M107 - Traitement de Signal-2021-2022
M107 - Traitement de Signal-2021-2022
M107 - Traitement de Signal-2021-2022
ALMASSIRA- El Jadida
Filière : Automatisation et Instrumentation Industrielle
M106-Traitement de signal
Démarches didactiques :
• Cours magistraux (présentations PowerPoint ) +TD+ TP
Mode d’évaluation :
• 3 devoirs surveillés: 2 Contrôles continus (C.C) et un
Examen de Fin de Module (EFM)
traitement de signaux.
H. AMIRY 30/05/2022 2
Objectifs du module
Etudier les moyens pour analyser, concevoir et caractériser des systèmes de traitement de
l'information.
H. AMIRY 30/05/2022 3
PLAN
Introduction du module
Partie 1: Introduction au traitement du signal
Partie 2: Représentation fréquentielle des signaux
Partie 3: Systèmes linéaires continus
Partie 4: Filtrage analogique
Partie 5: Du signal continu au signal numérique
Partie 6: Signaux discrets et transformée de Fourier
Partie 7: Systèmes linéaires discrets
Partie 8: Filtrage numérique
H. AMIRY 30/05/2022 4
Introduction du module
Signal:
Représentation physique d'une information à transmettre
Entité qui sert à véhiculer une information
Exemples
• Onde acoustique : courant délivré par un microphone (parole, musique, …)
• Signaux biologiques : EEG (Electroencéphalographie), ECG (Electrocardiogramme)
• Tension aux bornes d'un condensateur en charge
• Signaux géophysiques : vibrations sismiques (sol)
• Débit de la Seine
• Images
• Vidéos
• etc.
Bruit : Tout phénomène perturbateur pouvant géner la perception ou l'interprétation d'un signal
H. AMIRY 30/05/2022 5
Introduction du module
Fonctions du traitement du signal
Traitement du signal
Ensemble de techniques permettant de créer, d'analyser, de transformer les signaux en vue de leur exploitation
Extraction du maximum d'information utile d'un signal perturbé par le bruit
Notion très importante : le bruit
Créer: Élaboration de signaux
Synthèse : création de signaux par
combinaison de signaux élémentaires
H. AMIRY 30/05/2022 6
Introduction du module
Fonctions du traitement du signal
Analyser: Interprétation des signaux
Détection : isoler les composantes utiles d'un signal complexe , extraction du signal d'un bruit de fond
Identification : classement du signal (identification d'une pathologie sur un signal ECG, reconnaissance de la
parole, etc.)
H. AMIRY 30/05/2022 7
Introduction du module
Fonctions du traitement du signal
Transformer : adapter un signal aux besoins
Filtrage : élimination de certaines composantes
– Détection de craquements sur un enregistrement,
– Détection de bruit sur une image,
– Annulation d'écho, etc.
Codage/compression
H. AMIRY 30/05/2022 8
Introduction du module
La chaîne de traitement de l'information et le TS
H. AMIRY 30/05/2022 9
Partie 1: Introduction au traitement du signal
Plan
2. Signaux élémentaires
3. Notions de corrélation
4. Notions de distributions
H. AMIRY 30/05/2022 10
1. Classification des signaux
2
Classification dimensionnelle
1
0
Signal monodimensionnel 1D
-1
-2
Fonction d'un seul paramètre, pas forcément le temps : une 0 10 20 30 40
Signal bidimensionnel 2D
Exemple : image NG f (x, y)
Signal tridimensionnel 3D
H. AMIRY 30/05/2022 11
1. Classification des signaux
Classification phénoménologique
• Signaux déterministes
Signaux dont l'évolution en fonction du temps t peut être parfaitement décrite grâce à une description
mathématique ou graphique.
Sous catégories :
Signal réel
C'est un signal représentant une grandeur physique. Son modèle mathématique est une fonction réelle.
