Traitement du signal

Système, Convolution et Filtrage

Pr. Khalid FAKHAR

Ingénierie des Systèmes d’Information et Big Data
École Nationale des Sciences Appliquées - Berrechid
Université Hassan 1er
Année 2025/2026
Qu’est-ce qu’un système ?

▶ On appelle système tout dispositif qui transforme un

signal d’entrée x (t) en un signal de sortie y (t)
▶ Défini par une transformation Ψ
y (t) = Ψ(x (t))

▶ Les systèmes ont pour but de modifier les propriétés des

signaux pris en entrée
1/28
Systèmes Linéaires et Invariants (SLI)

Un système est continu, linéaire et invariant dans le

temps si il respecte les 3 propriétés suivantes :

▶ Continu : La variable t est continue (signaux

analogiques).
▶ Linéarité : Si l’entrée est égale à α1 x1 (t) + α2 x2 (t), alors
la sortie est égale à α1 y1 (t) + α2 y2 (t).
▶ Invariant dans le temps (stationnaire) : Si l’entrée est
égale à x (t − τ ), alors la sortie est égale à y (t − τ ).

2/28
Systèmes continus SLI
Réponse du système
En utilisant les propriétés de l’impulsion de Dirac, il est
possible d’exprimer un signal continu x (t) sous la forme :
Z ∞
x (t) = x (u)δ(t − u)du
−∞
En utilisant la continuité et la linéarité du système, la
réponse à une entrée x (t) s’exprime sous la forme :
Z ∞
y (t) = Ψ[x (t)] = x (u)Ψ[δ(t − u)]du
−∞
Soit h(t) = Ψ[δ(t)] la réponse du système à une
impulsion de Dirac. L’invariance en temps impose que
Ψ[δ(t − u)] = h(t − u) et donc :
Z ∞ Z ∞
△
y (t) = x (u)h(t−u)du = h(u)x (t−u)du = (h∗x )(t)
−∞ −∞ 3/28
Systèmes continus SLI
Réponse du système
La sortie d’un système SLI, notée y (t), à une entrée
quelconque x (t) s’exprime sous la forme :
y (t) = (h ∗ x )(t)
Réponse impulsionnelle
La réponse impulsionnelle d’un système, notée h(t),
correspond à la sortie du système lorsque l’entrée est une
impulsion de Dirac.
▶ La réponse impulsionnelle correspond à l’"empreinte" du
système.
Produit de Convolution
Le produit de convolution est défini par :
Z ∞ Z ∞
(h ∗ x )(t) = x (u)h(t − u)du = h(u)x (t − u)du
−∞ −∞ 4/28
Produit de Convolution

Définition
Le produit de convolution est défini mathématiquement
par :
Z ∞ Z ∞
(h ∗ x )(t) = x (u)h(t − u)du = h(u)x (t − u)du
−∞ −∞

▶ L’intégration se fait par rapport à une variable

"muette" u qui n’apparait pas dans le résultat du
calcul. Le résultat est une fonction qui dépend du
temps t.
▶ Par abus de notation, nous utiliserons parfois
l’expression h(t) ∗ x (t).
5/28
Produit de Convolution

Exercice
Déterminer le produit de convolution suivant (x ∗ x )(t) où
x (t) est une porte de largeur L et d’amplitude A c-a-d :

L L

A

si − ≤t≤
x (t) = AΠL (t) = 2 2


0 ailleurs.

6/28
Produit de Convolution

Exercice (Solution)
Le produit de convolution s’exprime sous la forme
Z ∞
2
(x ∗ x )(t) = A ΠL (u)ΠL (t − u)du
−∞
▶ Avant de calculer le produit de convolution, il est
important de bien représenter les signaux ΠL (u) et
ΠL (t − u) en fonction de t et u.

