Académique Documents
Professionnel Documents
Culture Documents
-> b
k
2
T
f(t)sin(kt) dt
T/2
T/2
-> a
o
1
T
f(t) dt
T/2
T/2
avec
C
k
1
T
f(t) e
i kt
dt
T/2
T/2
dt
0
T
dt
kT
(k+1)T
_
,
Rappel : C
k
C
k
e
i
k
- Exemple : f(t) relle
2
4
6
8
10
12
14
0 20 40 60 80 100 120
f
(
t
)
t (s)
n
C
k
n n 2 3 -n n -2 n -3 n n n 2 3 -n n -2 n -3
j
k
15
- Frquence fondamentale et harmoniques
-> n = 1/T : frquence fondamentale de f(t)
-> kn , k Z et k 1 : harmoniques de f
!!! La 1
ere
frquence harmonique est pour k = 2
La 2
nde
frquence harmonique est pour k = 3
...
La n
ieme
frquence harmonique est pour k = n+1
Dcomposition en srie de cosinus
f(t) signal rel priodique - frquence fondamentale n
f(t)a
o
+ a
k
cos(kt)+b
k
sin(kt)
[ ]
k1
a
o
, a
k
et b
k
dja dfinis, w = 2pn
On peut crire :
f(t) X
o
+ X
k
cos(kt
k
)
k1
En identifiant :
X
o
= a
o
X
k
a
k
2
+b
k
2
2C
k
k
Arctg
b
k
a
k
_
,
k
Avantage : plus explicite que la srie complexe
16
- Exemple : x(t) de priode T
x(t) X
o
+ X
k
cos(kt
k
)
k1
w = 2p/T
temps (s)
X
o
X
1
X
2
X
3
x(t)
.
. etc...
.
T
T
T/2
T/3
valeur moyenne
{X
n
} : Spectre d'amplitude en srie de cosinus
{F
n
} : Spectre de phase en srie de cosinus
17
- Reprsentation de X
n
: Spectre de raies
n
n n n n 2 3 4
X
o
X
1
X
2
X
3
X
4
Exemples de dcomposition - Mthodes
- Identification
Quelquefois, le spectre ne contient que quelques
termes non nuls. On procde alors par identification.
-> Exemple : f(t) = 20 cos(2pnt-p) + 10 cos(6pnt)
Dcomposition en srie de cosinus
=> X
o
= 0
X
1
= 20 F
1
= p frquence n
X
2
= 0
X
3
= 10 F
3
= 0 frquence 3n
X
n>3
= 0
18
-> Signal sinusodal : f(t) = sin(2pnt)
par identification => a
n
= 0 "n, b
1
= 1 et b
n
= 0 "n 1
=> C
k
a
k
i b
k
2
donc C
1
= -i/2 et C
-1
= i/2
Spectre d'amplitude Spectre de phase
n
C
k
n
-n
1/2
n
n
-n
j
k
/2
-p
/2
p
Reconstruction du signal :
f(t) C
k
e
i kt
k
avec C
k
1
T
f(t) e
i kt
dt
T/2
T/2
(x)
avec r
e
(t) signal rectangulaire normalis r
e
(t) = 1/(2e) |t|<e
r
e
(t) = 0 |t|>e
1
t
-e e
r (t)
e
e 2
t
d
(t)
e -> 0
Proprits :
-> (x) dx
1
-> (x)f(x)dx
f(0)
-> (cx)
1
c
(x)
Fonctions tendant vers d(x) lorsque e -> 0
-> Exponentielle de |x|
1
2
e
-> Lorentzienne
1
x
2
+
2
-> Gaussienne
1
e
x
2
2
-> Autres fonctions
1
sin
x
( )
x
,
sin
2 x
( )
x
2
23
II-3 - TF de fonctions non-priodiques
Par extension de la formule de calcul pour une fonction
priodique, on calcule la transforme de Fourier d'une fonction
non-priodique en faisant tendre la priode vers l'infini.
