exercice. Vérifier que la TL de la 1 rampe R(t) ( cf. Fig.) est :. p 2
66 Transformée de Laplace 66 n Propriétés 3. Théorème inverse de translation Si V(t) a pour TL : v(p), alors e -at V(t) a pour TL : v(p + a), a > 0. Exercice. Retrouver les expressions des TL du tableau page précédente. 4. Théorème inverse de dérivation dv(p) Si V(t) a pour TL : v(p), alors - t.v(t) a pour TL :. dp Exercice. Calculer la TL du signal : t.u(t).e -at. 5. Théorème d'affinité - homothétie ou changement d'échelle de temps 1 p Si V(t) a pour TL : v(p), alors V(kt) a pour TL : v( ), k > 0. k k Exercice. Calculer la TL du signal : U(t)sin(3t)
67 Transformée de Laplace 67 n Convolution U(t) 1 U(t-τ) 0 τ U(t) 1 U(τ-t) 0 τ Théorème Si 0 X(t) a pour TL : x(p) et Y(t) a pour TL : y(p), alors le produit de convolution X(t)Y( τ t)dt a pour TL: x(p).y(p) ou, symboliquement : a pour TL Exercice. Montrer de deux manières différentes que U(t) U(t) = R(t)
68 Transformée de Laplace 68 n Opérateurs Opérateurs dans l'espace temps TL * (convolution entre signaux) (multiplication de leurs TL) d dt (dérivation d'un signal) p (multiplication de sa TL par p) T - périodisation 1 x 1-e -pt
69 Transformée de Laplace 69 n Systèmes linéaires stationnaires E(t) e(p) H(t) h(p) Théorème Si E(t), qui a pour TL : e(p) est le signal d'entée H(t), la réponse percussionnelle du SLS et sa TL : S(τ) h(p), la fonction de transfert du SLS alors le signal temporel de sortie est donné par s(p) le produit de convolution et sa TL par un produit : S( τ) = E(t)H( τ t)dt a pour TL s(p)=e(p).h(p) 0
70 Transformée de Laplace 70 n Systèmes linéaires stationnaires E(t) e(p) H(t) h(p) S(τ)=(E(t)*H(t)) τ = s(p)=e(p).h(p) 0 E(t)H( τ t)dt
71 Transformée de Laplace 71 n Déconvolution 1. Décomposition en éléments simples de première espèce 1 A B C = (p - a) (p - b) (p - a) (p - a) (p - b) Pour calculer A (resp. C), on multiplie l équation par (p-a) 2 (resp. p - b) et on fait p = a (resp. p = b). On trouve : A = p=a C = p b = = a b (p a) (b a) 2 p=b 2 Pour calculer B, on multiplie l équation par (p-a) et on fait tendre p vers l infini. On trouve: B = - C. Les originaux des éléments simples peuvent alors être trouvés directement à partir des tables de TL usuelles.
72 Transformée de Laplace 72 n Déconvolution 2. Décomposition en éléments simples de deuxième espèce C est le cas où le dénominateur est un trinôme du second degré qui n a pas de racines réelles. On décomposition en éléments simples de 2ème espèce : b 4ac b 2 2 ap +bp+c = a p+ + = a 2 ( P + A ), 2a 4a b 4ac b avec P = p + et A = 2a 2a = = 2 a ap +bp+c P +A aa P / A + 1 2
73 Transformée de Laplace 73 n Calcul opérationnel δ(t) Exercice. 1 0 t Distribution de Dirac δ(t) H(t)=? h(p)=? On définit la distribution de Dirac δ(t) de la manière suivante: 0 δ(t) a pour TL: 1. d Y dy 2 Résoudre l'équation différentielle: + 2αω ω Y = δ(t) dt 0 dt ( α et ω sont réels et positifs et ne dépendent pas du temps). Discuter brièvement la nature de la solution en fonction de α. Note La méthode présentée dans cet exercice permet de retrouver la réponse percussionnelle d'un système linéaire stationnaire lorsque l'on connait l'équation différentielle à laquelle il obéit. 2
74 Transformée de Laplace 74 n Réponses Exercice: identification d un système linéaire stationnaire Réponse: H(t) est la dérivée de S(t) Exercices. Eléments de réponse: = ; = 3 2 p(p 2)(p 1) 3 p + 3p + 2p + + p 1 2 p 1 p + p + 1 et 1 1 = p + p p 1 (p 1)(p + 1) ( ) ( )
75 + Du signal analogique au signal numérique 75
76 + La Genèse du Signal Numérique 76 n De l information cachée dans la représentation choisie n Échantillonnage n Compression n Décomposition dans un espace orthogonal Les avances en moyen informatique (puissance de calcul) ont rendu possible le expression et traitement de signaux en forme numérique. Mais pour numériser, il faut d'abord échantillonner. Nous allons voir que la passage analogique numérique implique nécessairement une perte d'information. Cette perte peut être minimiser par l'application des outils adaptés.