Ex. : tension aux bornes d'un C
H. AMIRY 30/05/2022 12
1. Classification des signaux
La description est basée sur les propriétés statistiques des signaux (moyenne, variance, loi de probabilité, …)
Exemple: résultat d'un jet de dé lancé toutes les secondes (moyenne=3.5, écart type :1.87)
H. AMIRY 30/05/2022 13
1. Classification des signaux
Classification énergétique
Energie et puissance des signaux
Soit un signal x(t) défini sur , , et T0 un intervalle de temps
Remarques :
• Energie de x(t)
T0
Signaux à énergie finie puissance moyenne
x(t) 2 dt 2
E ou E lim x(t) dt
2 nulle
T0 T0
Généralement, cas des signaux représentant
2 une grandeur physique. Signaux transitoires à
• Puissance moyenne de x(t) support borné
T0
2 Signaux à énergie infiniepuissance moyenne
1 2
P lim x(t) dt non nulle
To T0 T0 Cas des signaux périodiques
2 Notion valable pour les signaux aléatoires et
déterministes
Homogène à E/t
H. AMIRY 30/05/2022 14
1. Classification des signaux
Classification morphologique
H. AMIRY 30/05/2022 15
1. Classification des signaux
Bruit
Def. : Tout phénomène perturbateur pouvant géner la perception ou l'interprétation d'un signal
La notion de bruit est relative, elle dépend du contexte
Exemple classique du technicien en télécom et de l'astronome :
• Pour le technicien en télécom :
– Ondes d'un satellite = signal
– Signaux provenant d'une source astrophysique = bruit
• Pour l'astronome :
– Ondes d'un satellite = bruit
– Signaux provenant d'une source astrophysique = signal
Tout signal physique comporte du bruit = une composante aléatoire
Introduction de la notion du rapport signal/bruit
H. AMIRY 30/05/2022 16
1. Classification des signaux
Déterminer la qualité d'un signal aléatoire ou déterministe = introduction d'un rapport RS/B quantifiant
l'effet du bruit.
Ps
RS / B ou R S / B (dB) 10 log10 (R S / B )
Pb
Ps est la puissance du signal et Pb celle du bruit.
RS/B=0 dB RS/B=26 dB
Signal + bruit
Signal
H. AMIRY 30/05/2022 17
2. Signaux élémentaires
Échelon
0 pour t 0 Signal porte ou rectangle
(t)
1 pour t 0
(t )
1
(t) pour t
2
0 ailleurs
1 (t )
H. AMIRY 30/05/2022 18
3. Notions de corrélation
Autocorrélation
L'autocorrélation réalise une comparaison entre un signal x(t) et ses copies retardées (étude de
ressemblance d'un signal avec lui-même au cours du temps)
H. AMIRY 30/05/2022 19
3. Notions de corrélation
Intercorrélation
L'intercorrélation compare un signal x(t) et un signal y(t) retardée. Elle mesure la similitude entre ces
deux signaux.
Pour les signaux à énergie finie
T0 / 2
Pour les signaux à énergie infinie Cxy ( ) lim 1 x(t) y * (t )dt
T0 T0 T / 2
0
Autres exemples
Détection de signal périodique noyé dans le bruit
Analyse spectrale
H. AMIRY 30/05/2022 20
4. Notions de distributions
i(t)
0 t0
V (t)
Eo C Eo t 0
V(t)
V est discontinue
i(t) n'est donc pas une fonction, c'est une distribution ! On l'appelle distribution de Dirac
H. AMIRY 30/05/2022 21
4. Notions de distributions
Distribution de DIRAC
Si φ est une fonction, la distribution de Dirac ou impulsion de Dirac est définie par:
Cependant pour des raisons de commodités, on la note souvent comme une fonction de t : δ(t), qu'on représente :
Propriétés
• Dirac représente un signal de durée théoriquement nulle et d'énergie finie (=1).
(x) 0 x 0 Remarque1 : ceci est impossible : l'aire sous le pic ne peut être égale à 1...
(x) Remarque2 : l'énergie du Dirac est donc égale à 1
(x) dx 1
1
(t)
• À partir du signal porte :
(t)
(x) lim 1 (x)
0
t t
Mêmes remarques !
• Peut être vue comme la dérivée d'un échelon
H. AMIRY 30/05/2022 23
4. Notions de distributions
Peigne de DIRAC
H. AMIRY 30/05/2022 24
4. Notions de distributions
Quelques éléments sur la théorie des distributions
On appelle une distribution D, un opérateur sur l'espace vectoriel V de fonctions (t), indéfiniment dérivable et à
support borné.
