Examen traitement du signal tds -Traitement de signal - Tél
Télécharger PDFQuestions Fréquentes en Traitement du Signal
1) Le signal périodique de période T…
Un signal périodique peut être représenté par une série de Fourier, sous certaines conditions (Dirichlet). Cette décomposition permet de décrire le signal comme une somme de sinusoïdes de fréquences harmoniques.
- a) est un signal déterministe
- b) peut être décrit exactement par une décomposition en Série de Fourier
- c) peut être décrit exactement par une Transformée de Fourier Discrète
- d) peut être décrit exactement par une Transformée de Fourier Intégrale (au sens des distributions)
Explication : La série de Fourier est l'outil fondamental pour analyser les signaux périodiques en les décomposant en une somme de sinusoïdes de fréquences harmoniques. Un signal périodique est par nature déterministe (son comportement est prévisible).
2) Un Dirac dans le domaine temporel δ(t-t₀) …
La fonction impulsion de Dirac est une distribution clé en traitement du signal, souvent utilisée pour modéliser des événements instantanés.
- a) possède un module constant unitaire dans le domaine fréquentiel
- b) permet de translater une fonction par multiplication scalaire
- c) permet de translater une fonction par convolution
- d) possède une phase linéaire dans le domaine fréquentiel
Explication : La propriété de translation par convolution est une caractéristique majeure de la fonction de Dirac : x(t) * δ(t-t₀) = x(t-t₀). De plus, la Transformée de Fourier de δ(t-t₀) est e-jωt₀. Son module est |e-jωt₀| = 1 (constant unitaire) et sa phase est -ωt₀ (linéaire), donc a) et d) sont également des propriétés vraies de sa transformée de Fourier.
3) Un peigne de Dirac dans le domaine temporel …
Le peigne de Dirac, une somme infinie d'impulsions de Dirac espacées, est essentiel pour comprendre l'échantillonnage.
- a) est également un peigne de Dirac dans le domaine fréquentiel
- b) permet de réaliser l’opération d’échantillonnage par produit scalaire dans le domaine temporel
- c) permet de périodiser un signal temporel à support borné par convolution dans le domaine temporel
- d) permet de réaliser l’opération de fenêtrage du signal
Explication : La Transformée de Fourier d'un peigne de Dirac dans le domaine temporel est un autre peigne de Dirac dans le domaine fréquentiel (principe de dualité, formule de sommation de Poisson). L'échantillonnage d'un signal continu x(t) consiste à le multiplier par un peigne de Dirac, ce qui donne un signal échantillonné.
4) La fonction porte Π(t) …
La fonction porte est une fonction rectangulaire valant 1 sur un intervalle donné et 0 ailleurs.
- a) peut être utilisée comme une fenêtre
- b) a une Transformée de Fourier périodique
- c) a une transformée de Fourier qui s’annule périodiquement
- d) possède une Transformée de Fourier réelle paire
Explication : La fonction porte est la plus simple des fonctions de fenêtrage (fenêtre rectangulaire). Sa Transformée de Fourier est une fonction sinus cardinal (sinc) qui est réelle et paire (car la fonction porte est réelle et paire) et qui s'annule périodiquement à des fréquences multiples de l'inverse de sa durée.
5) Le signal de sortie y(t) d’un filtre est égal :
La relation entre l'entrée et la sortie d'un système linéaire invariant dans le temps (LTI) est fondamentale en traitement du signal.
- a) à la transformée de Fourier du produit de convolution du signal d'entrée par la réponse impulsionnelle de ce filtre
- b) au produit de convolution du signal d'entrée par la réponse indicielle du filtre
- c) au produit de convolution du signal d'entrée par la réponse en fréquence du filtre
- d) au produit de convolution du signal d'entrée par la réponse impulsionnelle du filtre
Explication : Pour un système linéaire invariant dans le temps (LTI), le signal de sortie y(t) est obtenu par la convolution du signal d'entrée x(t) avec la réponse impulsionnelle h(t) du filtre : y(t) = x(t) * h(t).
6) À propos des filtres analogiques :
Les filtres analogiques jouent encore un rôle crucial, souvent en tant que pré-filtres ou modèles pour la conception numérique.
