Analyse et Traitement du Signal
Transcription
Analyse et Traitement du Signal
Analyse et Traitement du Signal Licence Pro CIM Janvier 2017 Michèle ROMBAUT 2/16 Traitement du signal Licence Pro CIM Chapitre 1 : Mesure et signal 1.1. Mesure physique Capteur -> Conditionnement -> donne une grandeur électrique Grandeur électrique : souvent une tension entre Vmin et Vmax Exemple : capteur mesure une grandeur physique P Tension Vmax Vmin Grandeur physique En général, utilisation dans la zone linéaire Tension Vmax Vmin Dans la partie linéaire, Grandeur physique ΔV =K K : constante. ΔP Exercice 1 : Un capteur de fonctionnement linéaire mesure une température T entre 10° et 30°. La tension V image de la température varie entre 0V et 5V. - Quelle température est mesurée si on obtient une tension de sortie de 3,2V ? - Si la température est de 12,6°, quelle tension obtient-on ? 1.2. Codage numérique de la mesure Utilisation par un ordinateur -> transformation en grandeur numérique. Nombre dans un ordinateur = codage binaire (0, 1). Chaque chiffre : Bit = Binary Digit Codage binaire : puissance de 2 (équivalent aux puissance de 10 en décimal). 3/16 Traitement du signal Licence Pro CIM Exercice 2 : - Donner les 11 premières valeurs des puissance de 2, de 20 à 210 ainsi que les valeurs de 215 et 216 - Donner la valeur décimale du nombre binaire 10011010. - Donner la valeur binaire du nombre décimal 193 Les nombres binaires sont difficiles à manipuler : utilisation de nombre hexadécimaux. Chiffres : 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, A, B, C, D, E, F Un chiffre hexadécimal = regroupement de 4 chiffres binaires. Exercice 3 : - Donner le codage binaire des 16 chiffres hexadécimaux sur 4 bits - Donner la valeur binaire du nombre (3FC)H - Donner la valeur décimale du nombre (3FC)H - Donner la valeur hexadécimale du nombre décimal 193 1.3. Conversion analogique/numérique Mesure (analogique = valeurs continues) : tension à transformer en grandeur numérique (valeurs discrètes). Utilisation d'un convertisseur Analogique/Numérique. Caractéristiques du convertisseur : - Résolution : nombre de bits - Temps de conversion (horloge interne ou externe) - Impédance d'entrée - Tensions de référence Vmin et Vmax Définir la règle de conversion (linéaire) Définir la précision (quantum) Exercice 4 : Un capteur de fonctionnement linéaire mesure une température T entre 10° et 30°. La tension V image de la température varie entre 0V et 5V. Celle-ci est convertie en nombre N par un convertisseur A/D de 8 bits. - Quelles sont les règles de conversion en tension et en température de ce convertisseur ? - Quelle précision peut-on atteindre en tension et en température ? - Quelle température est mesurée si on obtient un nombre de sortie de (3F)H ? - Si la température est de 12,6°, quel nombre hexadécimal obtient-on ? - Quelles réponses obtient-on si on utilise un convertisseur de 10 bits ? Le convertisseur utilisé en TP est celui de la carte d'acquisition NI-DAQ 9205. Exercice 5 : Étudier les caractéristiques du convertisseur A/N disponible sur cette carte. Quel quantum de tension peut-on obtenir en fonction des calibres de mesure ? Faire le TP 1 4/16 Traitement du signal Licence Pro CIM Chapitre 2 : Représentation d'un signal 2.1. Représentation temporelle Signal temporel évolue dans le temps : fonction continue dans le temps. Exemple : sinusoïde s (t)=A . sin( ω t+ϕ) Machine informatique : valeurs discrètes de la fonction aux instants d'échantillonnage. Signal temporel discrétisé : Instant de départ t 0 , pas d'échantillonnage T e=Δ t , vecteur de données S de dimension finie (N échantillons). Rappel relations période, fréquence, pulsation : - Période T e : temps entre deux échantillons (s) 1 - Fréquence F e= (Hz) Te 2π - Pulsation ωe =2 π . Fe = (rd/sec) Te Remarque : le signal temporel discrétisé correspond au signal temporel continu multiplié par un peigne de Dirac (vu en Math). L'acquisition