77 + Échelle temps 77 Séquence Temps physique x(n) x(t) n T 0 T 2T 3T 4T 5T 6T 7T t
78 + Échantillonnage 78 n Signal Analogique n Signal discret en temps n Signal numérique
79 + Modèlisation mathématique de l échantillonnage 79
80 + Échantillonnage 80 n L échantillonnage idéal prélève des échantillons à la cadence T e de façon instantanée. n Z ˆx e = x a (nt s )δ(t nt s )
81 + Spectre d un signal Echantillonné ˆx e = x a (nt s )δ(t nt s ) Xˆ ( ω ) = F x( t) δ ( t) n Z { } T s X e ( f ) = TF[x a (t)] * TF[ δ(t nt s )] n Z X e ( f ) = fex a ( f ) * TF[ δ(t nt s )] = fe Xa(f nf s ) n Z n Z
82 + Spectre du signal échantillonné 82 c(t) = δ(t nt ) ĉ(ω) = e jntω ˆδ(ω) = δ(t)e jωt dt =1 ĉ(ω) = 2π T δ(ω 2πk T ) k En utilisant la formule de Poisson ˆ 1 2π 1 2π X( ω ) = X( ω) δ ω k = X ω k Ts k= Ts Ts k= Ts L effet de la convolution avec une distribution de Dirac est la répétition périodique de la fonction respective.
83 Signaux de durée finie et signaux périodiques x(t) Transformée de Fourier X(f) 0 T t f Transformée Echantillonnage x T (t) inverse de Fourier X e (f) en fréquence 0 T 2T f T T
84 Signaux échantillonnés de durée finie [ ] x ( t) = x k δ ( t kt) e N 1 0 x e (t) Transformée de Fourier X(f) 0 NT t 0 1 f Périodisation T Transformée Echantillonnage x Te (t) de Fourier X e (f) en fréquence 0 NT 2NT f N T T
85 ˆ 1 2π X( ω ) = X ω k Ts k= Ts
86 + Théorème de Shannon 86 n Pour éviter une superposition des spectres élémentaires il est nécessaire d imposer le théorème de Shannon Fe 2f max Un signal de spectre borné ne peut pas être que de durée infinie. Il est donc erroné de considérer des signaux à la fois de durée et de spectre finis.
87 87 Signal Analogique Signal échantillonnage
88 + A la limite du théorème de 88 l'échantillonnage On peut, intuitivement, remarquer sur l'illustration précédente, que relier les échantillons à l'aide d'une ligne courbe, aussi bien choisie soit-elle, n'a que peu de chances de re p ro d u i re l e s i g n al original, bien que le t h é o r è m e d e l'échantillonnage soit, formellement, respecté.
89 + 89 Sous-échantillonnage Si l'on tente de relier les échantillons par une courbe, on ne va pas être en mesure de reconstituer le signal original, mais un autre, p e u s e m b l a b l e a u précédent. Ceci est la conséquence de la violation du théorème de l'échantillonnage.
90 + Spectre dans le cas sinusoïdal 90 Le spectre d'un signal échantillonné se compose d ' u n e s é r i e d e ra i e s réparties de part et d'autre des multiples de la f r é q u e n c e d'échantillonnage. Les raies intéressantes pour la démodulation sont celles qui se situent aux alentours de 0, puisque ce sont celles qui cor respondent au signal original.