- a) Avec l'essor du filtrage numérique, les filtres analogiques ne sont plus nécessaires
- b) La fonction de transfert d'un filtre analogique peut servir de modèle pour la réalisation des filtres à réponse impulsionnelle finie (RIF)
- c) Les filtres analogiques peuvent servir de modèle pour réaliser des filtres récursifs
- d) Les filtres analogiques ont un spectre continu
Explication : Les filtres analogiques, par leur nature récursive et leur réponse impulsionnelle infinie (RII), servent de prototypes pour la conception de filtres numériques IIR (récursifs) via des transformations comme la transformation bilinéaire. Ils sont aussi essentiels, par exemple comme filtres anti-repliement avant l'échantillonnage.
7) Un Filtre Linéaire Invariant Discret (FLID) décrit par un modèle ARMA :
Les modèles ARMA (AutoRégressif à Moyenne Mobile) sont couramment utilisés pour la modélisation et la conception de filtres numériques.
- a) est nécessairement non récursif
- b) possède une Réponse Impulsionnelle finie
- c) possède une fonction de transfert en z dont le dénominateur est 1.
- d) Aucune réponse ne convient
Explication : Un FLID ARMA est généralement récursif à cause de sa partie AR et possède une Réponse Impulsionnelle Infinie (RII). Sa fonction de transfert en z a un dénominateur qui n'est généralement pas constant.
8) Un FLID ARMA est réalisable si :
La réalisabilité et la stabilité sont des critères essentiels pour la conception de systèmes.
- a) tous les pôles de sa fonction de transfert en z sont à partie réelle négative
- b) tous les pôles de sa fonction de transfert en p (Laplace) sont à l’intérieur du cercle unité
- c) tous les pôles de sa fonction de transfert en z sont à l’intérieur du cercle unité
- d) tous les zéros de sa fonction de transfert en z sont à l’intérieur du cercle unité
Explication : Pour qu'un filtre numérique soit stable et causal, tous les pôles de sa fonction de transfert en z doivent être strictement à l'intérieur du cercle unité du plan z (c'est-à-dire |p| < 1).
9) Un filtre analogique d’ordre N possède :
L'ordre d'un filtre est une mesure de sa complexité et de sa capacité à façonner le spectre.
- a) une FT en p (Laplace) dont le numérateur est un polynôme d’ordre N
- b) une FT en p (Laplace) dont le dénominateur est un polynôme d’ordre N
- c) une FT en p (Laplace) avec N zéros
- d) un numérateur dont le polynôme est d’ordre supérieur ou égal au polynôme du dénominateur
Explication : L'ordre N d'un filtre analogique (défini par sa fonction de transfert H(p) dans le domaine de Laplace) correspond au degré du polynôme de son dénominateur. Le nombre de pôles est égal à l'ordre N.
10) Un FLID ARMA d’ordre N possède :
La description d'un filtre ARMA par son équation aux différences est très illustrative de son fonctionnement.
- a) une FT en Z dont le numérateur et le dénominateur sont des polynômes en z-k
- b) une sortie y[n] qui dépend des x[n-k] et y[n-k] pour k allant jusqu'à N
- c) une RI h[n] = 0 pour n > N
- d) une EDF comprenant au maximum 2N+2 termes
Explication : Un filtre ARMA d'ordre N est caractérisé par une équation aux différences où la sortie y[n] dépend des entrées actuelles et passées x[n-k] et des sorties passées y[n-k], avec des retards allant jusqu'à N (si N est le maximum des ordres AR et MA). Il a typiquement une réponse impulsionnelle infinie (RII), donc c) est faux.
11) Un filtre de modèle ARMA avec une fonction de transfert en Z dont le polynôme du numérateur est d’ordre P et le polynôme du dénominateur d’ordre N possède :
Les pôles et zéros sont cruciaux pour l'analyse de la stabilité et de la réponse en fréquence d'un filtre.
- a) P pôles
- b) P zéros
- c) N pôles
- d) N zéros
Explication : Dans une fonction de transfert H(z) = Num(z) / Den(z), les racines du numérateur Num(z) sont les zéros du filtre, et les racines du dénominateur Den(z) sont les pôles. Par conséquent, un polynôme de numérateur d'ordre P donne P zéros, et un polynôme de dénominateur d'ordre N donne N pôles.
12) Un filtre de modèle ARMA avec une fonction de transfert en Z dont le polynôme du numérateur est d’ordre P et le polynôme du dénominateur d’ordre N possède :
La décomposition en séries de Laurent est liée aux différentes régions de convergence d'une fonction de transfert.