d'un signal nécessite de configurer un certain nombre de paramètres : - Fréquence d'échantillonnage - Nombre d'échantillons On peut ensuite en déduite la largeur de la fenêtre d'observation T et la période d'échantillonnage Te Exercice 1 : Un signal est échantillonné à la fréquence de 1 KHz, sur 5000 échantillons. Quel est le temps entre deux échantillons ? Quelle est la largeur de la fenêtre d'observation ? On souhaite acquérir un enregistrement d'un signal périodique de période 1,5sec, sur 3 périodes et avoir 20 points par périodes. Comment configurer F e et N ? Faire la première partie du TP 2. 2.2. Représentation fréquentielle Signaux peuvent être représentés dans le temps (humain : capteur visuel) ou en fréquence (humain : capteur auditif). Quelque soit la représentation : même signal. Dans le temps : représentation à tous les instants des valeurs qui participent à la construction du signal En fréquence : représentation à toutes les fréquences des valeurs qui participent à la construction du signal. 5/16 Traitement du signal Licence Pro CIM 2.2.1. Signaux périodiques Signal périodique = signal qui se répète dans le temps. s (t+ T )=s(t) où T est la période (plus petite valeur de temps pour laquelle la propriété est vraie). 1 Fréquence fondamentale F0 = (Hz). T Exercice 2 : Déterminer la fréquence fondamentale des signaux représentés ci-dessous. Théorème de Fourier : Un signal périodique peut s'écrire comme la somme de signaux sinusoïdaux de fréquences Fn multiples de la fréquence fondamentale F0 → décomposition en série de Fourier. Coefficients de Fourier ( an et bn ) : coefficients de chacune des sinusoïdes. Les autres harmoniques sont multiples de F0 ( Fn =n F0 ). ∞ s (t )=a0 + ∑ [ an . cos (2 π n F0 t )+b n . sin(2 π n F 0 t )] n=1 a0 : valeur moyenne a1 et b1 : coefficients de la première harmonique F0 (fondamentale) 6/16 Traitement du signal Licence Pro CIM Représentation de signal carré par ses premières harmoniques. La première représentation ne comporte que l'harmonique fondamentale, à la même fréquence que le signal carré. Sur les trois représentations suivantes, on a jouté successivement les harmoniques 3, 5 et 7. On voit que le signal se rapproche de plus en plus du signal carré. Représentation unilatérale Spectres : représentations du signal dans l'espace fréquentiel (deux courbes) : - abscisse : fréquences Fn ou numéro d'échantillon n en fréquence - ordonnée : coefficients an et bn des cosinus et sinus. L'échantillon n correspond à la fréquence Fn =F0 ×n où F0 est le fréquence fondamentale du signal. On retrouve toutes les fréquences qui participent à la construction du signal (harmoniques Fn =n F0 ) sous forme de raies correspondant aux coefficients de Fourier. Cette représentation est peu utilisée. Soit le signal s défini par s (t)=3+sin(2 t)+1,5 cos(4 t )+0,5 sin( 4 t)+2 cos (8 t) . Quelle est la fréquence fondamentale de ce signal ? Quelle est la valeur moyenne ? Représenter ses deux spectres an et bn . Représentation bilatérale Représentation complexe (rappel de math) : (i 2 π f t ) r .e =r . cos(2 π f t)+i. r .sin (2 π f t) où ℜ(e(i2 π f t ) )=cos(2 π f t) ℑ(e(i 2 πf t) )=sin (2 π f t) Le signal est vu comme une somme de fonctions complexes : ∞ s (t)= ∑ S(n F 0). e2 π i n F t 0 n=−∞ Les coefficients S (n F 0) sont complexes. Ils sont représentés soit par les parties réelle et imaginaire, soit par le module |S(n F 0)| et la phase Arg (S(n F 0 )) . Ces spectres sont composés de fréquences « positives » et « négatives » multiples de F0 . Si la fonction périodique est paire, la partie imaginaire est nulle. Si la fonction est impaire, c'est la partie réelle qui est nulle. Le spectre de module est pair (symétrie par rapport à l'axe des ordonnées), celui de la phase est 7/16 Traitement du signal Licence Pro CIM impair. Exemple de spectre : Signal sinusoïdal de fréquence 100Hz et d'amplitude 3V, échantillonné à la fréquence Fe = 1kHz sur N = 200 points. 