91 Reconstruction du Signal : Ts, ω ω Hr ( ω ) = Ts p ω c ( ω ) = 0, ω>ω c c ω M ω ω ω c s M r La réponse est : r ( ) = ˆ( ) ( ) x t x t h t Le spectre est : ( ω ) = ˆ ( ω) ( ω) X X H r 1 = X ω kωs Tspω ω = X ω T c s k= r ( ) ( ) ( ) x r (t) = x(t)
92 Théorème d Echantillonnage :WKS (Whittaker, Kotelnikov, Shannon) Si le signal d énergie finie x(t) a sa bande de fréquence limité à ω M, ( X(ω)=0 for ω > ω M ), il complètement représenté par ses échantillons { x( nt s ) n Z} si la fréquence d échantillonnage est deux fois la fréquence maximum du signal ω 2ω Et le signal original peut être reconstruit à partir de ses échantillons : Si la fréquence de coupure du filtre passe-bas est : s c sin ω xr ( t) = x( kt ) ω ω M 2ω c s k= s c ( t kts ) ( t kt ) s ω M ω ω ω c s M
93 Reconstruction Le signal est reconstruit par intérpolation à partir des signaux de type sin x / x.
94 sin ωmts ( n k) ( s ) = x( kts ) k= ωmts ( n k) ω s sin π( n k) M ( s) ( ) 2 k= π( n k) x nt nk, s s nk, k= ( ) ( ) ω = x nt = x kt = x kt δ = x nt δ 1, for n = k = 0, for n k s
95 Échantillonnage et périodisation Échantillonnage idéal... x ( t) = x( t) δ ( t) = x( t) δ( t kt) = x[ kt] δ( t kt) e T + k = + k =...Transformée de Fourier... X e + 1 f T X f f 1 k ( ) = ( ) * δ 1 ( ) = X ( f ) T T... périodisation en fréquence. T k = Échantillonnage temporel <=> périodisation en fréquence Échantillonnage en fréquence <=> périodisation temporelle
96 + Quelques valeurs 96 n En téléphonie, on utilise une largeur de bande de 300 à 3400 Hz. Dans le cadre du réseau numérique à intégration de services (RNIS, ISDN pour les anglo-saxons), on utilise une fréquence d'échantillonnage de 8000 Hz (au lieu des 6800 théoriquement nécessaires). n La musique se satisfait de 16, voire 20 khz de largeur de bande. Un disque CD (Compact Disc) utilise une fréquence d'échantillonnage de 44 khz. n Remarque: Dans les deux cas, il est essentiel que l'on ait au préalable limité la largeur de bande du signal original : des fréquences inaudibles dans le signal original deviennent audibles par le phénomène de repliement!
97 + Encore. La Transformée de Fourier mais Discrète 97
98 + Systèmes linéaires 98 n Les systèmes linéaires sont caractérisés complètement par leur réponse à une impulsion unité y(k) = L[ x(l)δ(k l)] = x(l)l[ δ(k l)]
99 + Transformée de Fourier à temps 99 discret n Si le temps est discrétisé X( f ) = x(t) e t Z 2 jπ f t La T.F. est périodique de période 1 n Et la transformée inverse x(t) = 1/2 1/2 x(t) e 2π jft df
100 + Propriétés 100 n X(f) est périodique T 0 =1 t Z X( f +1) = x(k) t Z 2 jπ ( f +1)k e = x(k) 2 jπfk e 2 jπk e = X( f ) Remarques: 1. La transformée de Fourier de X a (t) d un signal analogique n est pas périodique 2. X(f) est périodique F 0 =1, tout intervalle de longueur unité est suffisant pour décrire complètement cette fonction
101 + Règle de construction de la TFtd à partir de la TF de x(t) x(t) continue en t x e (t = nδt ) la version échantillonnée ΔT période d 'échantillonnage + x e (nδt ) = x(t). δ(t nδt ) = x(t)δ(t nδt ) + n= n= X e ( f ) = ( x(t)δ(t nδt ))e 2π jft dt t= n= n On divise l axe des fréquence par Fe n On périodise avec la période 1 n On divise l amplitude par Te + + 2π jf (nδt ) X e ( f ) = x(nδt ). e n= 1/2ΔT x(nδt ) = ΔT X e ( f ) e +2π jf (nδt ) df 1/2ΔT conclusion : x(nδt ) X e ( f ) est unefonction périodique en f de période (1/ ΔT ) 101
102 + Transformée de Fourier Discrète discrétisation T/F=Périodisation T/F (1) 102 x(t) TF continue X ( f ) x(t) séries de Fourier c n x( nδt ) échantillonnage temporel X e ( f ) x p ( nδt) TF Discrète X ( mδf ) transformée de fourier discréte
