Fiche de révision : Analyse Spectrale et Transformées du Signal

📋 Plan du Cours

1. Définition signal
2. Classification signaux
3. Signaux outils
4. Analyse spectrale
5. Transformée de Fourier
6. Transformée de Laplace
7. Filtrage continu
8. Systèmes c-LTI
9. Poles et zéros
10. Transformée en z

📖 1. Définition signal

🔑 Notions clés & Définitions

• Signal : Grandeur physique ou mathématique représentant une information, dépendant d'une ou plusieurs variables (temps, espace, etc.). Exemples : son, image, température.
• Signal déterministe : Signal dont l'évolution est connue ou prévisible, pouvant être périodique ou non périodique.
• Signal aléatoire : Signal présentant une composante imprévisible, caractérisée par des propriétés statistiques, souvent stationnaire ou ergodique.
• Spectre d’un signal : Représentation de la distribution de ses composantes en fréquence, indiquant l’amplitude ou la puissance en fonction de la fréquence.
• Énergie d’un signal : Quantité totale d’énergie contenue dans le signal, calculée par l’intégrale du carré de sa valeur absolue sur tout le temps.
• Puissance moyenne : Moyenne de l’énergie instantanée du signal sur une période ou sur une durée infinie, utile pour les signaux périodiques ou stationnaires.

📝 Points essentiels

• La classification des signaux repose sur leur nature (déterministe ou aléatoire), leur dimension (temps, espace), et leur spectre (bande étroite ou large).
• La notion d’énergie est cruciale pour distinguer un signal transitoire d’un signal périodique ou stationnaire.
• La transformée de Fourier permet d’analyser la composition fréquentielle d’un signal, en décomposant ses composantes sinusoïdales.
• La notion de causalité indique si un signal dépend uniquement du passé (signal causal) ou non.
• La représentation spectrale est essentielle pour le traitement du signal, notamment dans le filtrage et la modulation.

💡 À retenir

Un signal est une représentation mathématique d’une grandeur physique contenant une information, dont l’analyse fréquentielle et énergétique permet de mieux comprendre ses caractéristiques et ses comportements dans le domaine du traitement du signal.

📖 2. Classification signaux

🔑 Notions clés & Définitions

• Signal : Grandeur physique décrite par une fonction mathématique (réelle ou complexe) dépendant de variables pertinentes (temps, espace, etc.), porteur d'une information (son, image, température).
• Classification dimensionnelle : Selon la variable indépendante, par exemple :
  • Son/Pression : s(t), dépend du temps.
  • Image : i(x, y), dépend de l’espace.
  • Vidéo : v(x, y, t), dépend de l’espace et du temps.
• Classification temporelle : Selon la nature du signal dans le temps :
  • Déterministe (périodique ou non périodique).
  • Aléatoire (stationnaire ou non stationnaire, ergodique ou non).
• Classification morphologique : Selon la forme physique du signal :
  • Analogique : s(t).
  • Échantillonné : s(n·T).
  • Quantifié : sq(t).
  • Numérique : sq(n·T).
• Classification spectrale : Selon la distribution en fréquence :
  • Bande étroite : ∆f << f.
  • Bande large : ∆f ≈ f.
• Classification par fréquence mogenne : Selon la longueur d’onde et la gamme (ex : RF, IR, UV, X, γ).
• Classification énergétique :
  • Energie finie : Signaux transitoires.
  • Energie infinie : Signaux périodiques ou non bornés, puissance moyenne finie ou infinie.

📝 Points essentiels

• La classification permet d’adapter les méthodes de traitement et d’analyse du signal.
• La classification temporelle distingue entre signaux déterministes (périodiques ou non) et aléatoires (stationnaires ou non).
• La classification morphologique fait la différence entre signaux analogiques, échantillonnés, quantifiés et numériques.
• La classification spectrale s’appuie sur la distribution en fréquence : signaux à spectre étroit ou large.
• La classification énergétique distingue entre signaux à énergie finie (transitoires) et à énergie infinie (périodiques ou non bornés).
• La transformée de Fourier, Laplace, et Z sont des outils fondamentaux pour analyser ces différentes classes.