2.2.2. Généralisation aux signaux non-périodiques Si la période T du signal périodique devient infiniment grande, le pas entre deux harmoniques devient infiniment petit. Les coefficients de Fourier deviennent l'expression d'une fonction continue de f : c'est la transformée de Fourier. Transformée de Fourier (TF) : représentation fréquentielle d'un signal temporel, fonction complexe en fonction de la fréquence f. Rappel de Math Soit un signal s (t) décrit dans le temps, S ( f )=TF(s (t)) Soit un signal S ( f ) décrit en fréquence, s (t)=TF−1 ( S(f )) Les spectres de s (t) représentent : - la partie réelle et la partie imaginaire - le module et l'argument Ils sont définis pour f de −∞ à +∞ Exercice 3 : Retrouver sur le WEB ou dans des livres, l'expression de transformées de Fourier « classiques » : - fonctions périodiques : cosinus, triangle, carré, train d'impulsion, signal redressé simple ou double alternance - fonctions non périodiques : porte, Dirac, sinus cardinal Faire la deuxième partie du TP 2 8/16 Traitement du signal Licence Pro CIM Chapitre 3 : Signal, discrétisation et représentation spectrale Le traitement numérique du signal nécessite que : - l'amplitude du signal soit discrétisée (vu au chapitre 1) - le signal soit échantillonné - le temps d'observation soit limité - l'amplitude des fréquences composant le signal soit discrétisée - les fréquences soient échantillonnées - l'amplitude des fréquences observées soit limitée Ces contraintes induisent des effets qu'il est indispensables de prendre en compte lors du traitement des signaux. 3.1. Effet de la discrétisation temporelle du signal L'échantillonnage correspond à la multiplication du signal s(t) avec un Peigne de Dirac de fréquence Fe (fréquence d'échantillonnage). Cela se traduit par s e (t)=s( t). +∞ ∑ k=−∞ δ (t−kT e ) La transformée de Fourier de ce signal échantillonné donne le spectre S e (f )=F e . +∞ ∑ k=−∞ S( f −kF e ) Cela correspond à une recopie du spectre S(f) qui est centré en 0, sur les multiples de la fréquence Fe (Fe, 2 Fe, 3 Fe, ...). Théorème de Shannon : Fe ≥2. f max Si ce théorème est respecté, pas d'empiétement des spectres. Exemple d'un spectre brut : Spectre brut d'un signal carré d'amplitude 3V, de fréquence 10Hz, échantillonné à 1000Hz sur 200 échantillons. Labview : Transformée de Fourier Rapide (FFT) Transformée de Fourier Inverse Exercice 1 : Soit le signal s (t)=3cos (ω 0 t)+2 sin(3 ω 0 t)+5 cos (5 ω0 t ) où ω0=100 rd /s . A quelle fréquence Fe peut-on échantillonner ce signal ? 9/16 Traitement du signal Licence Pro CIM Repliement de spectre Si le théorème de Shannon n'est pas respecté, c'est à dire que certaines fréquences de la transformée de Fourier sont plus grandes que Fe /2 , alors elles réapparaissent à des valeurs de fréquences plus petites (fréquences fantômes). C'est le « repliement de spectre » (folding, aliasing). Effet stroboscopique. Signaux réels, le spectre est très étendu. Nécessité d'utiliser un filtre passe-bas analogique avant échantillonnage du signal. Exercice 2 : Une sinusoïde s(t) de fréquence n0 est échantillonnée à la fréquence νe =1,25 ν0=5 /4 ν0 Quelle est la période d'échantillonnage T e ? Placer les échantillons. Donner le graphique de son spectre. Le signal est filtré par un passe bas idéal de fréquence de coupure nc =ne -n0 +e Tracer la fonction reconstruite après filtrage. mesure 1,5 1 0,5 0 -0,5 -1 -1,5 3.2. Transformée de Fourier discrète Calcul de la transformée de Fourier par un ordinateur : - N échantillons de temps s e : signal tronqué (multiplication par une porte) N−1 s e (t)= ∑ s(t ). δ(t−kT e ) k=0 - N échantillons en fréquence S m : Transformée de Fourier Discrète N −1 F S m (f )= ∑ S (f ).