103 + Transformée de Fourier Discrète repliement de spectre dans le domaine fréquentiel 103 x(t) x( nδt ) pas f max de repliement 1/ 2ΔT 1/ 2ΔT X e ( f ) 1/ 2ΔT f max + fmax x(t) x( nδt ) repliement f max 1/ 2ΔT 1/ 2ΔT X e ( f ) 1/ 2ΔT f max + fmax transformée de fourier discréte
104 + Observations spectrales 104 n Précision n Pour mesurer la fréquence d une seule sinusoïde n Résolution n La capacité de mesurer des fréquences distinctes
105 + Transformée de Fourier discrète 105 n En se limitant à un nombre fini de L valeurs de la fréquence, à savoir f=k/l, on obtient la Transformée de Fourier Discrète X( k) N = 1 n= 0 x( n) 2πjkn/ N n L est le nombre de points de calcul de Tftd et N est le nombre de points de la suite temporelle e N x( n) = 1 N n= 1 0 x( n) w nk N { 0,...,N-1} k avec wn = exp( 2jπ / N)
106 + La Transformée de Fourier Rapide 106 n Exemple N=2 p où p=3 2k 4k 6k k 2k 4k X k= ( x(0) + x(2) w + x(4) (8) ) ( (1) (3) (5) (7) 8 w + x 8 w + 8 w x + x 8 w + x 8 w + x 8 w n Ce qui donne 4k 2k ( x (0) + x(4) w ) + ( (2) (6) 8 w x + x 8 w 4k 2k ( x (1) + x(5) w ) + ( (3) (7) 8 w x + x 8 w n Une structure de papillon : addition, soustraction et multiplication 4k 8 4k 8 ) ) 6k 8 )
107 + Echantillonnage avec Blocage
108
109 + La Transformée Laplace d un bloqueur d ordre 0 G o (p) =1/ p e pt / p = (1 e pt ) / p
110
111 ωt sin s ω sin π H ( ) 2 ω s r ω = Ts = Ts ωt s ω π 2 ω s 2 2
112 Reconstruction par Extrapolation : Bloqueur d ordre zéro ωt T 2sin s ωt ω T sin s j s j s Ts ω h 2 2 ( ) 2 2 r t = pts t s 2 e = e T 2 ω ωts 2 ωt ω T sin s sin j s jπ ω π ω 2 ( ) 2 ωs ω s Hr ω = e Ts = e ωts ω π 2 ω s
TD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailCHAPITRE V. Théorie de l échantillonnage et de la quantification
CHAPITRE V Théorie de l échantillonnage et de la quantification Olivier FRANÇAIS, SOMMAIRE I INTRODUCTION... 3 II THÉORIE DE L ÉCHANTILLONNAGE... 3 II. ACQUISITION DES SIGNAUX... 3 II. MODÉLISATION DE
Plus en détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détail5. Analyse des signaux non périodiques
5. Analyse des signaux non périodiques 5.. Transformation de Fourier 5... Passage de la série à la transformation de Fourier Le passage d'un signal périodique à un signal apériodique peut se faire en considérant
Plus en détailM1107 : Initiation à la mesure du signal. T_MesSig
1/81 M1107 : Initiation à la mesure du signal T_MesSig Frédéric PAYAN IUT Nice Côte d Azur - Département R&T Université de Nice Sophia Antipolis frederic.payan@unice.fr 15 octobre 2014 2/81 Curriculum
Plus en détailLABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB
LABO 5-6 - 7 PROJET : IMPLEMENTATION D UN MODEM ADSL SOUS MATLAB 5.1 Introduction Au cours de séances précédentes, nous avons appris à utiliser un certain nombre d'outils fondamentaux en traitement du
Plus en détail1.1.1 Signaux à variation temporelle continue-discrète
Chapitre Base des Signaux. Classi cation des signaux.. Signaux à variation temporelle continue-discrète Les signaux à variation temporelle continue sont des fonctions d une ou plusieurs variables continues
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailTraitement du signal avec Scilab : la transformée de Fourier discrète
Traitement du signal avec Scilab : la transformée de Fourier discrète L objectif de cette séance est de valider l expression de la transformée de Fourier Discrète (TFD), telle que peut la déterminer un
Plus en détailLicence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004. Cours de Génie Electrique G.
Licence Professionnelle de Génie Industriel Université Paris VI-Jussieu ; CFA Mecavenir Année 2003-2004 Cours de Génie Electrique G. CHAGNON 2 Table des matières Introduction 11 1 Quelques mathématiques...
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailCHAPITRE XIII : Les circuits à courant alternatif : déphasage, représentation de Fresnel, phaseurs et réactance.
