Vous êtes sur la page 1sur 29
FILTRAGE NUMERIQUE première partie : analyse des filtres numériques Pierre Le Bars (avec la collaboration
FILTRAGE NUMERIQUE première partie : analyse des filtres numériques Pierre Le Bars (avec la collaboration

FILTRAGE NUMERIQUE

première partie : analyse des filtres numériques

Pierre Le Bars (avec la collaboration de Francis Gary) lebars@moniut.univ-bpclermont.fr

FILTRAGE NUMERIQUE

première partie : analyse des filtres numériques

I/ Organisation générale

-1- Schéma général

Voir la figure « Introduction au cours EN22 ». La chaîne de traitement numérique comporte :

un filtre analogique passe-bas d’antirepliement

un échantillonneur de période d’horloge T E

un CAN fournissant, au rythme de l’horloge, une suite de nombres binaires

exprimés sur B bits, représentant la mesure de

valeur. Ces nombres peuvent être exprimés sous différents codes (binaire naturel, binaire décalé, complément à 2 …)

x

(

n.T

E

)

. On notera x(n) ou x n cette

une unité de calcul effectuant un algorithme qui, à partir de la suite {

x

n

}

, crée une

autre suite {

y

n }

.

1

Cet algorithme peut être simple (par exemple :

ou beaucoup plus sophistiqué : par exemple, à partir de 256 valeurs

y

n

=

2

.x

n

(

+

x

)

n1

)

x

n

, x

n

1

,

, x

n

255

, on peut calculer la FFT X k , supprimer quelques raies

indésirables de ce spectre pour obtenir le spectre Y k et par FFT inverse obtenir la

suite {

y

n }

.

Cette unité de calcul peut être un ordinateur, un microprocesseur ou un DSP (Digital Signal Processor = processeur spécialisé dans le traitement numérique du signal)

un CNA traduit sous forme analogique la suite numérique {

y

n

}

de sortie. Ce

signal est en général maintenu constant sur une période d’échantillonnage (signal

en « marches d’escalier »).

un filtre (analogique) lisse le signal de sortie du CNA.

Dans la suite nous supposerons que le nombre B de bits est suffisant pour négliger les effets de la quantification, et que les convertisseurs d’entrée et de sortie ont le même quantum de conversion.

-2- Avantages du traitement numérique

répétitivité

si on demande à 500 calculateurs d’effectuer l’algorithme

y n

=

1

2

(

.x

n

+

x

n1

)

, on aura toujours le même résultat. Par

contre 500 circuits R-C présenteront une dispersion sur la

fréquence de coupure.

1

stabilité à long terme :

reprogrammation :

pas de vieillissement des composants. On peut réaliser des filtres analogiques d’ordre n élevé, mais il faut alors des composants très précis et très stables (ne vieillissant pas), donc de coût élevé. A partir d’une certaine valeur (n 4 ou 6), une réalisation numérique est préférable.

avec un même matériel, on passe facilement d’un filtre à un autre, en changeant simplement l’algorithme (logiciel). Avec un DSP, il suffit de changer une EPROM. Un appareil donné peut donc facilement évoluer.

adaptation :

le système peut lui-même adapter ses coefficients en fonction de l’environnement. On peut envisager par exemple un correcteur PID numérique dans une boucle d'asservissement ajustant automatiquement les paramètres K, T i et T d de façon à minimiser le temps de réponse.

nouveaux filtres : avec les techniques numériques on peut réaliser des filtres n’ayant pas d’équivalent analogique. On peut citer tous les filtres à phase linéaire.

-3- Inconvénient du traitement numérique

Les filtres numériques sont limités en fréquence : en effet, pendant une période d’échantillonnage T E , il faut avoir le temps de faire :

1. la conversion A N (temps t convAN )

2. le calcul de y n

3. la réorganisation de la mémoire (x n devient x n-1 , x n-1 devient x n-2 , … pour la période suivante)

4. la conversion N A (temps t convNA . En général : t convNA << t convAN )

Si t calcul désigne le temps nécessaire pour effectuer les phases 2 et 3, il faut que :

Tt

E

>

convAN

+

t

calcul

+

t

convNA

⇒<

E

FF

MAX

=

1

t

convAN

+

tt

calcul

+

convNA

Or, le signal d’entrée x(t) est échantillonné et doit donc respecter le théorème de

Shannon :

F

Sup

<

F

E

2

(où F Sup désigne la limite supérieure du spectre de x(t) ).