- a) N séquences possibles en séries de Laurent
- b) N+1 séquences possibles en séries de Laurent
- c) N+P séquences possibles en séries de Laurent
- d) Max(N,P) séquences possibles en séries de Laurent
Explication : Pour une fonction de transfert avec N pôles distincts, il existe N+1 régions de convergence (ROC) possibles dans le plan z. Chaque ROC correspond à une unique séquence de réponse impulsionnelle (causale, anti-causale ou non-causale).
13) Une fonction de transfert en Z d’un filtre AR avec un seul pôle correspond à une RI :
Les filtres AR (AutoRégressifs) sont des filtres IIR (Réponse Impulsionnelle Infinie).
- a) dont la séquence est causale si |z| < |p|
- b) dont la séquence est causale si |z| > |p|
- c) infinie
- d) finie
Explication : Un filtre AR, par définition, est un filtre RII (Réponse Impulsionnelle Infinie) car sa fonction de transfert comporte des pôles (hors de l'origine). Pour un système causal, la région de convergence (ROC) doit être l'extérieur du cercle défini par le pôle de plus grand module. Pour un seul pôle p, la ROC causale est donc |z| > |p|.
14) Une fonction de transfert en Z d’un filtre AR dont le pôle unique est (1 + 3i)/4 possède une RI :
La convergence et la stabilité d'un filtre sont déterminées par la position de ses pôles par rapport au cercle unité.
- a) anti-causale convergente
- b) causale convergente
- c) anti-causale divergente
- d) causale divergente
Explication : Le pôle est p = (1 + 3i)/4. Son module est |p| = |1 + 3i| / 4 = sqrt(1² + 3²) / 4 = sqrt(10) / 4 ≈ 0.79. Puisque |p| < 1, le pôle est à l'intérieur du cercle unité. Une réponse impulsionnelle causale correspond à une ROC |z| > |p|. Comme |p| < 1, cette ROC inclut le cercle unité |z|=1, ce qui assure la convergence (et la stabilité).
15) Une fonction de transfert en Z d’un filtre AR dont le pôle unique est 1 + 3i possède une RI :
Un pôle en dehors du cercle unité indique des comportements spécifiques pour la réponse impulsionnelle.
- a) anti-causale convergente
- b) causale convergente
- c) anti-causale divergente
- d) causale divergente
Explication : Le pôle est p = 1 + 3i. Son module est |p| = sqrt(1² + 3²) = sqrt(10) ≈ 3.16. Puisque |p| > 1, le pôle est à l'extérieur du cercle unité. Une réponse impulsionnelle causale (ROC |z| > |p|) n'inclurait pas le cercle unité, elle serait donc divergente. Une réponse impulsionnelle anti-causale (ROC |z| < |p|) inclurait le cercle unité (car |z| < sqrt(10) contient |z|=1), elle serait donc convergente (et stable).
16) Une fonction de transfert en Z d’un filtre AR dont le pôle unique est 1 + 3i est :
La stabilité d'un filtre numérique est directement liée à la position de ses pôles et de la région de convergence.
- a) stable sur son domaine causal
- b) instable sur son domaine causal
- c) stable sur son domaine anti-causal
- d) instable sur son domaine anti-causal
Explication : Comme établi précédemment, pour le pôle p = 1 + 3i, dont le module est |p| > 1 :
- La région de convergence (ROC) pour une réponse causale est |z| > |p|. Cette ROC n'inclut pas le cercle unité (|z|=1), donc le système est instable en causalité.
- La ROC pour une réponse anti-causale est |z| < |p|. Cette ROC inclut le cercle unité (|z|=1), donc le système est stable en anti-causalité.
17) Dans une série de Fourier, le premier terme (a₀ ou c₀) correspond à :
Les coefficients de Fourier révèlent des caractéristiques importantes du signal.
- a) La fréquence d’échantillonnage
- b) La fréquence de coupure
- c) La moyenne du signal
- d) La composante continue du signal
Explication : Le premier terme (a₀ ou c₀) de la série de Fourier représente la valeur moyenne du signal sur une période, également connue sous le nom de composante continue (DC - Direct Current).
18) Dans une série de Fourier, le deuxième terme (a₁ ou c₁) correspond à :
Le deuxième terme est le plus significatif après la composante continue.