7/28
Produit de Convolution

Exercice (Solution)
L L
▶ Cas où t + ≤− :
2 2
• Dans ce cas, nous avons t ≤ −L.
• Lorsque t ≤ −L, il n’y a pas d’intersection entre ΠL (u)
et ΠL (t − u).
• Cela implique que
(x ∗ x )(t) = A2 × 0 = 0
L L L L
▶ Cas où t + > − et t + ≤ :
2 2 2 2
• Dans ce cas, nous avons −L < t ≤ 0.
• Lorsque −L < t ≤ 0, il a intersection
 entre
 ΠL (u) et
L L
ΠL (t − u) dans l’intervalle − , t + .
2 2
• Cela implique que
Z t+ L2
(x ∗ x )(t) = A2 × 1 × 1du = A2 (t + L) 8/28
− L2
Produit de Convolution

Exercice (Solution)
L L L L
▶ Cas où t + > et t − ≤ :
2 2 2 2
• Dans ce cas, nous avons 0 < t ≤ L.
• Lorsque 0 < t ≤ L, il a intersection
 entre
 ΠL (u) et
L L
ΠL (t − u) dans l’intervalle t − , .
2 2
• Cela implique que
Z L2
(x ∗ x )(t) = A2 × 1 × 1du = A2 (−t + L)
t− L2

L L
▶ Cas où t − > :
2 2
• Dans ce cas, nous avons t > L.
• Lorsque t > L, il n’y a pas d’intersection entre ΠL (u) et
ΠL (t − u).
• Cela implique que
9/28
(x ∗ x )(t) = 0
Produit de Convolution

Exercice (Solution)
Le produit de convolution s’exprime sous la forme :

0


si t ≤ −L

 2 si − L < t ≤ 0


A (t + L)
(x ∗ x )(t) = 


 A2 (−t + L) si 0 < t ≤ L



0 si t > L

10/28
Produit de Convolution
Propriété (Théorème Fondamental de la Convolution)
Si y (t) = (h ∗ x )(t), alors nous obtenons dans le domaine
fréquentiel
Y (ν) = H(ν)X (ν)
▶ X (ν) = TF [x (t)] et Y (ν) = TF [y (t)] désignent les
Transformées de Fourier de x (t) et de y (t).
▶ H(ν) = TF [h(t)] est appelée fonction de transfert du
système.
Remarque
▶ Convoluer deux signaux dans le domaine temporel revient
à les multiplier dans le domaine fréquentiel −→ notion de
filtrage.
▶ (Dualité) : Multiplier deux signaux dans le domaine
temporel revient à les convoluer dans le domaine 11/28
fréquentiel.
Produit de Convolution (Propriétés)
Le produit de convolution est généralement assez difficile à
calculer. Pour simplifier les calculs, nous essayerons en priorité
d’utiliser ses propriétés.
▶ Commutativité
(x ∗ y )(t) = (y ∗ x )(t)
▶ Distributivité par rapport à la somme
(x ∗ (y + z))(t) = (x ∗ y )(t) + (x ∗ z)(t)
▶ Non distributivité par rapport au produit
x ∗ (y × z)(t) ̸= (x ∗ y )(t) × (x ∗ z)(t)
▶ Associativité
((x ∗ y ) ∗ z)(t) = (x ∗ (y ∗ z))(t) 12/28
Produit de Convolution (Propriétés)
Convolution avec une impulsion de Dirac
L’impulsion de Dirac est l’élément neutre du produit de
convolution x (t) ∗ δ(t) = x (t)

x (t) ∗ δ(t − τ ) = x (t − τ )

Décalage dans le temps

Soit z(t) = (x ∗ y )(t).
△ △
Si xτ1 (t) = x (t − τ1 ) et yτ2 (t) = y (t − τ2 ),
alors (xτ1 ∗ yτ2 )(t) = z(t − (τ1 + τ2 ))
▶ Pour τ = τ1 = τ2 ̸= 0,
(xτ ∗ yτ )(t) = z(t − 2τ ) ̸= z(t − τ ).