💡 À retenir

La classification des signaux en fonction de leurs caractéristiques dimensionnelles, temporelles, morphologiques, spectrales et énergétiques est essentielle pour choisir la méthode d’analyse adaptée et optimiser leur traitement.

📖 3. Signaux outils

🔑 Notions clés & Définitions

• Signal : Fonction représentant une grandeur physique dépendant d'une variable pertinente (temps, espace, etc.), porteur d'information (son, image, température).
• Signal impulsionnel (Dirac δ(t)) : Distribution mathématique concentrée en un point, utilisée pour modéliser un choc ou une impulsion instantanée.
• Échelon unitaire (μ(t)) : Fonction de Heaviside, vaut 0 pour t<0 et 1 pour t≥0, permettant de modéliser un signal qui démarre à t=0.
• Convolution (x ⊗ y) : Opération intégrale représentant la réponse d’un système linéaire à une entrée donnée, définie par $\int_{-\infty}^{+\infty} x(\tau) y(t - \tau) d\tau$.
• Transformée de Fourier : Opération qui décompose un signal en ses composantes fréquentielles, reliant domaine temporel et domaine fréquentiel.
• Transformée de Laplace : Extension de la Fourier pour analyser des signaux transitoires ou non périodiques, avec une variable complexe s = σ + iω, permettant d’étudier la stabilité et la réponse des systèmes.

📝 Points essentiels

• Les signaux outils (impulsion, échelon, porte, sinus cardinal) sont fondamentaux pour modéliser et analyser des systèmes linéaires.
• La convolution est une opération clé pour déterminer la sortie d’un système linéaire invariant dans le temps (LTI) à partir de sa réponse impulsionnelle et de l’entrée.
• La transformée de Fourier est utilisée pour analyser la composition fréquentielle d’un signal périodique ou non, avec des propriétés telles que linéarité, translation, convolution, dérivation.
• La transformée de Laplace permet d’étudier la stabilité et la réponse transitoire des systèmes, en utilisant une variable complexe s.
• Les propriétés de symétrie (paire, impaire) simplifient le calcul des transformées et la représentation fréquentielle.

💡 À retenir

Les signaux outils sont essentiels pour modéliser, analyser et traiter tout type de signal ou système, en particulier à travers la convolution et les transformées de Fourier et Laplace, qui permettent d’étudier leurs propriétés dans le domaine fréquentiel et complexe.

📖 4. Analyse spectrale

🔑 Notions clés & Définitions

• Développement en séries de Fourier : Représentation d’une fonction périodique comme somme infinie de sinusoïdes (cosinus et sinus) avec des coefficients spécifiques, permettant d’analyser la composition fréquentielle du signal.

• Spectre : Représentation de la distribution en amplitude, puissance ou énergie d’un signal en fonction de la fréquence. Il peut être discret (pics) pour un signal périodique ou continu pour un signal non périodique.

• Transformée de Fourier : Opération mathématique qui convertit une fonction du domaine temporel en une fonction du domaine fréquentiel, révélant ses composantes en fréquence. Elle est définie par une intégrale sur tout le temps.

• Propriétés de la transformée de Fourier : Incluent la linéarité, la translation, la convolution (relation entre convolution dans le temps et multiplication dans la fréquence), la parité, et la symétrie. Ces propriétés facilitent l’analyse et le traitement des signaux.

• Théorème de Wiener-Khinchin : Établit que la densité spectrale d’énergie d’un signal est la transformée de Fourier de sa fonction d’autocorrélation. Il relie la structure temporelle et fréquentielle du signal.

📝 Points essentiels

• Le développement en séries de Fourier permet d’analyser la composition fréquentielle d’un signal périodique, avec des coefficients calculés par intégration sur une période.

• Le spectre d’un signal périodique est constitué de pics delta (δ) espacés de la fréquence fondamentale, avec des amplitudes données par les coefficients de Fourier.

• La transformée de Fourier d’un signal non périodique donne une fonction continue, permettant d’étudier ses composantes en fréquence sur tout le spectre.