D: V ℂ ℂ
: ensemble des nombres complexes
(t) D, ou D( )
Propriétés
D(1 2 ) D(1 ) D(2 )
D() D() est un scalaire
H. AMIRY 30/05/2022 25
Partie 2: Représentation fréquentielle des signaux
Plan
1. Introduction
H. AMIRY 30/05/2022 26
1. Introduction
Notion de fréquence
Qu'est ce qu'une fréquence ?
• La fréquence est le nombre de fois qu'un phénomène périodique se reproduit pendant une durée déterminée
• C'est donc l'inverse de la période f = 1/T
• La fréquence est mesurée en hertz (= 1/seconde)
Dans un son
• Sons graves = basses fréquences
• Sons aigus = hautes fréquences
H. AMIRY 30/05/2022 27
1. Introduction
Notion de fréquence
Dans une image
• Surfaces = basses fréquences
• Contours = hautes fréquences
H. AMIRY 30/05/2022 28
1. Introduction
Notion de fréquence
% Code matlab
f0 = 0.51; A0 = 1;
f1 = 0.11; A1 = 2;
f2 = 0.21; A2 = 2;
• Il est donc possible d'obtenir des signaux périodiques complexes par une simple combinaison
linéaire de signaux élémentaires
• C'est le principe inverse de la décomposition en série de Fourier
H. AMIRY 30/05/2022 31
2. Décomposition en série de Fourier
Principe :
La Décomposition en Série de Fourrier consiste à exprimer un signal périodique comme une combinaison linéaire de
signaux sinusoïdaux
•Sous forme de signaux sinusoïdaux, les fréquences d'un signal apparaissent naturellement.
•Pour les signaux périodiques, la décomposition en Série de Fourier (DSF) constitue le lien entre la représentation
temporelle d'un signal et sa représentation fréquentielle.
• Pour les signaux non périodiques, il s'agit de la Transformée de Fourier (TF).
H. AMIRY 30/05/2022 32
2. Décomposition en série de Fourier
Principe :
Exprimer un signal x(t) de période Tcomme une combinaison linéaire de fonctions sinusoïdales de fréquences
1
multiples de F T , dite fréquence fondamentale.
Définition de la DSF : forme trigonométrique
Un signal x(t) de période T, s'exprime sous certaines conditions comme:
H. AMIRY 30/05/2022 33
2. Décomposition en série de Fourier
Définition de la DSF : forme trigonométrique
Interprétation:
H. AMIRY 30/05/2022 34
2. Décomposition en série de Fourier
Définition de la DSF : forme complexe
Rappels : formules de moivre et d'Euler
Application à la DSF
On a alors Où
H. AMIRY 30/05/2022 35
2. Décomposition en série de Fourier
Remarques
Posons F 1 , les deux formes de la DSF s'écrivent alors:
T
Dans la forme complexe de la DSF, interviennent des fréquences négatives et positives qui sont introduites par
commodité de représentation
Quelques propriétés
◆ Si le signal x(t) est réel, cn c*n : les coefficients sont nécessairement complexes
conjugués pour restituer x réel car exp( j2nFt) est complexe
Quand on a des phénomènes périodiques, les complexes sont plus faciles à manipuler.
Exemple : analyse de circuits électriques RLC :
v = Ri di dv
En réels : v=L i=C
dt dt
En complexes : Z= R Z= jwL Z = − j /w C
avec V = ZI
=> remplacement d'équations différentielles par des équations algébriques
H. AMIRY 30/05/2022 37
2. Décomposition en série de Fourier
Exemple:
Soit h(t) de période T tel que sur l'intervalle [0, T] :
Décomposition en Série de Fourier de h(t)
On a trouvé que :
H. AMIRY 30/05/2022 38
3. Transformée de Fourier des signaux à énergie finie
Et pour les signaux non périodiques ?
... l’écart entre les raies du spectre va donc devenir infiniment petit
C'est la Transformée de Fourier, qui peut être vue comme une généralisation des séries de Fourier aux
signaux non périodiques
H. AMIRY 30/05/2022 39
3. Transformée de Fourier des signaux à énergie finie
Spectres de raie pour différentes périodes:
Plus la période
augmente, plus l'écart
entre les Cn diminue ...