- a) La fréquence d’échantillonnage
- b) La fréquence de coupure
- c) La fréquence fondamentale du signal
- d) La composante continue du signal
Explication : Le deuxième terme (a₁ ou c₁) est associé à la fréquence fondamentale du signal périodique, c'est-à-dire la fréquence la plus basse (non nulle) présente dans le spectre du signal.
19) Dans une série de Fourier, les termes au-delà du 2ème terme (a₃ … ou c₃ …) correspondent à :
Les termes d'ordre supérieur enrichissent la description spectrale du signal.
- a) aux repliements spectraux
- b) aux harmoniques
- c) aux multiples de la fréquence du signal
- d) au bruit du signal
Explication : Les termes (aₙ ou cₙ) pour n > 1 correspondent aux harmoniques du signal, qui sont des multiples entiers de la fréquence fondamentale. Ils décrivent la forme et la richesse spectrale du signal.
20) Un signal discret dans le domaine temporel est :
La dualité temps-fréquence est différente pour les signaux discrets.
- a) discret dans le domaine fréquentiel
- b) purement réel dans le domaine fréquentiel
- c) périodique dans le domaine fréquentiel
- d) pair dans le domaine fréquentiel
Explication : La Transformée de Fourier d'un signal discret (DTFT - Discrete-Time Fourier Transform) est une fonction continue et périodique dans le domaine fréquentiel, avec une période égale à la fréquence d'échantillonnage normalisée (2π ou 1, selon la normalisation). Elle est continue, pas discrète.
21) La FFT d’un signal représenté sur une durée T produit un résultat numérique :
La Transformée de Fourier Rapide (FFT) est un algorithme essentiel pour l'analyse spectrale numérique.
- a) identique à la TFD
- b) identique à la discrétisation de la transformée de Fourier Intégrale multipliée par une fonction porte et par un peigne de Dirac tous les 1/T
- c) identique à une décomposition en série de Fourier sur une période T
- d) complexe
Explication : La FFT est un algorithme rapide et efficace pour calculer la Transformée de Fourier Discrète (TFD). La TFD du signal échantillonné (éventuellement tronqué par une fonction porte) est équivalente à un échantillonnage du spectre continu (Transformée de Fourier Intégrale) du signal d'origine, en tenant compte de la périodicité induite par l'échantillonnage temporel.
22) Le Filtre Anti-Repliement (anti-aliasing filter) possède une Fréquence de Coupure :
Le filtre anti-repliement est une composante critique de tout système d'acquisition numérique.
- a) Fc=2,56 Fe
- b) Fc < Fe/2
- c) Fc > Fe/2
- d) Fc=Fe/2
Explication : Pour éviter le repliement spectral (aliasing) lors de l'échantillonnage, le signal doit être filtré par un filtre passe-bas dont la fréquence de coupure (Fc) est strictement inférieure à la moitié de la fréquence d'échantillonnage (Fe/2), aussi appelée fréquence de Nyquist. Cela laisse une marge pour l'atténuation du filtre réel qui n'est pas idéal.
Foire Aux Questions (FAQ)
Qu'est-ce que le Traitement du Signal et pourquoi est-il important ?
Le Traitement du Signal est une discipline qui étudie les techniques d'analyse, de modification et de synthèse des signaux. C'est un domaine fondamental dans de nombreuses applications, comme les télécommunications, le traitement d'images et de la voix, le diagnostic médical, ou encore l'instrumentation, car il permet d'extraire des informations utiles, de réduire le bruit ou d'améliorer la qualité des signaux.
Quelle est la différence fondamentale entre les Transformées de Fourier et de Z ?
La Transformée de Fourier (continue ou discrète) est utilisée pour analyser les signaux dans le domaine fréquentiel et est principalement liée aux notions d'énergie et de puissance spectrale. La Transformée en Z est son équivalent pour les signaux discrets, mais elle est plus générale. Elle est essentielle pour l'analyse des systèmes linéaires invariants discrets (FLID) et pour étudier leur stabilité et leur causalité à l'aide des pôles et des zéros dans le plan complexe.
Comment la stabilité d'un filtre numérique est-elle déterminée ?
La stabilité d'un filtre numérique est directement liée à la position de ses pôles dans le plan z. Pour qu'un filtre soit stable et causal, tous ses pôles doivent être situés strictement à l'intérieur du cercle unité (|z|=1). Si un ou plusieurs pôles se trouvent sur ou en dehors du cercle unité, le filtre est instable pour une implémentation causale, ce qui signifie que sa réponse impulsionnelle croîtra de manière non bornée.