En hautes fréquences (supérieures à quelques dizaines de mégahertz) on conserve les techniques analogiques.

II/ Méthodes générales d’étude des filtres numériques

REMARQUE :

On retrouve pour l’étude des filtres numériques le même type d’outils (adaptés) que pour l’étude des filtres analogiques. Nous ferons systématiquement le parallèle (voir annexes 1 et 2). Notons tout de même que si les outils sont comparables, les résultats seront nouveaux !

2

-1- Définition d’un filtre numérique

Un filtre numérique est un système numérique linéaire invariant.

Filtre x(n) numérique Linéarité Soient :
Filtre
x(n)
numérique
Linéarité
Soient :

y(n)

y 1 (n) la réponse à x 1 (n) y 2 (n) la réponse à x 2 (n) Si le système est linéaire, alors :

la réponse à a.x (n) est a.y (n) , pour toute valeur de la constante a

1

1

la réponse à x (n) + x (n)

12

est

y (n) + y

12

(n)

D’une manière générale, si a et b sont deux constantes :

la réponse à a.x (n) + b.x (n) est a.y (n) + b.y (n)

12

12

Invariance Soit y(n) la réponse à x(n). Si le système est invariant, la réponse à la suite retardée x(n-k) est la suite retardée y(n-k), pour toute valeur du retard k.

-2- Equation de récurrence

Un filtre analogique peut être défini par une équation différentielle. Par exemple, pour un filtre du premier ordre :

dy

.

y(t)

=

A.x(t)

dt De même, un filtre numérique est défini par une équation de récurrence (algorithme permettant de calculer y(n) ) :

y(n) = a .x(n) + a .x(n −++1)

01

a .x(n Q) b .y(n −−1)

Q

1

b .y(n 2) −− b .y(n P)

2

P

ou encore :

P Q y(n) + ∑ b .y(n −= k) ∑ a .x(n − l )
P
Q
y(n)
+
b .y(n
−=
k)
a .x(n
l )
k
l
k1
=
l =
0

b k et a l sont des constantes caractéristiques du filtre

-3- Exemples

On se propose de réaliser sous forme numérique un filtre ayant des propriétés comparables à celles d’un dérivateur analogique défini par l’équation différentielle

y(t)

dx

. dt

3

x x(n) x(n-1) (n-1).T E n.T E
x
x(n)
x(n-1)
(n-1).T E
n.T E

t

On obtient l’équation de récurrence :

(1)

y(n)

=

T

E

τ

[

. x(n)

x(n

−−

1)

]

Si T E est suffisamment petit, on peut donner une expression approchée de la dérivée :

b

k

=

0

dx

x(n)

x(n

1)

dt

T

E

 

τ

k

;

a

=

et a

01

T

E

τ

T

E

=−

On peut chercher également à réaliser un intégrateur en utilisant la même approximation :

soit :

(2)

τ

.

dy

y(n)

y(n

1)

.

= ⇒τ

x

dt

T

E

=

y(n) y(n −=1)

T

E

τ

.x(n)

x(n)

 

b

1

=−

1;a

0

=

T

E

τ

 

-4- Classification des filtres numériques

Les exemples ci-dessus montrent qu’il existe deux types de filtres numériques.

4.1. Filtres non récursifs

y(n) est calculé en fonction seulement des entrées présente et passées x(n), x(n-1) … (voir le premier exemple). L’équation de récurrence s’écrit simplement :

y(n)

=

Q

l =

0

a .x(n

l

l

)

4.2. Filtres récursifs

C’est le cas du deuxième exemple : y(n) est calculé en fonction des entrées présente et passées, mais aussi en fonction des valeurs passées de la sortie y(n-1),… :

y(n)

=

Q

l =

0

a .x(n

l

)

−− l

P

=

k1

b .y(n

k

k)

-5- Réponse impulsionnelle

On sait, en analogique, que la réponse impulsionnelle d’un filtre le définit complètement. Il en est de même pour les filtres numériques.