XIII. 1 CHAPITRE XIII : Les circuits à courant alternatif : déphasage, représentation de Fresnel, phaseurs et réactance. Dans les chapitres précédents nous avons examiné des circuits qui comportaient différentes
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailAutomatique (AU3): Précision. Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr
Automatique (AU3): Précision des systèmes bouclés Département GEII, IUT de Brest contact: vincent.choqueuse@univ-brest.fr Plan de la présentation Introduction 2 Écart statique Définition Expression Entrée
Plus en détailChristian JUTTEN Théorie du signal
Christian UTTEN Théorie du signal Cours de deuxième année (3i4) du département 3i Université oseph Fourier - Polytech Grenoble novembre 2009 1 Table des matières 1 Introduction à la théorie du signal 6
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailUE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd
UE 503 L3 MIAGE Initiation Réseau et Programmation Web La couche physique A. Belaïd abelaid@loria.fr http://www.loria.fr/~abelaid/ Année Universitaire 2011/2012 2 Le Modèle OSI La couche physique ou le
Plus en détailPartie 1 - Séquence 3 Original d une fonction
Partie - Séquence 3 Original d une fonction Lycée Victor Hugo - Besançon - STS 2 I. Généralités I. Généralités Définition Si F(p) = L [f(t)u (t)](p), alors on dit que f est l original de F. On note f(t)
Plus en détailSYSTEMES LINEAIRES DU PREMIER ORDRE
SYSTEMES LINEIRES DU PREMIER ORDRE 1. DEFINITION e(t) SYSTEME s(t) Un système est dit linéaire invariant du premier ordre si la réponse s(t) est liée à l excitation e(t) par une équation différentielle
Plus en détailCours de Systèmes Asservis
Cours de Systèmes Asservis J.Baillou, J.P.Chemla, B. Gasnier, M.Lethiecq Polytech Tours 2 Chapitre 1 Introduction 1.1 Définition de l automatique Automatique : Qui fonctionne tout seul ou sans intervention
Plus en détailTP Modulation Démodulation BPSK
I- INTRODUCTION : TP Modulation Démodulation BPSK La modulation BPSK est une modulation de phase (Phase Shift Keying = saut discret de phase) par signal numérique binaire (Binary). La phase d une porteuse
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailEquations différentielles linéaires à coefficients constants
Equations différentielles linéaires à coefficients constants Cas des équations d ordre 1 et 2 Cours de : Martine Arrou-Vignod Médiatisation : Johan Millaud Département RT de l IUT de Vélizy Mai 2007 I
Plus en détailCommunications numériques
Communications numériques 1. Modulation numérique (a) message numérique/signal numérique (b) transmission binaire/m-aire en bande de base (c) modulation sur fréquence porteuse (d) paramètres, limite fondamentale
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailAutomatique Linéaire 1 1A ISMIN
Automatique linéaire 1 J.M. Dutertre 2014 Sommaire. I. Introduction, définitions, position du problème. p. 3 I.1. Introduction. p. 3 I.2. Définitions. p. 5 I.3. Position du problème. p. 6 II. Modélisation
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes CNRS SUPÉLEC UPS SUPÉLEC, Plateau de Moulon, 91192 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détail- Instrumentation numérique -
- Instrumentation numérique - I.Présentation du signal numérique. I.1. Définition des différents types de signaux. Signal analogique: Un signal analogique a son amplitude qui varie de façon continue au
Plus en détailChapitre I La fonction transmission
Chapitre I La fonction transmission 1. Terminologies 1.1 Mode guidé / non guidé Le signal est le vecteur de l information à transmettre. La transmission s effectue entre un émetteur et un récepteur reliés
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailI- Définitions des signaux.
