Traitement du signal
Introduction
Pr. Khalid FAKHAR
Ingénierie des Systèmes d’Information et Big Data
École Nationale des Sciences Appliquées - Berrechid
Université Hassan 1er
Année 2025/2026
Problématique
Figure 1: Une chaîne de traitement du signal
Définitions
▶ Signal : Un signal est une grandeur, image d’une
grandeur physique, la plus souvent électrique, servant à
transmettre une information sur l’état d’un système.
▶ Système : Un système est un bloc fonctionnel modélisant
la transformation entre un signal d’entrée et un signal de
1/32
sortie.
Problématique
Figure 2: Une chaîne de traitement du signal
Objectifs du traitement du signal
▶ Analyser l’information : Estimer, Détecter, Classifier.
▶ Transformer des signaux : Décomposer, Séparer, Filtrer,
Moduler.
▶ Synthétiser des signaux.
2/32
Objectifs et contenu du cours
▶ Objectifs du cours : Acquérir les notions de base pour
▶ Modéliser, représenter les signaux
▶ Manipuler des signaux analogiques et numériques
▶ Effectuer des opérations simples de traitement
▶ Contenu du cours
▶ Modélisation et visualisation des signaux
▶ Représentation fréquentielle (Transformée de Fourier)
▶ Systèmes linéaires continus
▶ Passage de l’analogique au numérique
▶ Systèmes linéaires discrets
▶ Filtrage numérique
3/32
Contexte
▶ Un signal à une dimension peut être décrit par un
modèle 1 s(t).
▶ En fonction de s(t), le signal peut être classé dans
différentes catégories :
▶ Signal Continu ou Signal Discret
▶ Signal Déterministe ou Signal Aléatoire,
▶ Signal à support temporel borné ou Signal à support
temporel non borné,
▶ Signal causal ou Signal non causal,
▶ Signal à énergie finie ou Signal à puissance moyenne
finie.
1. Le plus souvent t représentera le temps
4/32
Classification
▶ Signal Continu/Discret
Le signal peut être classé en fonction de la nature de
l’amplitude s(t) et de la variable temporelle t.
s(t)
Continue Discrète
t
Continu Signal Analogique Signal Quantifié
Discret Signal Échantillonné Signal Numérique
▶ Exemple
5/32
Figure 3: Signal Analogique
Classification
▶ Signal Continu/Discret
Le signal peut être classé en fonction de la nature de
l’amplitude s(t) et de la variable temporelle t.
s(t)
Continue Discrète
t
Continu Signal Analogique Signal Quantifié
Discret Signal Échantillonné Signal Numérique
▶ Exemple
Figure 4: Signal Quantifié (s(t) ∈ S où S est un sous-ensemble fini de 6/32
Classification
▶ Signal Continu/Discret
Le signal peut être classé en fonction de la nature de
l’amplitude s(t) et de la variable temporelle t.
s(t)
Continue Discrète
t
Continu Signal Analogique Signal Quantifié
Discret Signal Échantillonné Signal Numérique
▶ Exemple
Figure 5: Signal Échantillonné (t ∈ T où T est un sous-ensemble de 7/32
Classification
▶ Signal Continu/Discret
Le signal peut être classé en fonction de la nature de
l’amplitude s(t) et de la variable temporelle t.
s(t)
Continue Discrète
t
Continu Signal Analogique Signal Quantifié
Discret Signal Échantillonné Signal Numérique
▶ Exemple
8/32
Figure 6: Signal Numérique (s(t) ∈ S et t ∈ T )
Classification
▶ Signal Déterministe/Aléatoire
Le signal peut être classé en fonction du modèle s(t)
utilisé.
▶ signal déterministe : signal pouvant être décrit par
un modèle mathématique (fonction analytique),
▶ signal aléatoire (stochastique) : signal pouvant être
décrit par un modèle faisant intervenir des variables
aléatoires.