δ (f −m e ) N m=0 10/16 Traitement du signal Licence Pro CIM Correspondance entre deux suites de N termes : T =N .T e =N / F e avec T : taille de la fenêtre temporelle, Δ f le pas de fréquence. F e=N . Δ f =N /T Exercice 3 : Supposons qu’un signal de parole s(t) ait été échantillonné à n e =12KHz , et que l’on prélève un bloc de 1024 échantillons pour le traitement. La transformée de Fourier discrète Sm(k) de ce signal contient des pics à : k Î{40,100,924,984} Où sont les principales fréquences du signal (en Hz) ? Combien y en a-t-il ? Effet du fenêtrage Le signal est observé dans une fenêtre temporelle finie. Si la fenêtre temporelle ne correspond pas à un nombre entier de périodes du signal → distorsion du spectre. Exercice 4 : Soit un signal s(t) de fréquence 30Hz, échantillonné à 1kH sur 500 échantillons. Combien de périodes seront disponibles ? Même question si le signal a une fréquence de 31Hz. Le fenêtrage induit la présence de sinus cardinal. Si l'échantillonnage est fait sur un nombre entier de périodes du signal, les lobes latéraux du sinus cardinal ne génèrent pas de raies. Sinus cardinal 1,2 1 0,8 0,6 0,4 0,2 0 Spectre continu Le problème est que, souvent, on ne connaît pas exactement la fréquence du signal à observer. 11/16 Traitement du signal Licence Pro CIM Signal à 30Hz Signal à 31Hz Pour limiter cet effet, on peut utiliser un fenêtrage différent de la porte (multiplication par 0 ou par 1). Signal à 31Hz avec fenêtre de Hamming (pondération des échantillons). Pour avoir une meilleure précision sur le spectre lorsque qu'on ne dispose qu'un nombre fixe d'échantillons échantillonnés à une fréquence fixe Fe , on peut compléter l'enregistrement par des Zéros → Δ f plus petit. Mais cela induit de nouveau une distorsion du spectre. L'échantillonnage a aussi pour effet de multiplier l'amplitude de la valeur du spectre par N. 3.3. Représentation des spectres Soit deux signaux réels x(t) et y(t). 3.3.1. Rappels sur la puissance Puissance instantanée de x(t) : +∞ Énergie de x(t) : 2 p(t)=x (t) en Watts (W) 2 E x =∫ x (t) dt en Joules (J) −∞ Puissance moyenne totale de x(t) : +T /2 1 Px =lim ∫ s 2 (t)dt T → ∞ T −T / 2 Remarques : Quand l'énergie est finie, la puissance moyenne est nulle. 12/16 Traitement du signal Licence Pro CIM Quand la puissance est finie, la valeur efficace est la racine carrée de la puissance. N Pour un signal discret E x =∑ xi2 i=0 Puissance instantanée d’interaction entre x(t) et y(t) : pxy (t)=x (t) . y (t) +T / 2 Puissance moyenne d'interaction entre x(t) et y(t) : 1 Pxy =lim ∫ x (t). y (t)dt T →∞ T −T /2 Exercice 5 : Entre les signaux Porte et Carré, lequel est à énergie finie et lequel est à puissance finie ? 3.3.2. Énergie et puissance dans l'espace fréquentielle On pose X ( f )=TF (x( t)) et Y ( f )=TF( y ( t)) Signaux à puissance nulle Densité spectrale d'énergie : S xx (f ) est la transformée de Fourier de la fonction d'autocorrélation. Elle est égale à S xx( f )=X (f ). X (f )=|X (f )|2 : redistribution de l'énergie sur l'axe des fréquences. +∞ +∞ N −∞ j=0 2 Énergie de X(f) : E x =∫ | X ( f )| df =∫ S xx (f )df . Pour un signal discret E x =∑ | X j| 2 −∞ Énergie E x est la même dans le temps et en fréquence (théorème de Parseval) Densité interspectrale d'énergie : S xy (f )=X (f ).Y (f ) et S yx (f )=Y (f ) . X ( f ) Théorème de Parseval : ∞ ∞ ∫ |x (t)|. y (t) dt=−∞ ∫ |X (f )|. Y (f ) dt −∞ Signaux à puissance moyenne non nulle Densité spectrale de puissance : S xx (f ) est la transformée de Fourier de la fonction d'autocorrélation. 3.3.3. Représentation des spectres Soit un signal x (t)= A 0+ A 1 sin(2 π f 1 t+ϕ) Spectre d'amplitude bilatéral ou spectre linéaire bilatéral. Un raie à 0 de valeur A 0 et deux raies à +f 1 et −f 1 d'amplitude Permet la visualisation de la phase des composantes. Unité : U RMS (Root Mean Square) A 1 /2 Spectre de puissance bilatéral Puissance du signal contenue dans l'échantillon Un raie à 0 de valeur A 20 et deux raies à +f 1 et −f 1 d'amplitude A 21 /4 (carré du spectre d'amplitude) Ne permet pas la visualisation de la phase des composantes. Unité : U 2RMS 13/16 Traitement du signal Licence Pro CIM Spectre de puissance unilatéral Déduit du spectre