• La propriété de convolution dans le domaine temporel correspond à une multiplication dans le domaine fréquentiel, simplifiant le traitement des systèmes linéaires.

• La relation entre autocorrélation et densité spectrale via le théorème de Wiener-Khinchin est fondamentale pour l’analyse statistique des signaux stationnaires.

💡 À retenir

L’analyse spectrale, à travers le développement en Fourier et la transformée de Fourier, permet de décomposer un signal en ses composantes fréquentielles, facilitant ainsi leur étude, traitement et compréhension dans divers domaines du traitement du signal.

📖 5. Transformée de Fourier

🔑 Notions clés & Définitions

• Transformée de Fourier (TF) : Opération mathématique qui décompose un signal temporel en une somme ou intégrale de composantes sinusoïdales de différentes fréquences. Elle permet d'analyser le contenu fréquentiel d’un signal.

• Spectre d’un signal : Représentation de l’amplitude, de la phase ou de la puissance du signal en fonction de la fréquence. Il indique quelles fréquences sont présentes dans le signal et leur intensité.

• Propriétés de la TF :

  • Linéarité : La transformée d’une somme de signaux est la somme de leurs transformées.
  • Translation dans le temps : Déplacer un signal dans le temps multiplie sa TF par une exponentielle complexe.
  • Convolution : La convolution dans le domaine temporel correspond à la multiplication dans le domaine fréquentiel.

• Pairité et parité : Si un signal est pair (symétrie par rapport à l’axe vertical), sa TF est réelle et paire. Si impaire, sa TF est imaginaire et impaire.

• Transformée de Fourier discrète (TFD) : Version numérique de la TF utilisée pour traiter des signaux échantillonnés, avec une application en traitement numérique du signal.

📝 Points essentiels

• La TF permet de passer du domaine temporel au domaine fréquentiel, facilitant l’analyse et le traitement des signaux.
• La formule générale de la TF pour une fonction $f(t)$ est :
  $F(\omega) = \int_{-\infty}^{+\infty} f(t) e^{-i \omega t} dt$
• La transformée inverse est donnée par :
  $f(t) = \frac{1}{2\pi} \int_{-\infty}^{+\infty} F(\omega) e^{i \omega t} d\omega$
• La TF est un outil clé pour analyser la réponse en fréquence des systèmes linéaires et pour filtrer ou modifier des signaux.

💡 À retenir

La transformée de Fourier est une méthode fondamentale qui convertit un signal du domaine du temps au domaine des fréquences, révélant sa composition en sinusoïdes, ce qui est essentiel pour l’analyse, le filtrage et la synthèse de signaux en traitement du signal.

📖 6. Transformée de Laplace

🔑 Notions clés & Définitions

• Transformée de Laplace : Opération mathématique qui associe à une fonction temporelle $x(t)$, définie pour $t \geq 0$, une fonction complexe $X(s)$ dans le plan complexe, permettant d'analyser et de résoudre des équations différentielles.
  $X(s) = \int_0^{+\infty} x(t) e^{-st} dt$

• Variable complexe $s$ : Variable d'analyse dans le plan complexe, $s = \sigma + i\omega$, où $\sigma$ est la partie réelle (décroissance/exponentielle) et $\omega$ la partie imaginaire (composante oscillatoire).

• Propriétés principales : Linéarité, translation dans le temps (décalage), changement d'échelle, convolution (théorème de Borel), dérivation et intégration dans le domaine temporel correspondent à des opérations algébriques ou multiplicatives dans le domaine $s$.

• Inverse de la transformée de Laplace : Récupération de $x(t)$ à partir de $X(s)$, donnée par une intégrale de Bromwich dans le plan complexe : $x(t) = \frac{1}{2\pi i} \lim_{T \to \infty} \int_{\gamma - iT}^{\gamma + iT} X(s) e^{st} ds$ où $\gamma$ est choisi tel que la ligne d'intégration soit à droite de toutes les singularités de $X(s)$.