4

Notons toutefois une différence importante : l’impulsion analogique δ(t) n’est pas réalisable physiquement, alors que la suite numérique impulsionnelle δ(n) est facilement réalisable :

δ=

(n)

δ=

(n)

1

0

si

si

n

n

=

0

0

On désignera par h(n) la réponse impulsionnelle du filtre.

Filtre δ(n) numérique 5.1. Filtres non récursifs
Filtre
δ(n)
numérique
5.1. Filtres non récursifs

h(n)

Le filtre est défini par le récurrence :

y(n) = a .x(n) + a .x(n −+1) On a donc :

δ

01

=

a

(0)

+

01

.

a .

h(0)

δ− +

(

1)

a

2

== 10

a .x(n 2) ++ a .x(n Q)

2

Q

.

δ− + +

(

2)

=

0

a

Q

.

δ− =

(

Q)

=

0

a

0

h(1)

=

a

δ

(1)

+

01

.

a .

δ

(0)

== 01

+

a

2

.

δ− + +

(

1)

=

0

a

Q

.

δ −

(1

=

0

Q)

=

a

1

Soit finalement :

h(0) = a

;

h(1) = a

01

:

;

h(Q) = a

Q

etc

et h(n) =>0 pour n

Q

Il y a un nombre fini d’échantillons de la réponse impulsionnelle non nuls (de 0 à Q, soit Q+1 échantillons non nuls). Ces filtre sont appelés Filtres à Réponse Impulsionnelle Finie 1 (R.I.F.) (ou FIR = Finite Impulse Response en anglais). En résumé :

Q Filtre non récursif = Filtre R.I.F. ⇔= y(n) ∑ a .x(n − l )
Q
Filtre non récursif = Filtre R.I.F.
⇔=
y(n)
a .x(n
− l
)
l
l = 0
Q
y(n)
=
h( ).x(n
l
l
)
l = 0
h( )
l
=
a
l

Exemple :

« dérivateur » avec τ = T E :

y(n) = x(n) −−x(n

1)

h(0)

=

1

;

h(1)

=−

1

h(n)

0

= ∀∉

n

{

0,1

}

h(n) 1 1 -2 -1 0 2 3 4 -1
h(n)
1
1
-2
-1
0
2
3
4
-1

n

1 On devrait dire en toute rigueur : Filtre à Réponse Impulsionnelle de Durée Finie

5

5.2. Filtres récursifs

Le filtre est défini par le récurrence :

y(n) = a .x(n) + a .x(n −++1) D’où :

h(n) = a .δ(n) + a .δ−++(n

01

01

1)

a

a

Q

Q

.x(n Q) b .y(n −−1)

1

.δ−(n

Q) b .h(n −−1)

1

b .y(n 2) −− b .y(n P)

2

P

b .h(n 2) −− b .h(n P)

2

P

Pour n > Q :

h(n) =− b .h(n 1) b .h(n 2)

12

b .h(n P)

P

0

Il y a une infinité de valeurs non nulles de la réponse impulsionnelle. Ces filtres sont appelés Filtres à Réponse Impulsionnelle Infinie 2 (R.I.I.) (IIR = Infinite Impulse Response en anglais). En résumé :

P Q Filtre récursif = Filtre R.I.I. ⇔ y(n) + ∑ b .y(n −= k)
P
Q
Filtre récursif = Filtre R.I.I.
⇔ y(n)
+
b .y(n
−=
k)
a .x(n
− l
)
k
l
k1 =
l =
0
(il existe au moins un coefficient b
≠ 0)
k

Exemple :

« intégrateur » avec τ = T E y(n) - y(n-1) = x(n)

h(0)

h(1)

etc

(0)

+

h(

h(1)

1)

− =

1 si

1

+ =

=δ +

(1)

=

0

h(

1

1)

− =

0

h(n)

=

1

n

∀≥

0

-6- Convolution numérique

h(n) 1 -2 -1 0 1 2 3 4
h(n)
1
-2
-1
0
1 2
3
4

n

Le problème est le suivant : comme pour les filtres analogiques, la réponse impulsionnelle d’un filtre numérique permet-elle de déterminer la réponse à n’importe quelle excitation x(n) ? La réponse est évidemment OUI pour un filtre RIF : connaissant h(0), h(1) … h(Q) on en déduit la récurrence, qui permettra de déterminer y(n) pour une excitation x(n) donnée. Le problème se pose pour les filtres RII. On peut écrire :

x(n)

=

k

En effet : δ−(n

+∞

+∞

= −∞

x(k). (n

δ− =

k)

et

j

x(n

= −∞

k) = 1si n = k

0 si n k

−δ

j). (j)

( cette expression est à comparer à : x(t)

=

+∞

−∞

x(

θ δ −θ

(t

).