Dmo: Soit x(t) priodique, priode T => fondamental n
o
on a : x(t) C
k
e
i 2k
o
t
k
et C
k
1
T
o
x(t) e
i 2k
o
t
dt
T
o
/2
T
o
/2
e
i 2k
o
t
k
avec Dn = (n+1)n
o
- nn
o
= n
o
= 1/T
o
cart entre 2 frquences successives dans le spectre
Passons la limite T
o
->
=> Dn = n
o
-> 0 : les points du spectre se rapprochent
=> kn
o
-> n : kn
o
devient une variable continue n
=>
C
k
->
d
24
Expression de la transforme de Fourier C(n)
D'aprs le calcul prcdent : C() lim
T
o
C
k
1
T
o
x(t) e
i 2k
o
t
dt
T
o
/2
T
o
/2
or Dn = 1/T
o
et kn
o
-> n (pour T
o
-> )
donc :
C() x(t) e
i2t
dt
C(n) est priori complexe : C() C() e
i()
avec -> |C(n)| spectre d'amplitude
-> q(n) spectre de phase
Ce sont deux fonctions relles continues
Conditions d'existence de C(n)
On dmontre que C(n) existe si :
-> x(t) est borne
-> x(t) L
1
(R) x(t)
dt <
_
,
dt e
i2t
a
a
dt =>C() 2a
sin(2a)
2a
0
a
2a
-5 -4 -3 -2 -1 0 1 2 3 4 5
|
T
F
[
r
a
(
t
)
]
|
frquence
a a a a a a a a a a
26
II-4 - Spectre de puissance de Fourier
Dfinition :
Le spectre de puissance est le carr du spectre d'amplitude.
Thorme de Parseval:
La puissance totale dans le spectre est gale la
puissance totale dans le signal.
Cas des signaux continus priodiques (priode T)
Spectre d'amplitude -> Spectre de puissance
|C
k
| |C
k
|
2
-> Thorme de Parseval : C
k
2
k
1
T
f(t)
2
o
T
dt
Cas des signaux continus non-priodiques
Spectre d'amplitude -> Spectre de puissance
|C(n)| |C(n)|
2
-> Thorme de Parseval : C()
2
d f(t)
2
dt
27
II-5 - Remarque sur la TF inverse
Notations
x(t) ->TF-> C(n)
=> C(n) = TF[x(t)](n) ou TF(x(t)) ou TF(x)
C(n) = x()
=> x(t) = TF
-1
[C(n)](t) ou TF
-1
(C(n)) ou TF
-1
(C)
Calcul pratique de la transforme de Fourier inverse
Si x est une fonction continue, intgrable telle que
x L
1
(R) alors :
" t R TF(TF(x(t))) = x(-t)
La TF de la TF d'un signal et gal au signal invers dans le temps
28
II-6 - Proprits essentielles de la TF
Linarit
" a, b C TF(af + bg) = a TF(f) + b TF(g)
Transposition - conjugaison
Si TF(f(t)) =
f (-n)
=> TF(f
*
(t)) =
f
*
(-n)
Translation ou retard
TF(f(t-a)) = e
i2a
TF(f(t))
Modulation
TF(e
i2at
f(t)) =
f (n-a)
Similitude (changement d'unit)
TF(f(at)) =
1
a
f
a
( )
Drivation
Si f est n fois drivable => TF(f
n
(t)) = (i2pn)
n
TF(f(t))
29
II-7 - Applications de la TF en analyse temporelle
La TF permet la dcomposition d'un signal selon son contenu
frquentiel. Cela permet de dterminer ses caractristiques :
-> dtection de priodes
-> caractrisation des fluctuations d'un signal