H. AMIRY 30/05/2022 40
3. Transformée de Fourier des signaux à énergie finie
Définition de la TF +∞
Soit signal x(t) un signal non périodique. La TF de x(t), si elle existe, est: X( f )= ∫ x( t ) e− j2πft dt
−∞
▪X(f) indique la "quantité" de fréquence f présente dans le signal x(t) sur l'intervalle ] ,[ . X(f) donne des
informations fréquentielles sur x(t).
H. AMIRY 30/05/2022 41
3. Transformée de Fourier des signaux à énergie finie
Exemple de calcul de TF:
H. AMIRY 30/05/2022 42
3. Transformée de Fourier des signaux à énergie finie
Propriétés de la TF:
• Linéarité
a1 x1 (t )+a 2 x2 (t )↔ a1 X1( f )+a 2 X 2(f )
• Décalage temporel
L'amplitude Af ne change pas.
− j2πft o
x ( t −t o )↔ e X(f ) La phase est modifié de j2 ft0
• Décalage fréquentiel
e j2πf t x ( t )↔X ( f − f )
o
• Changement d'échelle
1 f La contraction dans le domaine temporel (a 1)
x(at) X a* correspond à la dilatation dans le domaine
a a fréquentiel et inversement
• Dérivation
dx ( t )
↔j2πf X ( f )
dt !
• Intégration La TF et la TF inverse ne sont
1 pas toujours définies
Soit P[x(t)] la primitive de x(t) P[ x(t )]↔ X (f )
j2πf
H. AMIRY 30/05/2022 43
3. Transformée de Fourier des signaux à énergie finie
Propriétés de la TF:
• Inversion temporelle
x(t) X f
• Conjugaison complexe
x* (t) X * ( f )
• Symétrie dans le cas de signaux réels
Si x(t) est un signal réel alors X( f )=X(−f ) Le spectre d'amplitude est une
fonction paire et le spectre
donc ∣X (f )∣=∣X (−f )∣ ∣ et φ(f )=−φ(−f ) d'argument est impair
H. AMIRY 30/05/2022 44
3. Transformée de Fourier des signaux à énergie finie
Dualité de la TF:
Les définitions symétriques de la TF et de la TF inverse permettent de mettre en avant une propriété de la TF appelée
Dualité de la TF. Soit x(t) , une fonction quelconque dont la TF est bien définie.
X ( f ) x(t)e j2ft dt et x(t) X ( f )e j 2ft df
On a donc x(t) X ( f )e j 2ft df
F
Donc si x(t)
X(f )
F
alors X (t)
x( f )
H. AMIRY 30/05/2022 45
3. Transformée de Fourier des signaux à énergie finie
TF et énergie des signaux:
Relation de Parseval
Loi de conservation de l'énergie
Dans le cas où les intégrales existent, on a
x(t) dt X ( f ) df
2 2
H. AMIRY 30/05/2022 46
3. Transformée de Fourier des signaux à énergie finie
TF et énergie des signaux:
Comme la TF conserve l'énergie, on peut définir une notion d'énergie par unité de fréquence, la densité spectrale
d'énergie (DSE)
Énoncé
Si x(t) est
- borné càd t,
- à support borné en fréquence
Alors
Interprétation
Les variations d'un signal sont liées à la dérivée de ce signal. Comme cette dérivée est bornée, le signal ne peut pas
varier arbitrairement vite.
Conséquence :
Un signal présentant des discontinuités est un signal à support en fréquence non borné.
H. AMIRY 30/05/2022 48
3. Transformée de Fourier des signaux à énergie finie
TF d'une distribution
Question : Comment faire quand la TF d'un signal n'est pas définie ?
H. AMIRY 30/05/2022 49
3. Transformée de Fourier des signaux à énergie finie
Applications de la TF d'une distribution
Question : Comment faire lorsque l'intégrale n'est pas définie car divergente ? Ex. : 1, cos, exp, etc.
⇨ application de la théorie des distributions
Quelle est la TF de la distribution associée à 1 ?
résultat sans
Donc finalement : surprise en vertu du D'où :
principe de dualité !