).d

θ )

On suppose connue la réponse impulsionnelle h(n).

2 Comme pour les filtres RIF, on devrait dire en toute rigueur Filtres à Réponse Impulsionnelle de Durée Infinie

6

 

Excitation

   

Sortie

Propriété utilisée

 

δ(n)

 

h(n)

 
 

δ(n-k)

 

h(n-k)

Invariance du filtre

 

x(k). δ(n-k)

   

x(k).h(n-k)

 

Linéarité du filtre. k étant donné, x(k) est une constante

 

+∞

 

+∞

 

δ

x(k). (n

k)

x(k).h(n

k)

linéarité

k

=−∞

k

=−∞

 

= x(n)

 

= y(n)

 

On obtient le produit de convolution numérique :

y(n)

+∞ +∞ = ∑ x(k).h(n −= k) ∑ x(n − k = −∞ l =
+∞
+∞
=
x(k).h(n
−=
k)
x(n
k = −∞
l
= −∞
changement d 'indice :
l
= −
n
k

l

).h( )

l

Remarque : pour un filtre RIF, on retrouve la récurrence car h(l) = a l .

Exemple :

cherchons la réponse indicielle de l’« intégrateur » (avec τ = T E ) :

x(n) = u(n) = 1 si n 0 et x(n) = u(n) = 0 si n < 0

On a vu que la réponse impulsionnelle du filtre est :

h(n)

h(n)

=

=

1 pour n 0 pour n

y(n)

=

+∞

l

= −∞

x(n

).h( )

ll

−=

Justification des limites :

D’où :

n

= 0

l

x(n

).h( )

ll

h(l) = 0 pour l < 0 x(n- l) = 0 pour n- l < 0 soit l > n

<

0

0

.

n n y(n) = ∑ x(n − l ).h( ) l = ∑ 1 =+
n
n
y(n)
=
x(n
l
).h( )
l
=
1
=+
n
1
l
=
0
l
=
0
y(n)
1
n
-2
-1
0
1
2
3

Différence par rapport à un intégrateur analogique :

y(0) 0

7

-7- Réponse harmonique

Une suite numérique sinusoïdale peut être obtenue en échantillonnant un signal

sinusoïdal :

ou encore, en travaillant avec les exponentielles complexes :

(ne pas oublier que physiquement, seule la partie réelle de ce signal a un sens). On suppose à priori le théorème de Shannon respecté, c’est à dire que :

x(t) = X.cos ω⇒.t

(

)

(

x(n) = X.cos ω.n.T

E

)

x(n)

=

X.e

j.n.

ω

.T

E

.

f

<

f

E

2

.T

⇔ ω <π

E

7.1. Etude à partir de la réponse impulsionnelle

On suppose que h(n) = 0 pour n < 0 (ce qui est en général le cas)

+∞

y(n) = ∑ h(k).x(n − k) k = 0 +∞ j. n ( − k
y(n)
=
∑ h(k).x(n
k)
k
= 0
+∞
j. n
(
k .
)
ω
.T
=
∑ h(k).X.e
E
k
= 0
+∞
j.n.
ω
.T
−ω j.k.
.T
=
X.e
E
.
∑ h(k).e
E
H(j.
ω
)
k
= 0

y(n) est également une suite numérique sinusoïdale de même pulsation ω. On peut définir la fonction de transfert en régime harmonique du filtre par :

+∞ +∞ − j.k. ω .T − j.k. Ω H(j. ω= ) ∑ h(k).e E
+∞
+∞
j.k.
ω
.T
j.k.
H(j.
ω=
)
h(k).e
E
=
h(k).e
k0
=
k0
=

en introduisant la pulsation réduite = ω.T E La figure ci-dessous donne la signification physique de cette fonction de transfert.

