
Signal processing is a method for analyzing, modifying, and synthesizing signals such as sound, light, or microwaves.Le traitement du signal est un outil mathématique pour travailler avec l'information encodée dans les variations d'une grandeur physique (pression sonore, tension, luminosité). Un signal analogique est numérisé : à une fréquence donnée, on mesure les valeurs instantanées, obtenant un flux d'échantillons. Ensuite, des algorithmes sont appliqués pour le filtrage (supprimer les interférences), la compression (le MP3 utilise la psychoacoustique pour éliminer les fréquences inaudibles), la restauration (suppression du flou sur une photo). L'idée centrale est la transformée de Fourier, qui fait passer le signal du domaine temporel au domaine fréquentiel : le graphique des oscillations devient un spectre où l'amplitude de chaque composante fréquentielle est visible. C'est là-dessus que repose toute l'industrie des communications, de l'enregistrement sonore et de l'imagerie médicale.
Les racines remontent à l'analyse harmonique de Jean Fourier (1822), bien que la décomposition en séries trigonométriques soit apparue plus tôt. Au XXe siècle, les travaux de Nyquist et Shannon sur l'échantillonnage ont donné une impulsion, puis la révolution numérique des années 1960-1970 a engendré les algorithmes de transformée de Fourier rapide (Cooley et Tukey, 1965), rendant l'analyse spectrale rapide. Le développement des circuits intégrés a permis de mettre en œuvre le traitement en temps réel — des lecteurs CD à la téléphonie mobile. Au XXIe siècle, les méthodes de compression (JPEG, MPEG), les transformations en ondelettes et les approches par réseaux de neurones ont élargi les possibilités du traitement du signal au-delà de toute reconnaissance.
Cycle de base : à l'aide d'un CAN, le signal est converti en une séquence d'échantillons x[n]. Ensuite, un filtre numérique est appliqué, décrit par une équation aux différences, par exemple, y[n] = Σ b_k x[n-k] – Σ a_k y[n-k] (filtre récursif). Pour analyser la composition fréquentielle, on calcule la transformée de Fourier discrète : X[k] = Σ x[n] e^{-j2πkn/N}. En pratique, on utilise la transformée de Fourier rapide (FFT), qui réduit la complexité de O(N²) à O(N log N). Pour les signaux non stationnaires (où les fréquences varient dans le temps), on utilise la transformée de Fourier à fenêtre ou les ondelettes, localisées à la fois en temps et en fréquence. Les systèmes de communication modernes sont construits sur le multiplexage par répartition orthogonale de la fréquence (OFDM), qui divise le canal en milliers de sous-porteuses pour lutter contre l'évanouissement par trajets multiples.
La suppression du bruit dans les téléphones, la compression de musique en MP3, les scanners médicaux, les radars, la transmission de données par Wi-Fi — tout cela fonctionne grâce aux algorithmes de traitement du signal.
Le format MP3 jette environ 90 % des données, mais pour notre oreille, la différence est presque imperceptible — l'algorithme s'appuie sur la façon dont le cerveau masque les sons faibles par des sons forts à des fréquences proches.
| z | variable | Analytic signal — analytic signal |
| x | variable | Real signal — signal |
| a | variable | Instantaneous amplitude — instantaneous amplitude |
| φ | variable | Instantaneous phase — instantaneous phase radian |
| t | variable | Time variable — temps second |
| H | opérateur | Hilbert transform, shifts phase by -90° — hilbert transform operator |
| i | opérateur | Imaginary unit, √(-1) — unité imaginaire |
| W | variable | Wavelet transform coefficient — wavelet transform coefficient |
| s | variable | Scale parameter — scale parameter |
| τ | variable | Translation parameter — translation parameter second |
| x | variable | Input signal — signal |
| t | variable | Time variable — temps second |
| ψ* | variable | Complex conjugate of wavelet function — wavelet function |
| ∫ | opérateur | Integration over time — opérateur intégral |
