H. AMIRY 30/05/2022 50
3. Transformée de Fourier des signaux à énergie finie
TF d'un Peigne de Dirac
H. AMIRY 30/05/2022 51
3. Transformée de Fourier des signaux à énergie finie
Qu'est ce qu'un bruit blanc ?
Un bruit blanc est un signal aléatoire qui contient toutes les fréquences
◆ Remarque : théoriquement, un tel signal ne peut exister puisque son énergie serait infinie ...
H. AMIRY 30/05/2022 52
3. Transformée de Fourier des signaux à énergie finie
TF Usuelles
H. AMIRY 30/05/2022 53
Partie 3: Systèmes linéaires continus
Plan
1. Introduction
H. AMIRY 30/05/2022 54
1. Introduction
Exemples de systèmes
Définition
Notation : y Sx
H. AMIRY 30/05/2022 55
1. Introduction
Classification des systèmes
Système statique
u(t) C Vc(t)
H. AMIRY 30/05/2022 56
1. Introduction
Classification des systèmes
Linéarité
Si x(t) a1 x1 (t) a2 x2 (t) alors y(t) a1S x1 (t) a2 S x2 (t)
Causalité
La réponse du système ne peut pas se produire avant l'excitation qui l'engendre
Conséquence : si x(t) 0 pour t 0 alors y(t) S x(t) 0 pour t 0
Invariance temporelle
Un décalage temporel en entrée induit le même décalage en sortie. La réponse du
système est invariante par translation dans le temps. Le système est dit alors invariant.
Si y(t) S x(t) alors y(t t0 ) S x(t t0 )
Stabilité
Un système est dit stable si en réponse à une entrée bornée, sa sortie est bornée
H. AMIRY 30/05/2022 57
1. Introduction
Exemples
Tachymètre
Entrée : Vitesse d'un véhicule v(t)
Sortie : Position angulaire de l'aiguille (t)
Propriétés : linéaire, causal, invariant
Exemple de système
non linéaire : hauteur d’une vague en fonction du vent
non causal : retour vers le futur
non invariant : y(t) = t.x(t); parcmètre (le tarif dépend de l'heure)
H. AMIRY 30/05/2022 58
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Caractérisation d'un système LTI (Linéaire à Temps Invariant)
Relation entrée/sortie
d i y(t)
avec y (i) (dérivée d'ordre i)
dt i
Exemple
H. AMIRY 30/05/2022 59
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Caractérisation d'un système LTI
Réponse impulsionnelle
h(t)
(t)
h(t) S (t)
t
Système S t
Rappel :
H. AMIRY 30/05/2022 61
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Notion de convolution
La convolution devient :
Exemple
Calculer le produit de convolution des signaux suivants
H. AMIRY 30/05/2022 62
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Notion de convolution
H. AMIRY 30/05/2022 63
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Convolution
Propriétés
Associativité : e(t) f (t) g(t) e(t) g(t) f (t) e(t) f (t) g(t)
Distributivité par rapport à l'addition : e(t) f (t) g(t) e(t) f (t) e(t) g(t)
H. AMIRY 30/05/2022 64
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Convolution
Propriétés (suite)
f (t) Ш
𝜆 T (t) f (t) (t kT ) Linéarité de la convolution : on sort la somme
k
f (t) Ш
𝜆 T (t) f (t kT)
k
𝜆 T f 𝜆 T
f (t)
t * -2T -T 0 T 2T t
= -2T -T 0 T 2T t
On obtient une fonction périodique formée par la recopie de f autour de chaque dent
H. AMIRY 30/05/2022 65
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Réponse d'un système LTI à une entrée quelconque
Application de la notion de convolution
x(t) Réponse du système
Système y(t) ? on cherche y(t) S x(t)
t
Élément neutre x(t) x(t) (t) x(t) x( ) (t )d
de la convolution
y(t) S x( ) (t )d
y(t) x( ) S (t ) d
Propriété de linéarité du système : (Voir diapo 5)
On en déduit
y(t) x( ) h(t )d y(t) x(t) h(t)
La réponse du système à une entrée quelconque x est la convolution de x avec la réponse impulsionnelle h du
système. h caractérise entièrement le système.