(

x(n) = X.cos n.ω.T

E

Filtre ) numérique
Filtre
)
numérique

y(n)

= X.

H(j. ω ) .cos  ω+ n. .T  E
H(j.
ω
)
.cos
 ω+
n.
.T
E

(

Arg H(j.

7.2. Etude à partir de la récurrence

Soit x(n)

=

X.e

j.n.

ω

.T

E

le signal d’entrée du filtre. En régime permanent, la sortie est

également sinusoïdale :

introduisant l’amplitude complexe Y.

y(n)

=

Y

M

.e

j.

ϕ

.e

j.n.

ω

.T

E

=

Y.e

j.n.

ω

.T

E

avec Y

=∈ , en

Y

M

.e

j.

ϕ

8

ω  

)

)

Q P y(n) = ∑ a .x(n −− l ) ∑ b .y(n − k)
Q
P
y(n)
=
a .x(n
−−
l
)
b .y(n
k)
l
k
l=0
k
= 1
Q
P
j.n.
ω
.T
j. n
()
−ω
l
.
.T
j. n
(
k .
)
ω
.T
⇒ Y. e
E
=
a .X.e
E
b .Y.e
E
l
k
l=0
k
= 1
Q
P
j.n.
ω
.T
−ω
l
.T
j.k.
ω
.T
=
e
E
a .X.e
E
− ∑
b .Y.e
E
. 
l
k
l=0
k
= 1
⇒+ Y.  1
P
Q
j.k.
ω
.T
−ω
l
.T
b
k .e
E
=
X.
a .e
E
l
k
= 1
l=0
Q
l ω
.T
a .e
E
l
Y
l=0
⇒ =
H(j.
ω= )
P
X
j.k.
ω
.T
1
+ ∑
b .e
E
k
k
= 1
Remarque :
y(n - k) correspond à l’échantillonnage de y(t - k.T E ), c’est à dire y(t) retardé de
− j.k.T .
k.T E . Or la fonction de transfert d’un retard est e
E
ω .
En résumé :
Q
l Ω
a .e
l
+∞
j.k.
l=0
H(j.
ω ) =
∑ h(k).e
=
en posant
Ω=ω
.T
P
E
k
= 0
j.k.
1
+ ∑
b .e
k
k
= 1

h(k), a l et b k sont réels.

-8- Exemple

On désire réaliser un filtre numérique qui se comporterait comme un système dy

y. + τ

dt

=

x

, avec

analogique du premier ordre défini par l’équation différentielle :

En utilisant l’approximation de la dérivée :

y(n)

+

τ

T

E

[

. y(n)

y(n

1)

]

=

x(n)

dy

y(n)

y(n

1)

, il vient :

dt

T

E

 
   

1

1

 

y(n)

.y(n

1)

−=

 

.x(n)

22

τ= T

E

.

Il s’agit d’un filtre récursif ou filtre RII (à réponse impulsionnelle de durée infinie).

h(n)

8.1. Réponse impulsionnelle

 1 h(0) = 1   2 1 .h(n 2 −=δ 1) . (n)
1
h(0)
=
1
 
2
1 .h(n
2
−=δ
1)
.
(n)
⇒ 
2
1
h(n)
=
2

(si h(

.h(n

1)

1) =

0)

On retrouve la définition d’une progression géométrique :

9

h(n)

=

1

 

 

2

n

+ 1

pour n

0

8.2. Réponse indicielle

L’entrée est une suite échelon unité u(n) : u(n) = 1 pour n 0 et u(n) =<0 pour n

+∞

y(n) = ∑ x(k).h(n − k) k =−∞ car h(n −= k) 0 pour k
y(n)
=
∑ x(k).h(n
k)
k =−∞
car h(n
−=
k)
0 pour k
>
n
n1k + −
n
 
1
= ∑
1. 
 
2
k
= 0
car x(k)
=
0 pour k
<
0
n1
+
k
n

1

1
.
∑ 1.
= 


2

2
k
= 0
(
n
+
1
)
 
1
1
n1
+
n1
+

1
−   
2

1
=
.
y(n)
=− 1


− 1

2
1
2
 

1
− 
 
2

pour n

0

Réponse impulsionnelle

h(n) 1/2 n -2 -1 0 1 2 3 4 5 6 7
h(n)
1/2
n
-2
-1
0
1
2
3
4
5
6
7

Réponse indicielle

y(n) 1 -2 -1 0 1 2 3 4 5 6 7
y(n)
1
-2
-1
0
1
2
3
4
5
6
7

8.3. Réponse harmonique

A partir de la récurrence, on obtient directement :

où :

H(j.