📝 Points essentiels

• La transformée de Laplace est particulièrement adaptée à l'étude des systèmes linéaires causaux, stables, et pour la résolution d'équations différentielles avec conditions initiales.
• La partie réelle $\sigma$ de $s$ doit être choisie dans la région de convergence (RDC) pour assurer la convergence de l'intégrale.
• La transformée de Laplace convertit une opération différentielle en opération algébrique : par exemple, la dérivée dans le temps devient une multiplication par $s$ dans le domaine $s$.
• La propriété de convolution dans le domaine temporel se traduit par une multiplication dans le domaine $s$, facilitant la traitement de systèmes linéaires.

💡 À retenir

La transformée de Laplace est un outil puissant pour analyser et résoudre des systèmes dynamiques, en transformant des équations différentielles en équations algébriques dans le domaine complexe, simplifiant ainsi leur traitement.

📖 7. Filtrage continu

🔑 Notions clés & Définitions

• Système linéaire invariant dans le temps (c-LTI) : Système dont la réponse est proportionnelle à l'entrée (linéarité) et dont les caractéristiques ne changent pas dans le temps (invariance temporelle).
• Réponse impulsionnelle (h(t)) : Fonction qui décrit la sortie du système lorsque l'entrée est une impulsion de Dirac δ(t). Elle caractérise entièrement le système.
• Convolution (x(t) ⊗ h(t)) : Opération mathématique permettant de déterminer la sortie d’un système c-LTI en combinant l’entrée x(t) avec la réponse impulsionnelle h(t).
• Causalité : Propriété d’un système où la sortie à un instant t dépend uniquement des valeurs d’entrée à des instants antérieurs ou égaux à t.
• Stabilité : Capacité d’un système à produire une sortie bornée pour une entrée bornée. Elle est souvent analysée via la fonction de transfert H(s).
• Fonction de transfert H(s) : Représentation dans le domaine complexe s, qui relie la transformée de Laplace de la sortie à celle de l’entrée (Y(s) = H(s)·X(s)). Elle permet d’analyser la réponse en fréquence et la stabilité du système.

📝 Points essentiels

• La réponse d’un système c-LTI à une entrée quelconque peut être calculée par convolution : y(t) = x(t) ⊗ h(t).
• La causalité impose que h(t) = 0 pour t < 0.
• La stabilité du système dépend des pôles de H(s) : si tous ont une partie réelle négative, le système est stable.
• La fonction de transfert H(s) est souvent exprimée sous forme de fractions rationnelles, avec pôles et zéros qui déterminent la réponse en fréquence.
• La transformée de Laplace facilite l’analyse en domaine complexe, notamment pour la stabilité et la réponse fréquentielle.

💡 À retenir

Le filtrage continu d’un signal par un système linéaire invariant dans le temps se résume à une convolution avec la réponse impulsionnelle, dont l’analyse via la transformée de Laplace et la fonction de transfert permet d’étudier la stabilité et la réponse en fréquence du système.

📖 8. Systèmes c-LTI

🔑 Notions clés & Définitions

• Système c-LTI (Continu Linear Time-Invariant) : Un système linéaire, invariant dans le temps, qui traite des signaux continus en temps. Il est caractérisé par sa réponse impulsionnelle et sa fonction de transfert.

• Réponse impulsionnelle (h(t)) : La sortie d’un système c-LTI lorsqu’on lui applique une impulsion de Dirac en entrée. Elle définit entièrement le système et permet de déterminer sa réponse à tout signal via convolution.

• Convolution (x(t) ⊗ h(t)) : Opération mathématique qui donne la sortie d’un système c-LTI en fonction de l’entrée x(t) et de la réponse impulsionnelle h(t). Elle est définie par l’intégrale :
  $y(t) = (x \otimes h)(t) = \int_{-\infty}^{+\infty} x(\tau) h(t - \tau) d\tau$

• Fonction de transfert (H(s)) : Représentation dans le domaine de Laplace, qui relie la transformée de l’entrée X(s) à celle de la sortie Y(s) par la relation :
  $Y(s) = H(s) \cdot X(s)$ Elle est obtenue par la transformée de Laplace de la réponse impulsionnelle :
  $H(s) = \mathcal{L}\{h(t)\}$

• Stabilité : Un système c-LTI est stable si sa réponse impulsionnelle est absolument intégrable, c’est-à-dire :
  $\int_{-\infty}^{+\infty} |h(t)| dt < \infty$ ou si tous ses pôles dans H(s) ont partie réelle négative.