H. AMIRY 30/05/2022 66
2. Réponse d'un système LTI à une entrée : caractérisation temporelle
Stabilité et réponse impulsionnelle
On dit qu'un système est stable si sa sortie est bornée lorsque son entrée est bornée
Quelle est la condition sur h(t) pour que y(t) soit bornée ?
On montre que la sortie est bornée ssi h( ) d
Nous venons de présenter les aspects temporels des systèmes continus LTI
Maintenant nous allons nous intéresser aux aspects fréquentiels
H. AMIRY 30/05/2022 67
3. Réponse fréquentielle d'un système
Systèmes et transformée de Fourier
x(t) Système y(t) Soit le système de réponse impulsionnelle h
Soit le signal d'entrée x(t) Ae j 2ft
Que vaut la sortie y(t) ?
Réponse fréquentielle des systèmes LTI
h(t) Ae j2ft h( ) Ae j2f (t ) d
Sortons ce qui ne dépend pas de 𝗓: h(t) Ae j2f 0t Ae j2ft h( ) e j 2f d
H( f ) TF de la réponse impulsionnelle
La réponse d'un système LTI à une exponentielle complexe (resp. signal sinusoïdal) est
une exponentielle complexe (resp. signal sinusoïdal) multipliée par le gain complexe H( f )
H. AMIRY 30/05/2022 68
3. Réponse fréquentielle d'un système
Systèmes et transformée de Fourier
Réponse fréquentielle des systèmes LTI
x(t) Système y(t)
Si le signal d'entrée est quelconque, on peut l'exprimer sous la forme
d'une somme infinie d'exponentielles complexes : c'est la TF inverse
x(t) X ( f )e j 2ft df
y(t) S x(t) y(t) S X ( f )e j2ft df (linéarité du système)
Y ( f ) X ( f ).H ( f ) H( f )
Argument ( f ) argH ( f )
H ( f ) : représentation fréquentielle du système
Simplicité de la relation entrée/sortie en fréquentiel
La représentation fréquentielle illustre l'aptitude du système à faire passer une
composante fréquentielle présente dans le signal d'entrée
Théorème de Plancherel
x(t).y(t) X ( f ) Y ( f )
H. AMIRY 30/05/2022 71
3. Réponse fréquentielle d'un système
Transformée de Laplace (TL)
De la TF à la TL
Soit la TF d'un signal x(t) : X ( f ) x(t)e j 2ft dt . Cette TF existe si l'intégrale converge
Dans le cas contraire, multiplions x(t) par une exponentielle décroissante telle que
x(t)e t dt avec . Calculons la TF de ce nouveau signal
X ( f , ) x(t)e t e j2ft dt X ( f , ) x(t)e ( 2f )t dt
H. AMIRY 30/05/2022 72
3. Réponse fréquentielle d'un système
Transformée de Laplace (TL)
Convergence de la TL
X(s) n'est défini que si l'intégrale converge
X (s) x(t)e st dt
Définition : on appelle Région de Convergence (RC) de la TL,
s j2f
l'ensemble des complexes s tels que l'intégrale converge.
Exemple
Calculer la TL du signal x(t) e at (t)
H. AMIRY 30/05/2022 73
3. Réponse fréquentielle d'un système
Transformée de Laplace (TL)
H. AMIRY 30/05/2022 74
3. Réponse fréquentielle d'un système
Transformée de Laplace (TL)
Théorème de la valeur initiale x0 lim x(t) lim sX (s)
t 0 s
H ( f ) H (s) s j2f
H. AMIRY 30/05/2022 75
3. Réponse fréquentielle d'un système
TL de quelques signaux usuels
H. AMIRY 30/05/2022 76
3. Réponse fréquentielle d'un système
Transformée de Laplace et systèmes LTI
H. AMIRY 30/05/2022 77
3. Réponse fréquentielle d'un système
Transformée de Laplace et systèmes LTI
H. AMIRY 30/05/2022 78
3. Réponse fréquentielle d'un système
Transformée de Laplace et systèmes LTI
H. AMIRY 30/05/2022 79
3. Réponse fréquentielle d'un système
Conclusion
H. AMIRY 30/05/2022 80
3. Réponse fréquentielle d'un système
Rappels sur la décomposition en éléments simples
H. AMIRY 30/05/2022 81
3. Réponse fréquentielle d'un système
H. AMIRY 30/05/2022 82