-> caractrisation du bruit instrumental
En outre la TF permet :
-> l'tude des corrlations entre deux signaux
-> la mesure du retard d'un signal sur l'autre
-> la caractrisation des systmes (voir chapitre V)
30
Bruit Blanc
"Signal"
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
-400 -200 0 200 400
s
i
g
n
a
l
t(s)
Spectre
10
-4
10
-3
10
-2
10
-1
0.01 0.1 1
s
p
e
c
t
r
e
d
'
a
m
p
l
i
t
u
d
e
frequence (Hz)
Rq: spectre plat
31
Bruit "Brownien"
"Signal"
-40
-30
-20
-10
0
10
-400 -200 0 200 400
s
i
g
n
a
l
t(s)
Spectre
10
-3
10
-2
10
-1
10
0
10
1
10
2
0.001 0.01 0.1 1
s
p
e
c
t
r
e
d
'
a
m
p
l
i
t
u
d
e
frequence (Hz)
Rq: spectre de puissance en 1/f
2
32
Bruit "rouge"
"Signal"
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
-400 -200 0 200 400
s
i
g
n
a
l
t(s)
Spectre
10
-4
10
-3
10
-2
10
-1
10
0
0.001 0.01 0.1 1
s
p
e
c
t
r
e
d
'
a
m
p
l
i
t
u
d
e
frequence (Hz)
Rq: spectre de puissance en 1/f
33
III - Convolution
III-1 - Dfinition du produit de convolution
f(t) = g(t) * h(t) = g()h(t )
d
Commutativit : f(t) = g(t) * h(t) = h(t) * g(t)
Fonction "unit" : g(t) * d(t) = g(t)
III-2 - Procdure de convolution
Interprtation par une reprsentation graphique
Exemple 1 : g(t) * h(t)
avec h(t) = e
-t
pour t>0
= 0 pour t<0
et g(t) = 1 pour t>0
= 0 pour t<0
34
h
g
h(t) => h(-t)
h(-t) => h(t-t)
t
g(t) h(t-t)
Intgration :
g()h(t )
d
35
Exemple 2 : g(t) * [d(t-t
1
) + d(t-t
2
)] rplication d'une fonction
g(t)
t
0
d(t-t
1
) + d(t-t
2
)
t
1
t
2
t
0
=> g(t) * [d(t-t
1
) + d(t-t
2
)] = g(t-t
1
) + g(t-t
2
)
g(t-t
1
) + g(t-t
2
)
t
1
t
2
t
0
36
III-3 - Thorme de convolution (Plancherel)
Un des plus important outils de l'analyse scientifique
Soit X(n)=TF[x(t)] et Y(n)=TF[y(t)]
y(t)x(t)
TF
Y()X()
Y()X()
TF
y(t)x(t)
Exemple : convolution du signal crneau avec lui-mme
37
IV - Transforme de Fourier de signaux discrets
IV-1 - Chane d'instrumentation numrique
Phnomne
Physique
Capteur
Echantillonneur
Quantification
(CAN)
t
t
T
t
Traitement
Stockage
Bruit
}
Electronique
m(t)
s(t)
s (t )
i i
*
Ordinateur
t
i
m(t) s(t) s
i
(t
i
) s
*
i
(t
i
)
=> N couples de valeurs (t
i
, s
*
i
(t
i
)) qu'il faut traiter pour extraire
l'information physique contenue dans m(t).
38
Modlisation de donnes chantillonnes
Soit h(t) un signal que l'on discretise en N valeurs
-> (k
k
)
k=0,1...N
= h(t
k
)
La suite peut tre considre comme le produit de 3 fonctions:
- la fonction h(t)
t
- fentre temporelle
t
-T /2
0
T /2
0
- peigne de Dirac
t
...
...
- suite (k
k
)
t
t
0
t
1
...