📝 Points essentiels

• La convolution permet de calculer la sortie pour toute entrée en utilisant la réponse impulsionnelle.
• La transformée de Laplace facilite l’analyse en transformant la convolution en produit dans le domaine complexe :
  $\mathcal{L}\{x(t) \otimes h(t)\} = X(s) \cdot H(s)$
• La stabilité dépend de la position des pôles de H(s) : tous doivent avoir partie réelle négative pour assurer une réponse finie dans le temps.
• La causalité implique que la réponse impulsionnelle h(t) est nulle pour t < 0.

💡 À retenir

Un système c-LTI est entièrement décrit par sa réponse impulsionnelle ou sa fonction de transfert, et sa stabilité repose sur la localisation de ses pôles dans le plan complexe. La convolution et la transformée de Laplace sont des outils fondamentaux pour analyser et concevoir ces systèmes.

📖 9. Poles et zéros

🔑 Notions clés & Définitions

• Zéros : Les valeurs de la variable complexe $s$ pour lesquelles la fonction de transfert $H(s)$ s'annule, c’est-à-dire $H(s) = 0$. Ils déterminent les fréquences où le système atténue totalement le signal.

• Poles : Les valeurs de $s$ pour lesquelles la fonction de transfert $H(s)$ devient infinie, c’est-à-dire que $H(s)$ présente une singularité. Ils contrôlent la stabilité et la réponse dynamique du système.

• Fonction de transfert $H(s)$ : Rapport entre la transformée de Laplace de la sortie et celle de l’entrée dans un système linéaire invariant dans le temps (LTI). Elle s’écrit souvent sous forme rationnelle : $H(s) = \frac{N(s)}{D(s)}$, avec $N(s)$ et $D(s)$ polynômes.

• Système d’ordre $n$ : Système dont la fonction de transfert $H(s)$ est un rationnel de degré $n$. Les pôles et zéros influencent la réponse en fréquence et la stabilité.

• Stabilité : Un système est stable si tous ses pôles ont une partie réelle négative (pôles dans le demi-plan gauche). La position des pôles détermine la réponse transitoire.

📝 Points essentiels

• La localisation des pôles et zéros dans le plan complexe détermine la réponse en fréquence, la stabilité, et la réponse transitoire d’un système.

• La fonction de transfert peut s’écrire sous forme factorisée : $H(s) = K \times \frac{\prod_{i}(s - z_i)}{\prod_{j}(s - p_j)}$, où $z_i$ sont les zéros et $p_j$ les pôles.

• La stabilité est assurée si tous les pôles $p_j$ ont une partie réelle négative ($\Re(p_j) < 0$).

• La position des pôles proches de l’axe imaginaire influence la rapidité de la réponse, tandis que leur position dans le demi-plan gauche assure la stabilité.

• Les zéros peuvent améliorer ou atténuer certaines fréquences, mais leur position ne détermine pas directement la stabilité.

💡 À retenir

Les pôles et zéros de la fonction de transfert sont les éléments clés pour analyser et concevoir un système linéaire invariant dans le temps, en particulier pour assurer sa stabilité et optimiser sa réponse en fréquence.

