Code
IUYF SIC 8461
Level
L3
Graduate
UnderGraduate
Semester
Spring
Domain
Signal et Communications
Program
Programme Ingénieur
Language
Français/French
ECTS Credits
2
Class hours
30
Workload
30
Program Manager(s)
Department
- Electronique et Physique
Educational team
Organisation
Cours/TD/TP/projet/examen : 9h/6h/13h/0h/2hLearning objectives
A l'issue du module, les étudiants seront capables de :
- appréhender et de comprendre les principes de base de théorie du signal tels que les notions d’énergie, de puissance de signal, de fonctions d’autocorrélation et de densités spectrales, de filtres linéaires invariants dans le temps, et les notions de signaux déterministes et aléatoires,
- appréhender et comprendre le passage du domaine analogique au domaine numérique (échantillonnage des signaux), les filtres numériques en découlant, les transformées de Fourier à temps discret (TFTD) et de Fourier discrète (TFD),
- retenir les principales formules mathématiques relatives aux notions précédentes et de savoir les appliquer par le calcul littéral et numérique,
- mettre en œuvre sous Matlab ou Python la Transformée de Fourier Discrète (TFD) et d’en connaitre les différents réglages selon les contraintes de résolution temps/fréquence (choix de la fenêtre d’analyse temporelle, précision spectrale, bourrage de zéros).
CDIO Skills
- 1.1 - Knowledge of basic science including mathematics and others
- 1.3 - Advanced engineering fundamental knowledge, methods and tools
Prerequisites
Les prérequis peuvent être résumés comme suit : notions acquises lors du cours de mathématiques de FIPA 1A, analyse de Fourier (série et transformée de Fourier), produit de convolution et calcul intégral, calcul matriciel. Langage Python.
Keywords
Traitement du signal temps continu et discret, Transformée de Fourier, Filtrage linéaire invariant dans le temps, Echantillonnage, Transformée de Fourier Discrète.
Content
Introduction/rappel sur les bases de traitement du signal.
Convolution, distribution, décomposition en série de Fourier, transformée de Fourier. Classification des signaux, analyse temps-fréquence, bases de filtrage et applications. Etude des signaux déterministes et aléatoires.
Fonctions d’autocorrélation et densités spectrales d’énergie (DSE) et de puissance (DSP).
Echantillonnage des signaux.
Filtres linéaires invariants dans le temps (FLIT).
Equations de fonctionnement, stabilité et réponse en fréquence. Transformée de Fourier à temps discret (TFTD).
Transformée de Fourier Discrète (TFD).
Evaluation
CC : TP ou exercice ou exposé noté (1/2)
CF1 : Devoir sur table (1/2)
CF2 : Devoir sur table ou oral
La NF2 obtenue par un étudiant est automatiquement écrêtée à 13/20 quelle que soit la note de CF2 attribuée.
Assessment formula
Note finale (sur 20) = 1/2*(CF1) + 1/2*(Note TP)
avec CF1 > ou = 10/20, sinon CF2 puis moyenne avec le TP
On insistera en cette 1ère année en signal sur la capacité de l’élève à tirer partir de ses différents acquis à l’aide d’un CF portant sur la théorie et les exercices/démos vus en cours. On insistera également sur la capacité à travailler en équipe (TP binôme sur une séance).
References
• Traitement numérique des signaux, M. Kunt, Presses Polytechniques Romandes
• Notes de Cours en Théorie du Signal, M. Castella (www-public.imtbstsp.eu/~castella)
• Polycopié de Yann Meurisse, Eléments de Théorie du Signal (www-public.imtbs-tsp.eu/~castella)
• Digital Signal Processing , R. Oppenheim & A. Shaffer
Pedagogical methods
L’approche pédagogique s’appuie sur la réalisation de travaux dirigés de manière individuelle mais aussi en groupe (par binôme) pour les travaux pratiques.
En effet elle repose sur la combinaison de séances de cours et séances d’exercices courts effectués sur la base des contrôles finaux des années passées, mais aussi sur la réalisation d’un TP devant permettre de réaliser un analyseur de spectre numérique sous Python utile à des applications réelles et futures (en 2A notamment).