t
N-1
Fonction : h(t) r
T
0
(t) t t
k
( )
k
39
IV-2 - Transforme de Fourier discrte
Une srie de N nombres (k
k
)
k=0,1...N
peut se dcomposer
en N composantes sinusodales de frquence n
j
= j/T
0
(T
0
= dure de l'acquisition) pour j=-N/2, ..., N/2 - 1
a
j
h
k
k0
N1
e
i2
j
t
k
h
k
1
N
a
j
jN/ 2
N/ 21
e
i2
j
t
k
- A noter :
(k
k
) = h(t
k
) avec t
k
=kT
0
/N
a
0
h
k
k0
N1
=> moyenne = a
0
/N
frquence d'chantillonnage : f = N/T
0
=
1
t
k+1
t
k
frquence de Nyquist : f
Ny
= f/2 = N/(2T
0
)
f
Ny
= n
N/2
C'est la frquence maximale du spectre
Le terme la frquence de Nyquist est :
a
N
2
h
k
e
ik
k0
N1
h
k
(1)
k
k0
N1
h
k
e
ik
k0
N1
a
N
2
=> le terme la frquence de Nyquist peut tre
permut a chacun des bouts du spectre
=> h
k
1
N
a
j
jN/ 2
N/ 21
e
i2
j
t
k
1
N
a
j
jN/ 2+1
N/ 2
e
i2
j
t
k
40
Les frquences dans le spectre sont quidistantes
n
j
= j/T
0
=> Dn = n
j+1
- n
j
= 1/T
0
=> cart entre les frquences = inverse de la dure totale du signal
Le spectre est limit en rsolution
Chaque terme du spectre est priori complexe
Si la srie (k
k
) est relle => a
-j
= a
*
j
- Remarques importantes :
Quelquefois les constantes de normalisation diffrent:
-> a
j
h
k
k0
N1
e
i2
j
t
k
et h
k
1
N
a
j
jN/ 2
N/ 21
e
i2
j
t
k
-> a
j
1
N
h
k
k0
N1
e
i2
j
t
k
et h
k
1
N
a
j
jN/ 2
N/ 21
e
i2
j
t
k
-> a
j
1
N
h
k
k0
N1
e
i2
j
t
k
et h
k
a
j
jN/ 2
N/ 21
e
i2
j
t
k
Les trois reprsentations sont totalement quivalentes
Calcul pratique
On calcule les transformes de Fourier discrtes
l'aide de l'algorithme de "Fast Fourier Transform" (FFT)
(voir Matlab et autres programmes de calcul)
41
IV-3 - Pathologie des donnes discrtises
On a vu (IV-1) que la limitation en dure et la discrtisation
d'un signal h(t) conduit son estimation par la fonction:
h(t) h(t) r
T
0
(t) tt
k
( )
k
1
]
1
tjT
0
( )
j
=> TF
h'
[ ]
TF h [ ]TF r
T
0
1
]
1
TF tt
k
( )
k
1
]
1
'
TF tjT
0
( )
j
1
]
1
=> TF
h'
[ ]
TF h [ ]TF r
T
0
1
]
1
k
t
( )
k
j
T
0
_
,
Fentrage Repliement Discrtisation
42
Repliement (Aliasing)
43
Fentrage (Leakage)
Remarque : il existe d'autres fonctions que la fonction crneau
pour le fentrage - Hanning, exponentielle... (voir TP)
44
Conclusions sur les pathologies
45
IV-4 - Thorme d'chantillonnage
Toute fonction f dont le spectre est limit en frquence
(TF(f) = 0 pour |n| > n
c
, n
c
frquence caractristique) peut tre
dtermine de manire unique par la connaissance de ses
valeurs chantillonnes une frquence 2n
c
.
Frquence d'chantillonnage n
e
=2n
c
=> rplique du spectre tout les n
e
=2n
c
n (Hz)
TF(f)
-n
c
n
c
0 n (Hz)
-n
c
n
c
0
... ...
n
e
=2n
c
2n
c
est la frquence minimale laquelle il faut chantillonner
le signal pour pouvoir connatre son contenu frquentiel.
n (Hz)
-n
c
n
c
0
... ...
n
e
>2n
c
n (Hz)
-n
c
n
c
0
... ...
n
e
<2n
c
46
Exemple : signal sinusodal la frquence n
o
.
-> n
e
>2n
o
t
n
-n
e
-n
o
-n
e
+n
o
-n
o
n
o
n
e
+n
o
n
e
-n
o
n
e
/2 -n
e
/2 n
e
-n
e
-> n
e
=2n
o
t
n
-2n
o
-n
o
n
e
/2 -n
e
/2 n
e
-n
e
n
o
2n
o
-> n
e
<2n
o
t
n
-2n
e
+n
o
-n
e
+n
o
n
e
-n
o
2n
e
-n
o
n
o
n
e
/2 -n
e
/2 n
e
-n
e
-n
o
47
IV-5 - Spectre de Puissance discret
Soit la srie temporelle h(t
k
) avec t
k
=kT
0
/N et k=0, 1,...N.