▶ Exemple
Soit le signal : s(t) = acos(ω0 t + ϕ)
où l’amplitude a, la pulsation ω0 et la phase ϕ sont des
quantités déterministes fixes
▶ Le signal s(t) est un signal déterministe.
9/32
Classification
▶ Signal Déterministe/Aléatoire
Le signal peut être classé en fonction du modèle s(t)
utilisé.
▶ signal déterministe : signal pouvant être décrit par
un modèle mathématique (fonction analytique),
▶ signal aléatoire (stochastique) : signal pouvant être
décrit par un modèle faisant intervenir des variables
aléatoires.
▶ Exemple
Soit le signal : s(t) = acos(ω0 t + ϕ) + b(t)
où l’amplitude a, la pulsation ω0 et la phase ϕ sont des
quantités déterministes fixes et b(t) est une composante
additive de bruit modélisée par une variable aléatoire (ex :
loi Gaussienne). 10/32
▶ Le signal s(t) est un signal aléatoire.
Classification
▶ Support Temporel Borné/Non Borné
▶ Signal à support temporel fini : Un signal possède un
support temporel fini ssi
s(t) = 0 ∀t ∈
/ [t1, t2].
▶ Signal causal : Un signal est causal ssi
s(t) = 0 ∀t < 0.
▶ Exemple
Figure 7: Signal à support temporel infini (et donc non causal). 11/32
Classification
▶ Support Temporel Borné/Non Borné
▶ Signal à support temporel fini : Un signal possède un
support temporel fini ssi
s(t) = 0 ∀t ∈
/ [t1, t2].
▶ Signal causal : Un signal est causal ssi
s(t) = 0 ∀t < 0.
▶ Exemple
Figure 8: : Signal à support temporel fini mais non causal. 12/32
Classification
▶ Support Temporel Borné/Non Borné
▶ Signal à support temporel fini : Un signal possède un
support temporel fini ssi
s(t) = 0 ∀t ∈
/ [t1, t2].
▶ Signal causal : Un signal est causal ssi
s(t) = 0 ∀t < 0.
▶ Exemple
Figure 9: : Signal causal mais à support temporel infini. 13/32
Classification
▶ Support Temporel Borné/Non Borné
▶ Signal à support temporel fini : Un signal possède un
support temporel fini ssi
s(t) = 0 ∀t ∈
/ [t1, t2].
▶ Signal causal : Un signal est causal ssi
s(t) = 0 ∀t < 0.
▶ Remarques
▶ Les signaux rencontrés en pratique sont causaux et à
support temporel fini.
▶ Les signaux à support temporel infini ou non causaux
sont des signaux théoriques.
Ex : Les signaux T0 -périodiques sont des signaux à
support temporel infini défini par : 14/32
s(t) = s(t + kT0 ) ∀k ∈ Z
Classification
▶ Energie finie/Puissance Moyenne finie
▶ Puissance : La puissance (instantanée) est définie par :
P(t) = |s(t)|2 . (1)
▶ Énergie Totale : L’énergie totale est définie par :
Z +∞
E= |s(t)|2 dt. (2)
−∞
▶ Puissance Moyenne Totale : La puissance moyenne
totale est définie par :
Z T
1 2 |s(t)|2 dt.
P = lim T (3)
T −→∞ T
−
▶ Remarques 2
▶ Pour les signaux causaux, l’intervalle d’intégration est
remplacé par [0, T ] dans (3).
▶ Il est possible de définir l’énergie et la puissance
15/32
moyenne sur un intervalle I = [t1 , t2 ].
Classification
▶ Energie finie/Puissance Moyenne finie
▶ Un signal à énergie (totale) finie est un signal pour
lequel :
E <∞
▶ Un signal à puissance moyenne (totale) finie non nulle
est un signal pour lequel :
0<P<∞
▶ Propriétés
▶ Un signal à support temporel fini est nécessairement un
signal à énergie finie et à puissance moyenne totale nulle.