ω= )

1 1 2 = − Ω j. 2 − e 1 − Ω j. 1
1
1
2 =
− Ω
j.
2
− e
1 − Ω
j.
1
− .e

2

Ω=ω.T ( 0 ≤Ω≤π : théorème de Shannon)

E

10

0 .

n

III/ Transformée en Z

On a cherché pour les filtres numériques un outil comparable à la transformée de Laplace pour les filtres analogiques. Cet outil est la transformée en Z.

-1- Transformée de Laplace d’un signal échantillonné

x
x
T E x e (t)
T E
x e (t)

t x(t)

x e 0 T E 2.T E
x e
0
T E
2.T E

et

Voir le chapitre sur l’échantillonnage :

x

(t)

=

T .

eE

+∞

n =−∞

δ−

x(n.T ). (t

E

n.T )

E

lim x (t)

T

E

0

e

=

x(t)

Supposons que x(t) = 0 pour t < 0. On a donc : x(n.T E ) = 0 pour n < 0. Soit X(p) la transformée de Laplace de x(t).

X (p)

=

L

[

x

e

(t)

]

e

=

L

 

+∞

EE

T .

x(n.T ). δ− (t

n

=

0

=

T .

x(n.T ).

EE

L

[

δ− (t

=

T .

E

= T .

E

n

=

0

0

=

=

0

n

n

x(n.T ).e

E

n.T

E

(

x(n.T ). e

E

T

E

.p

.p

)

n

n.T )

E

n.T )

E

 

]

(car x(n.T )

E

=

0 pour n

<

0)

(linéarité de la transformée de Laplace)

(

L

[

]

δ= (t)

1

et

retard)

∞ − n X (p ) = T . ∑ x(n.T ).z e E E
− n
X (p )
= T .
x(n.T ).z
e
E
E
n
= 0

(en posant : z

=

e

T

E

.p

)

-2- Transformée en Z : définition

Dans le cas d’une chaîne de traitement numérique :

x(n) = x(n.T ) . On généralise

E

t

l’expression obtenue ci-dessus à tout signal numérique, même non issu d’un signal analogique échantillonné (par exemple la sortie d’un filtre numérique). Par définition, la transformée en Z X(z) d’un signal numérique x(n) est :

X(z)

= Z [

x(n)

]

=

n

= 0

x(n).z

n

11

( z )

-3- Transformée de Laplace et transformée en Z

Soit x(t) un signal analogique de transformée de Laplace X(p). Ce signal est échantillonné, puis, à l’aide d’un convertisseur analogique-numérique, on obtient la suite numérique x(n). La figure ci-dessous indique les liens entre les transformées de Laplace X(p) et X e (p) et la transformée en Z, X(z).

Transformée de Laplace Transformée en Z x e (t) x(t) C.A.N. x(n) T E X(p)
Transformée de Laplace
Transformée en Z
x e (t)
x(t)
C.A.N.
x(n)
T
E
X(p)
X e (p)
X(z)
X(p)
=
lim X (p)
T
.p
X
(p) = T .X z  = e
E
e
e
E
T
0
E

-4- Exemples

4.1. Impulsion

δ=

(n)

1si n

0 si n

=

0

0

[

∆= δ

(z)

Z

(n)

]

n

=

0

(n).z

n

=

z

0

=

1

Ce résultat est évidemment à comparer à la transformée de Laplace : L [δ(t)] = 1

D’où

Soit :

4.2. Echelon unité  1si n =  ≥ 0 u(n) 0 si n <
4.2. Echelon unité
 1si n
= 
≥ 0
u(n)
0
si n
< 0
(N 1)
+
1z
1
− n
1
U(z)
==
z
lim
=
(si
z
< 1)
1
1
N →∞
1z
1z
n
= 0
1
z
U(z) =
=
− 1
1z −
z1 −

Remarque : cette suite peut être obtenue en échantillonnant un échelon unité analogique γ(t) :

1 1 U(z) = ⇒Γ (p) = T . − 1 e E − T
1
1
U(z)
=
⇒Γ
(p)
=
T .
− 1
e
E
− T
.p
1z −
1e −
E
1
⇒Γ =
(p)
lim T .
E
− T
.p
transformée de Laplace bien connue.
T0 →
1
e
E
E

12

=

lim T .