On a les relations :
a
j
h
k
k0
N1
e
i2
j
t
k
et h
k
1
N
a
j
jN/ 2
N/ 21
e
i2
j
t
k
avec n
j
= j/T
0
=> Spectre d'amplitude -> Spectre de puissance
|a
k
| |a
k
|
2
Thorme de Parseval pour les donnes discrtes
h
k
k0
N1
1
N
a
j
jN/2
N/21
2
48
V - Systmes linaires et filtres
Introduction
-> Rappel sur les systmes
Un systme est une entit, ou un appareil, o l'on peut
distinguer des signaux d'entre et des signaux de sortie.
e(t)
s(t)
Systme
-> Proprits des systmes tudis
Soit un systme A et un signal e(t) : s(t) = A e(t) => s=A(e)
- Linarit: A(le
1
+be
2
) = lA(e
1
) + bA(e
2
)
- Causalit: Si "t < t
0
, e
1
(t) = e
2
(t)
=> "t < t
0
, s
1
(t) = s
2
(t)
- Invariance: Si A : e(t) -> s(t)
=> e(t-a) -> s(t-a) "a
49
V-1 - Notion de convolution et rponse impulsionnelle
Rponse impulsionnelle
La rponse impulsionnelle d'un systme S linaire est le signal
de sortie s(t) de ce sytme lorsqu'on lui applique une impulsion
unit (distribution de Dirac) l'entre.
t
t
S
e(t)
s(t)
Systme
Par la suite, on notera la rponse impulsionnelle par h(t)
si e(t) = d(t) alors s(t) = h(t)
Rponse d'un systme un signal quelconque
-> Approximation d'une fonction continue l'aide de d(t)
t
e(t)
...
...
t
i
t
i+1
t
i+2
t
i+3
Dt
e(t) e(t
i
)
i
r
t/2
(t t
i
)t
50
Avec :
- r
Dt/2
(t) fonction crneau normalise r
Dt/2
(t) = 1/Dt |t|<Dt/2
r
Dt/2
(t) = 0 |t|>Dt/2
- t
i
= i Dt
Passage la limite : Dt -> 0 => r
Dt/2
(t-t
i
) -> d(t-t
i
)
=> e(t) e(t
i
)
i
r
t/2
(t t
i
)t devient:
e(t) e(t
i
)
i
(t t
i
)t
-> Rponse du systme
Entre -S-> Sortie
d(t) -S-> h(t)
d(t-t
i
) -S-> h(t-t
i
) (si S stationnaire)
e(t
i
) Dt d(t-t
i
) -S-> e(t
i
) Dt h(t-t
i
) (si S linaire)
=> s(t) e(t
i
)
i
h(t t
i
)t
-> Passage la limite : Dt -> 0, => ->
=> Dt -> dt'
=> t
i
-> t'
e(t) e(t
i
)
i
r
t/2
(t t
i
)t devient e(t) e(t' )
(t t' )dt'
et
s(t) e(t' )
x
RC
u(x) rponse impulsionnelle
t
0
h(t)
1/RC
e
-1
/RC
0 t=RC
53
V-2 - Dfinition d'un filtre - Rponse harmonique
Dfinition d'un filtre
Un filtre est un systme linaire, continu et invariant.
Un filtre est entirement dfini par sa rponse harmonique
(ou fonction de transfert).