📖 10. Transformée en z

🔑 Notions clés & Définitions

• Transformée en z (TZ) : Opération mathématique qui convertit une séquence discrète $x[n]$ en une fonction complexe $X(z)$, permettant l’analyse des systèmes discrets en domaine complexe.
  $\boxed{X(z) = \sum_{n=-\infty}^{+\infty} x[n] z^{-n}}$

• Poles et Zéros : Les zéros sont les racines du numérateur de $X(z)$, où la fonction s’annule ; les pôles sont les racines du dénominateur, où la fonction tend vers l’infini.
  $\boxed{\text{Zéros : } N(z) = 0,\quad \text{Pôles : } D(z) = 0}$

• Stabilité : Un système est stable si tous ses pôles $z_i$ sont à l’intérieur du cercle unité ($|z_i|<1$).
  $\boxed{\text{Stabilité : } |z_i|<1 \text{ pour tous } i}$

• Retard (Translation dans le domaine z) : Multiplication par $z^{-k}$ correspond à un décalage de la séquence $x[n]$ vers l’arrière de $k$ échantillons.
  $\boxed{x[n - k]} \longleftrightarrow z^{-k} X(z)$

• Convolution Discrète : Opération entre deux séquences $x[n]$ et $h[n]$, dont la transformée en z vérifie $(x * h)[n] \longleftrightarrow X(z) H(z)$.
  $\boxed{(x * h)[n] = \sum_{k=-\infty}^{+\infty} x[k] h[n - k]}$

Points essentiels

• La transformée en z est la généralisation discrète de la transformée de Fourier, adaptée aux signaux échantillonnés et traités en numérique.
• La région de convergence (RC) de $X(z)$ détermine la stabilité et la causalité du système : pour un système causal stable, la RC doit contenir le cercle unité.
• La représentation par pôles et zéros permet d’étudier la stabilité, la réponse en fréquence, et la conception de filtres numériques.
• La transformée en z facilite la résolution d’équations aux différences, en transformant des opérations de convolution en produits algébriques.

Point à retenir

La transformée en z offre une représentation puissante pour analyser, concevoir et stabiliser les systèmes discrets en domaine complexe, en reliant la séquence temporelle à une fonction rationnelle dont la stabilité dépend de la position de ses pôles dans le plan z.

📊 Tableaux de Synthèse

⚠️ Pièges & Confusions Fréquentes

1. Confondre signal déterministe et aléatoire : un signal déterministe est totalement prévisible, alors qu’un aléatoire comporte une composante imprévisible.

2. Mauvaise interprétation du spectre : croire que la présence de pics indique uniquement un signal périodique, alors que certains signaux non périodiques peuvent aussi présenter des pics dans leur spectre.

3. Confusion entre énergie et puissance : un signal à énergie finie n’a pas nécessairement une puissance moyenne finie, et vice versa.

4. Erreur dans la classification morphologique : ne pas distinguer entre signal échantillonné et numérique, ou entre quantifié et analogique.

5. Mauvaise utilisation de la transformée de Fourier : oublier que cette transformée suppose que le signal est intégrable ou de durée finie dans certains cas.

6. Confusion entre transformée de Fourier et transformée de Laplace : la Laplace s’utilise pour analyser la stabilité et la réponse transitoire, pas uniquement la spectralité.

7. Faux-amis : ne pas confondre "spectre" (distribution en fréquence) et "spectre d’énergie" (fonction de densité spectrale).

✅ Checklist Examen

1. Savoir définir un signal, différencier signal déterministe et aléatoire.
2. Connaître la classification des signaux selon leur nature, dimension, morphologie, spectre, énergie.
3. Maîtriser la notion de spectre d’un signal et le développement en séries de Fourier.
4. Connaître les propriétés fondamentales de la transformée de Fourier (linéarité, translation, convolution).
5. Savoir appliquer la transformée de Laplace pour analyser la stabilité et la réponse transitoire d’un système.
6. Comprendre la convolution et son rôle dans le traitement des systèmes linéaires invariants dans le temps.
7. Identifier et utiliser les signaux outils : impulsion, échelon, porte, sinus cardinal.
8. Différencier analyse spectrale pour signaux périodiques et non périodiques.
9. Connaître la relation entre autocorrélation et densité spectrale d’énergie (théorème de Wiener-Khinchin).
10. Savoir distinguer entre spectre étroit et large, et leur impact sur le traitement.
11. Maîtriser la transformée en z pour l’analyse des systèmes discrets.
12. Vérifier la maîtrise du vocabulaire spécifique : énergie, puissance, causalité, spectral, stabilité.