bilatéral en « repliant » les spectre des valeurs négatives sur celui des valeurs positives Un raie à 0 de valeur A 20 et une raie à +f 1 d'amplitude A 21 /2 . Unité : U 2RMS Labview : Spectre de puissance Spectre d'amplitude unilatéral Déduit du spectre de puissance uni-latéral en considérant la racine carrée de la puissance de chacune des raies. Un raie à 0 de valeur A 0 et une raie à +f 1 d'amplitude A 1 / √ 2 . Unité : U RMS Labview : Spectre amplitude-phase Densité spectrale de Puissance (DSP) Est utilisée pour calculer la puissance dans une bande de fréquence Δ f En unilatéral ou en bilatéral, on divise l'amplitude du spectre de puissance bilatéral par la résolution fréquentielle Δ f . Unité : U 2RMS /Hz Spectre d'énergie croisé : S xy (f )= X (f ).Y (f ) et S yx (f )=Y (f ). X (f ) Spectre unilatéral qui donne l'énergie commune sur les fréquences. Fréquence du carré : 10Hz Fréquence de la sinusoïde : 30Hz 14/16 Traitement du signal Licence Pro CIM Chapitre 4 : Traitement numérique du signal Le traitement du signal se fait essentiellement à l'aide de filtres : - entrée x (t) ou x k - sortie y (t) ou y k N Filtre non-récursif : y k =∑ ai . x k −i i=0 Filtre récursif : N N i=0 j=0 y k =∑ ai . x k−i −∑ bi . y k− j Réponse impulsionnelle : ensemble des hi tels que hi= y i si x 0=1 et Si l'ensemble des hi non nul est fini, la réponse impulsionnelle est finie. x i=0 ∀ i≠0 N Filtres à réponse impulsionnelle finie (Filtre RIF) : y k =∑ hi. x k−i i=0 N domaine de l’existence de la réponse impulsionnelle. Filtres à réponse impulsionnelle infinie (Filtre IIF) : N N i=0 j=0 y k =∑ ai . x k−i −∑ bi . y k− j 4.1. Lissage temporel Moyenne temporelle Moyenne sur fenêtre glissante d'ordre N. Peut être utile pour supprimer un bruit résiduel ou atténuation d'un bruit impulsif. Mais modifie le signal informatif. N 1 y k = ∑ x k−i N i=0 Méthode efficace pour des signaux lentement variables. Labview : on associe deux modules Coefficients du filtre de lissage (définition des paramètres de lissage) Filtre IIR Filtre médian Fenêtre de 2 N +1 , la valeur médiane y k est l'échantillon x k qui se trouve au milieu de l'ensemble ordonné de valeurs croissantes. Méthode efficace pour conserver les variations rapides mais supprime les impulsions courtes. Labview : Fitre médian (définition de la fenêtre) Exercice 5 : Soit un signal d'entré s = [1, 2, 6, 5, 4, 2, 3, 1, 6 ,8] Déterminer le signal de sortie pour N = 2 si on applique un filtre moyenne, un filtre médian 15/16 Traitement du signal Licence Pro CIM 4.2. Filtrage numérique fréquentiel Consiste à éliminer certaines fréquences tout en maintenant aussi constantes que possibles les fréquences informatives. Filtres passe-bas, passe-haut, passe-bande, coupe-bande. Peuvent être réalisés en analogique ou en numérique. Avantage des filtres numériques : - réalisation de fonctions complexes irréalisables en continu - caractéristiques proches de celles du filtre idéal (pente infinie, pas d'atténuation dans la bande passante) - Modification de la valeur du filtre par modification des tables de coefficients du filtre - invariance du filtre dans le temps et en fonction des composants. Labview : il existe plusieurs types de filtres, par exemple Filtre de Butterworth Filtre de Tchebychev 4.3. Analyse harmonique L'analyse harmonique permet d'extraire les informations fréquentielles intéressantes du signal : - fréquence fondamentale - l'amplitude des harmoniques - la distorsion harmonique : rapport entre la somme de la moyenne quadratique (RMS) des harmoniques et l'amplitude de la fréquence fondamentale. Labview : Analyseur de distorsion harmonique Ce VI permet aussi de sélectionner la zone de fréquence de recherche et d'exporter un signal temporel extrait de l'original : - signal du fondamental - signal résiduel : signal initial moins le fondamental - l'ensemble des harmoniques (sans le bruit) - bruit et impulsions 16/16 Traitement du signal Licence Pro CIM