101011011100 010110101010 101110101101 100101010101 Du compact-disc, au DVD, en passant par l appareil photo numérique, le scanner, et télévision numérique, le numérique a fait une entrée progressive mais
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailTraitement du signal avec Scilab : transmission numérique en bande de base
Traitement du signal avec Scilab : transmission numérique en bande de base La transmission d informations numériques en bande de base, même si elle peut paraître simple au premier abord, nécessite un certain
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes cnrs supélec ups supélec, Plateau de Moulon, 9119 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailData first, ou comment piloter l analyse par les données
CNRS & Patrick Flandrin École Normale Supérieure de Lyon Data first, ou comment piloter l analyse par les données M2 de Physique Cours 2012-2013 1 Table des matières 1 Introduction 4 2 Rappel sur les analyses
Plus en détailCharges électriques - Courant électrique
Courant électrique Charges électriques - Courant électrique Exercice 6 : Dans la chambre à vide d un microscope électronique, un faisceau continu d électrons transporte 3,0 µc de charges négatives pendant
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailDidier Pietquin. Timbre et fréquence : fondamentale et harmoniques
Didier Pietquin Timbre et fréquence : fondamentale et harmoniques Que sont les notions de fréquence fondamentale et d harmoniques? C est ce que nous allons voir dans cet article. 1. Fréquence Avant d entamer
Plus en détailChapitre 2 Les ondes progressives périodiques
DERNIÈRE IMPRESSION LE er août 203 à 7:04 Chapitre 2 Les ondes progressives périodiques Table des matières Onde périodique 2 2 Les ondes sinusoïdales 3 3 Les ondes acoustiques 4 3. Les sons audibles.............................
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailIntroduction. Mathématiques Quantiques Discrètes
Mathématiques Quantiques Discrètes Didier Robert Facultés des Sciences et Techniques Laboratoire de Mathématiques Jean Leray, Université de Nantes email: v-nantes.fr Commençons par expliquer le titre.
Plus en détailFiltres passe-bas. On utilise les filtres passe-bas pour réduire l amplitude des composantes de fréquences supérieures à la celle de la coupure.
Filtres passe-bas Ce court document expose les principes des filtres passe-bas, leurs caractéristiques en fréquence et leurs principales topologies. Les éléments de contenu sont : Définition du filtre
Plus en détailNotions d asservissements et de Régulations
I. Introduction I. Notions d asservissements et de Régulations Le professeur de Génie Electrique doit faire passer des notions de régulation à travers ses enseignements. Les notions principales qu'il a
Plus en détailEtudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique adapté
Compétences travaillées : Mettre en œuvre un protocole expérimental Etudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailCHAPITRE IV Oscillations libres des systèmes à plusieurs degrés de liberté
CHAPITE IV Oscillations ibres des Systèmes à plusieurs derés de liberté 010-011 CHAPITE IV Oscillations libres des systèmes à plusieurs derés de liberté Introduction : Dans ce chapitre, nous examinons
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailTransmission des signaux numériques
Transmission des signaux numériques par Hikmet SARI Chef de Département d Études à la Société Anonyme de Télécommunications (SAT) Professeur Associé à Télécom Paris. Transmission en bande de base... E
Plus en détailLe calculateur numérique pour la commande des processus
Le calculateur numérique pour la commande des processus par Daniel JAUME Maître de Conférences au Laboratoire d Automatique du Conservatoire National des Arts et Métiers et Michel VERGÉ Professeur des
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailP1PY7204 Acquisition de données Cours
ANNEE 2012-2013 Semestre d Automne 2012 Master de Sciences, Technologies, Santé Mention Physique- Spécialité Instrumentation P1PY7204 Acquisition de données Cours Denis Dumora denis.dumora@u-bordeaux1.fr
Plus en détailChapitre 2 : Techniques de transmission
Chapitre 2 : Techniques de transmission /home/kouna/d01/adp/bcousin/repr/cours/2.fm - 14 Janvier 1998 20:09 Plan. Introduction. Phénomènes caractéristiques. Les éléments de la transmission. La modulation.
Plus en détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
Plus en détailTP 7 : oscillateur de torsion
TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)
Plus en détailSIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES
SIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES ----------------------------------------------------------------------------------------------------------------- LES SIGNAUX NUMERIQUES Un signal numérique
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailSUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques
SUJET ZÉRO Epreuve d'informatique et modélisation de systèmes physiques Durée 4 h Si, au cours de l épreuve, un candidat repère ce qui lui semble être une erreur d énoncé, d une part il le signale au chef
Plus en détailRepérage d un point - Vitesse et
PSI - écanique I - Repérage d un point - Vitesse et accélération page 1/6 Repérage d un point - Vitesse et accélération Table des matières 1 Espace et temps - Référentiel d observation 1 2 Coordonnées
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailCaractéristiques des ondes
Caractéristiques des ondes Chapitre Activités 1 Ondes progressives à une dimension (p 38) A Analyse qualitative d une onde b Fin de la Début de la 1 L onde est progressive puisque la perturbation se déplace
Plus en détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailJ AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE
RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent
Plus en détail