-> Considrons un signal priodique e(t) =>e(t) C
n
e
2int
n
e
2int
dt : coefficients de Fourier
-> On applique se signal e(t) l'entre d'un filtre
=> s(t) = A e(t)
= A C
n
e
2int
n
= C
n
Ae
2int
n
d
C() e(t) e
i2t
dt
s(t) = A e(t) = A C()e
i2t
d = C() Ae
i2t
d
=> Pour connaitre s(t) quelque soit e(t) il suffit
de connaitre Ae
2i t
-> Dtermination de s
nl
(t) = Ae
2int
=> s
nl
(t) = H(nl) e
2int
Remarque : dans le cas continu, s
n
(t) = H(n) e
2i t
La fonction H : R -> C est la rponse harmonique du filtre A
Tout signal monochromatique de frquence l est une fonction
propre de tout filtre A et sa valeur propre est H(l)
Ae
2it
H()e
2it
Remarque : cas continu, Ae
2i t
H()e
2i t
55
Conclusion
La rponse harmonique H(n) nous montre donc comment
se transforme, par le filtre A, une composante la frquence n
- Si e(t) est priodique (T=1/l)
s(t) = A e(t) = A C
n
e
2int
n
= C
n
Ae
2int
n
= C
n
H(n)e
2int
n
d
= C() Ae
i2t
d = C() H()e
i2t
d
- Gnralement : on a C(n) = TF(e) et C(n) H(n) = TF(s)
=>
H()
TF(s)
TF(e)
Exemple : Rponse harmonique du filtre RC
R
C
s(t)
e(t)
=> RC s'(t) + s(t) = e(t)
"n, e
2i t
est fonction propre de tout filtre
e(t)=e
2i t
-> s(t)=H(n) e
2i t
56
RC s'(t) + s(t) = e(t)
=> 2pinRC H(n) e
2i t
+H(n) e
2i t
= e
2i t
=> (2pinRC + 1) H(n) e
2i t
= e
2i t
=> H()
1
1+2iRC
Module : H()
1
1+ 2RC ( )
2
filtre passe-bas
0.0
0.2
0.4
0.6
0.8
1.0
1.2
-40 -30 -20 -10 0 10 20 30 40
|
H
(
n
)
|
n (Hz)
RC=1
Reprsentation log-log
10
-2
10
-1
10
0
0.01 0.1 1 10
|
H
(
n
)
|
n (Hz)
RC=1
n
c
=
1
2pRC
1/2
57
V-3 - Rponse indicielle - Gain d'un filtre
Rponse indicielle
Dfinition : C'est la rponse un chelon unit (fonction u(t))
Systme
e(t)=u(t)
s(t)=h (t)
1
h
1
(t) = u(t) * h(t) = h(t' )
a
j
e
(j)
(t)
j0
p
.
(k)
dsigne la k
ime
drive par rapport au temps
Condition restrictive : s(t) et e(t) acceptent une TF
Calcul de la rponse harmonique
TF b
k
s
(k)
k0
q
_
,
TF a
j
e
(j)
j0
p
_
,
b
k
TF s
(k)
( )
k0
q
a
j
TF e
(j)
( )
j0
p
(linarit)
b
k
2i ( )
k
TF s ( )
k0
q
a
j
2i ( )
j
TF e ( )
j0
p
(drivation)
=> TF s ( )
a
j
2i ( )
j
j0
p
b
k
2i ( )
k
k0
q
TF e ( )
On note : P(x) a
j
x
j
j0
p
et Q(x) b
j
x
j
j0
p
=> TF s ( )
P 2i ( )
Q 2i ( )
TF e ( )
Condition restrictive : Q(x) ne s'annule pas pour x imaginaire
pur : la fraction P/Q n'a pas de ples sur l'axe imaginaire.
59
On a donc : TF s ( )
P 2i ( )
Q 2i ( )
TF e ( ) et comme H()
TF(s)
TF(e)
=> H()
P 2i ( )
Q 2i ( )
Si le degrs de P < degrs de Q, H(n) est dcroissance rapide
et admet donc une transforme de Fourier inverse.
Or d'aprs le thorme de convolution :
TF(s) = H(n) TF(e) <=> s(t) = TF
-1
(H) * e(t)
et comme : s(t) = h(t) * e(t) <=> h(t) = TF
-1
(H)
<=> H(n) = TF(h)
La transforme de Fourier de la rponse
impulsionnelle h(t) est la rponse harmonique H(nnn n)
Calcul de la rponse impulsionnelle
h(t) = TF
-1
(H) se calcule dans le cas gnral en faisant la TF
inverse de la dcomposition de H en lments simples.