▶ Un signal à puissance moyenne finie non nulle possède
une énergie totale infinie (E = +∞).
• Cas des signaux périodiques
16/32
Classification
Exercice
▶ Soit un signal sinusoïdal défini par :
s(t) = a × cos(ω0 t + φ).
Déterminez l’énergie totale de s(t), sa puissance
moyenne sur un intervalle I = [t1 , t2 ], puis sa puissance
moyenne totale.
▶ Soit s(t) un signal T0 périodique. Montrez que la
puissance moyenne totale de s(t) s’exprime sous la
forme :
1
Z
P= |s(t)|2 dt.
T0 [T0 ]
où [T0 ] désigne un intervalle d’intégration de longueur
T0 . 17/32
Classification
Solution (1)
▶ Pour calculer l’énergie, nous pouvons linéariser cos2 () :
a2
|s(t)| = a × cos (ω0 t + φ) = (1 + cos(2(ω0 t + φ))).
2 2 2
2
Pour les deux termes, l’intégrale sur R ne converge pas.
Le signal est donc à énergie infinie.
▶ La puissance moyenne sur I = [t1 , t2 ] s’exprime sous la
forme :Z
1 t2
Ps (t1 , t2 ) = |s(t)|2 dt
t2 − t1 t1
a2 Z t2
= (1 + cos(2(ω0 t + φ)))dt
2(t2 − t1 ) t1
a2 (t2 − t1 ) a2 Z t2
= + cos(2(ω0 t + φ))dt
2(t2 − t1 ) 2(t2 − t1 ) t1
a2 a2
= + (sin(2(ω0 t2 + φ)) − sin(2(ω0 t1 + φ)))
18/32
2 4ω0 (t2 − t1 )
Classification
Solution (2)
▶ La puissance moyenne totale peut se reexprimer sous la
forme :
Ps = lim Ps (−T /2, T /2)
T −→∞
2
a2
" #
a
= + lim (sin(2(ω0 T /2 + φ) − sin(2(−ω0 T /2 + φ))
2 T −→∞ 4ω0 T
a2 2
= = Veff
2
△ a
où Veff = √ désigne la valeur efficace de s(t).
2
19/32
Signaux Usuels
Contexte
▶ Dans cette section, nous présentons plusieurs modèles de
signaux très utilisés en traitement du signal.
▶ Les signaux présentés sont :
▶ Des signaux causaux : échelon unité, rampe unité,
▶ Des signaux à énergie finie : fenêtre rectangulaire,
fenêtre triangulaire, impulsion de Dirac.
▶ Des signaux à puissance moyenne finie non nulle : signal
sinusoidal, peigne de Dirac.
20/32
Signaux Usuels
Echelon unité (échelon de Heaviside)
▶ Représentation :
▶ Modèle de signal :
1 si t ≥ 0
u(t) =
0 ailleurs.
▶ L’échelon est utilisé couramment pour rendre causal un
signal non causal, s(t), via la multiplication
x (t) = s(t)u(t).
▶ La réponse d’un système à une entrée de type échelon est
appelée réponse indicielle.
21/32
Signaux Usuels
Rampe unité
▶ Représentation :
▶ Modèle de signal :
t si t ≥ 0
r (t) =
0 ailleurs.
22/32
Signaux Usuels
Fenêtre rectangulaire (signal porte)
▶ Représentation :
▶ Modèle de signal :
L L
1
si − ≤t<
ΠL (t) = 2 2
0 ailleurs.
▶ La fenêtre rectangulaire permet de convertir un signal à
support temporel infinie, s(t), en un signal à support
temporel fini via la multiplication x (t) = ΠL (t) × s(t).
23/32
Signaux Usuels
Fenêtre triangulaire
▶ Modèle de signal : ▶ Représentation :
|t|
1 −
si − L ≤ t < L
∆L (t) = L
0 ailleurs.
▶ La fenêtre triangulaire permet de convertir un signal à
support temporel infinie en un signal à support temporel
fini.