13/28
Exercice
TF d’un signal périodique
Soit m(t) un motif de forme quelconque dont le spectre M(ν)
est représenté ci-dessous :

En périodisant le motif m(t) à la période T0 , nous obtenons le

signal T0 -périodique xT0 (t) suivant :

14/28
Exercice
TF d’un signal périodique

▶ Exprimer le signal xT0 (t) sous la forme du produit de

convolution du motif m(t) par une fonction f (t) à
déterminer.
▶ En déduire X (ν) le spectre de xT0 (t).
▶ Etablir le lien entre M(ν), le spectre de m(t), et Cn les
coefficients de la DSF de xT0 (t).
15/28
Exercice

TF d’un signal périodique (Solution)

▶ En utilisant la propriété de convolution, nous obtenons :

y (t) = m(t − T0 ) = m ∗ δ(t − T0 )

16/28
Exercice
TF d’un signal périodique (Solution)

▶ En utilisant la propriété de convolution, nous obtenons :

y (t) = m(t − T0 ) = m ∗ δ(t − T0 )
▶ Par extension, nous obtenons (distributivité par rapport à
la somme) :
∞
X ∞
X
xT0 (t) = m(t − nT0 ) = m ∗ δ(t − nT0 )
n=−∞ n=−∞
∞
!
X
=m∗ δ(t − nT0 ) = m ∗ pT0 (t) 17/28
n=−∞
Exercice
TF d’un signal périodique (Solution)

▶ Nous obtenons finalement (convolution avec un peigne de

Dirac) :
∞
!
X
xT0 (t) = m ∗ δ(t − nT0 ) = m ∗ pT0 (t)
n=−∞

18/28
Exercice
TF d’un signal périodique (Solution)

▶ En fréquentiel, nous avons alors :

XT0 (ν) = M(ν) × PT0 (ν)

∞
1 n
X  
= M(ν) δ ν−
T0 n=−∞ T0
∞
1 X n
 
= M(ν)δ ν −
T0 n=−∞ T0

c-a-d
∞
1 X n n
 
XT0 (ν) = M( )δ ν −
T0 n=−∞ T0 T0

19/28
Exercice

TF d’un signal périodique (Solution)

▶ Lien avec la décomposition en série de Fourier : Pour un

signal périodique, nous avons :
∞
X
XT0 (ν) = Cn δ (ν − nf0 )
n=−∞

Par identification, nous trouvons :

1 n
Cn = M( )
T0 T0

20/28
Exercice

TF d’un signal périodique (Solution)

▶ Périodiser un signal revient à échantillonner sa

transformée de Fourier.

21/28
Exercice
TF d’un signal périodique (Solution)

▶ Périodiser un signal revient à échantillonner sa

transformée de Fourier.
▶ (Dualité : Echantillonner un signal revient à périodiser sa
transformée de Fourier !)
22/28
Filtre ?
▶ Les filtres jouent un rôle central en TS. L’information
utile est souvent dissimulée au sein d’un signal
▶ Le filtrage permettra d’extraire cette information utile
▶ Un filtre est souvent un système linéaire dont
▶ le rôle est de modifier le contenu spectral d’un signal
sans y ajouter de nouvelles composantes
▶ Il permet le renforcement ou l’atténuation d’une ou
plusieurs bandes de fréquences

23/28
Types de filtres idéaux

▶ Il y a 4 types de filtres idéaux : passe-bas, passe-haut,

passe-bande et coupe-bande
▶ Dans la majorité des cas, la réponse impulsionnelle h(t)
est réelle donc H(f ) possède une symétrie hermitienne : il
suffit donc d’observer les fréquences positives
▶ Les filtres idéaux agissent de façon binaire : soit ils
laissent passer totalement les fréquences (H(f ) = 1), soit
ils les suppriment complètement (H(f ) = 0)
▶ Pour chacun de ces filtres on définit la bande passante
comme l’intervalle des fréquences positives que le filtre
laisse passer

24/28
Filtre passe-bas idéal

25/28
Filtre passe-haut idéal

26/28
Filtre passe-bande idéal

27/28
Filtre coupe-bande idéal

28/28