2 cas :
- H()
P 2i ( )
Q 2i ( )
n'a que des ples simples (1)
- H()
P 2i ( )
Q 2i ( )
a des ples multiples (2)
60
(1) H()
P 2i ( )
Q 2i ( )
k
z
k
2i
k1
q
z
k
: ples de H (zro de Q)
b
k
: coefficient de la dcomposition
=> h(t) TF
1
H ( ) TF
1
k
z
k
2i
_
,
k1
q
=> h(t)
k
e
z
k
t
u(t)
kK
+
k
e
z
k
t
u(t)
kK
+
avec K
+
= {k {1, 2,...,q}; Relle(z
k
)>0}
et K
-
= {k {1, 2,...,q}; Relle(z
k
)<0}
(2) H(n) a des ples multiples
ples : z
1
, z
2
, ... z
l
de multiplicit , m
1
, m
2
..., m
l
b
km
: coefficient de la dcomposition
H()
P 2i ( )
Q 2i ( )
km
z
k
2i
( )
m
m1
m
k
k1
l
=> h(t) TF
1
H ( )
k1
1
TF
1
km
z
k
2i
( )
m
_
,
m1
m
k
u(t) P
k
(t)e
z
k
t
kK
+
avec K
+
= {k {1, 2,...,l}; Relle(z
k
)>0}
K
-
= {k {1, 2,...,l}; Relle(z
k
)<0}
et P
k
(t)
mk
t
m1
m1 ( ) !
m1
m
k
(1)
m
61
V-5 - Stabilit et causalit
Filtre stable
Soit un filtre A, on dmontre que A stable
<=> degrs(P) degrs(Q) (a)
P/Q n'a pas de ples sur l'axe imaginaire (b)
(a) sinon H()
P 2i ( )
Q 2i ( )
ne dcroit pas avec n
=> pas de TF
-1
(H)
(b) sinon $n
0
tel que H(n
0
) =
Filtre ralisable (ou causal)
Rappel sur la causalit: Si "t < t
0
, e
1
(t) = e
2
(t)
=> "t < t
0
, s
1
(t) = s
2
(t)
Dans le cas d'un filtre on peut crire:
si e
1
(t) = e
2
(t) + e(t) avec e(t)=0 "t<t
0
alors s
1
(t) = s
2
(t) + s(t) => s(t)=0 "t<t
0
On dmontre que A est ralisable
<=> support(h) [0, + [
<=> h(t)=0 """ "t<0
62
En effet, si -> support(h) [0, +[ => h(s)=0 "s<0
-> e(t)=0 "t<t
0
alors le produit de convolution s(t) h(s)e(t s)ds
devient
s(t) h(s)e(t s)ds
0
tt
0
et en particulier s(t
0
) h(s)e(t
0
s)ds
0
0
0
Application :
=> h(t)
k
e
z
k
t
u(t)
kK
+
k
e
z
k
t
u(t)
kK
+
avec K
+
= {k {1, 2,...,q}; Relle(z
k
)>0}
et K
-
= {k {1, 2,...,q}; Relle(z
k
)<0}
=> h(t) u(t) P
k
(t)e
z
k
t
kK
u(t) P
k
(t)e
z
k
t
kK
+
avec K
+
= {k {1, 2,...,l}; Relle(z
k
)>0}
K
-
= {k {1, 2,...,l}; Relle(z
k
)<0}
et P
k
(t)
mk
t
m1
m1 ( ) !
m1
m
k
(1)
m
Pour que support(h) [0, +[ il faut et il suffit que K
+
=
Conclusion sur la stabilit et la causalit
Un filtre A est ralisable et stable
Tous les ples de P/Q ont une partie relle ngative
63
VI - Reprsentation d'un systme de suspension par un filtre
Bibliographie:
- The Fast Fourier Transform,
E. Oran Brigham, ed. Prentice Hall
- Mthodes et Techniques de traitement du signal et applications aux
mesures Physiques, J. Max, ed. Masson
- Introduction la thorie du signal et de l'information,
F. Auger, Editions Technip, ISBN 2-7108-0743-2
- Traitement numrique du signal, une introduction;
A van den Enden et N. Verhoeckx, Masson, ISBN 2-225-82522-X
- Traitement numrique des signaux,
M. Kunt, Presses Polytechniques et Universiatires Romandes,
ISBN 2-88074-352-4