24/32
Signaux Usuels
Impulsion de Dirac (distribution de Dirac)
▶ Soit hL (t) une fenêtre de
▶ Exemple
support temporel 1
L L (hL (t) = ΠL (t)) :
[− , ] et d’aire L
2 2
unitaire. L’impulsion de
Dirac peut être
construite à partir de la
limite :
δ(t) = lim hL (t) Cas où L = 2.
L−→0
25/32
Signaux Usuels
Impulsion de Dirac (distribution de Dirac)
▶ Soit hL (t) une fenêtre de
▶ Exemple
support temporel 1
L L (hL (t) = ΠL (t)) :
[− , ] et d’aire L
2 2
unitaire. L’impulsion de
Dirac peut être
construite à partir de la
limite :
δ(t) = lim hL (t) Cas où L = 1.
L−→0
26/32
Signaux Usuels
Impulsion de Dirac (distribution de Dirac)
▶ Soit hL (t) une fenêtre de
▶ Exemple
support temporel 1
L L (hL (t) = ΠL (t)) :
[− , ] et d’aire L
2 2
unitaire. L’impulsion de
Dirac peut être
construite à partir de la
limite :
δ(t) = lim hL (t) Cas où L = 0.1.
L−→0
27/32
Signaux Usuels
Impulsion de Dirac
▶ Modèle de signal :
▶ Représentation :
+∞ si t = 0
δ(t) =
0 ailleurs.
sous la contrainte
Z ∞
δ(t)dt = 1
−∞
▶ L’impulsion de Dirac δ(t) est une distribution (ce n’est
pas une fonction au sens classique).
▶ La réponse d’un système à une impulsion de Dirac est
appelée réponse impulsionnelle. 28/32
Signaux Usuels
Impulsion de Dirac : Propriétés
▶ Lien avec l’échelon unité :
du(t)
= δ(t)
dt
▶ Échantillonnage des signaux : :
s(t)δ(t − t0 ) = s(t0 )δ(t − t0 )
Z ∞
s(t)δ(t − t0 )dt = s(t0 )
−∞
29/32
Signaux Usuels
Sinusoïde
▶ Modèle de signal :
▶ Représentation :
s(t) = a × sin(ω0 t + φ)
▶ ω0 = 2πf0 désigne la
pulsation (en rad/s)
et f0 désigne la
fréquence (en Hz).
▶ a désigne l’amplitude,
▶ φ désigne la phase
(en rad).
▶ Le signal s(t) est T0 -périodique avec T0 = 1/f0 (en s).
▶ Il est possible de décomposer s(t) en une somme de deux
30/32
exponentielles complexes.
Signaux Usuels
Exponentielle Complexe (Rappels)
▶ Modèle de signal : z(t) = ce jω0 t
△
où c ∈ C et e jθ = cos(θ) + j sin(θ).
▶ Propriétés :
▶ Complexe conjugué : z ∗ (t) = c ∗ e −jω0 t
▶ Module : |z(t)|= z(t)z ∗ (t) = |c|
p
▶ Argument : arg[z(t)] = ω0 t + arg[c]
▶ Lien avec le sinus/cosinus :
△
▶ Si c = ae jφ avec a > 0, alors
z(t) = a(cos(ω0 t + φ) + j sin(ω0 t + φ))
z(t) + z ∗ (t)
a cos(ω0 t + φ) = Re(z(t)) =
2
z(t) − z ∗ (t)
a sin(ω0 t + φ) = Im(z(t)) =
2j 31/32
Signaux Usuels
Peigne de Dirac
▶ Représentation :
▶ Modèle de signal :
∞
X
pT0 (t) = δ(t − nT0 )
−∞
▶ T0 désigne la période
(en s).
▶ Ce peigne représente l’opérateur d’échantillonnage à la
cadence T0 , car le produit s(t) × pT0 (t) correspond au
prélèvement régulier d’une suite d’échantillons espacés de
T0 secondes.
32/32