T0

E

E

11

=

1

(

−− 1

T .p

E

)

p

4.3. « Exponentielle »

Soit la suite numérique :

n

x(n) = a .u(n) :

Soit :

X(z)

== a .z

nn

−−

a.z

(

n0

=

n0

=

X(z) =

1

z

=

1

a.z

1

z

a

1

)

n

=

n (x(n) = a pour n ≥ 0 et x(n) =<0 pour n + 1
n
(x(n) = a pour n ≥ 0 et x(n) =<0 pour n
+
1
1
(
1
a.z
) N
1
1
lim
=
(si
a.z
< 1)
1
1
N →∞
1
a.z
1
a.z

0) .

Pour faire le parallèle avec la transformée de Laplace, quel est le signal x(t) qui après échantillonnage donne x(n.T E ) = a n ?

Posons :

On a :

x(t)

=

e α

= e

x(n.T )

E

.t

(

αα .n.T

.T

EE

=

e

)

n

=

a

n

a =

e

α .T

E

soit

α=

1

T

E

.Ln(a)

D’où :

X (p)

=

T .X

eE

(

z

)

== e

T

E

.p

T .

E

111

=

T .

=

T .

E

1

a.e

T

E

.p

E

1

e

α− .T

T

EE

.e

.p

1

e

(

)

α− p .T

E

X(p)

=

lim X (p)

T0

=

lim

T .

→→

EE

eE

T0

1

1

e

(

)

α− p .T

E

=

lim

T0

E

T .

E

==  

1

1

−  1 + α−

(

p

)

.T

E

L

e

α .t

  p −α

IV/ Propriétés de la transformée en Z

-1- Linéarité

T.Z.  x 1 (n) ↔ X (z) 1   T.Z. ⇒+↔ a.x (n)
T.Z.
x 1 (n)
X (z)
1
T.Z.
⇒+↔
a.x (n)
b.x (n)
a.X (z)
+
b.X (z)
12
1
2
T.Z.
x
2 (n)
X (z)
2

(a et b

=

constantes)

Exemple d’application :

 

.T

)

 

1

 

 

j.n.

ω

.T

 

.T

 

1

.u(n)

=

EE

+

j.n.

ω

 

=

x(n)

(

cos n.

E

11

 

2

.

1

e

1

e

.u(n)

2

X(z)

⇒=

     
 

.

j.

ω

.T

1

+

.

−ω j.

.T

1

=

2

1

1

e

1

e

j.

ω

E

.z

.T

E

.z

1

2

1

+−

1

e

e

−ω

j.

.T

E

E

.z

.z

1

2

.

(

1

j.

ω

.T

E

1

1

 

−ω

j.

.T

E

1

)

 
 

   

e

.z

.

)(

e

.z

 

1

cos

(

ω

.T

E

)

.z

1

=

1

-2- Retard

(

−ω 2.cos

.T

E

)

.z

1

+

z

2

()

e

j.

ω

.T

E

n

.u(n)

+

(

e

−ω j.

.T

E

)

n

.u(n)

 

Soient x(n) une suite « causale » (x(n) = 0 pour n < 0) et X(z) sa transformée en Z. On considère la suite y(n) = x(n - k), c’est à dire la suite x(n) retardée de k échantillons. Problème : quelle est sa transformée en Z, Y(z) ?

13

En utilisant le parallèle avec la transformée de Laplace 3 :

(t) donne x(n) avec X (p)

x

y (t)

e

=−

x

ee

Y (p)

e

=

T .X

(

z

=

e

T

E

.p

)

eE

k.T ) donne

E

y(n) avec Y (p)

e

=

T .Y

E

E

.X (p)

e

 

k

.T .X

E

(

   

T .p

e

)

 

z

=

e

z

k

.X(z)

 

 

 

z

=

e

T

e

.p

Y(z)

=

 

(

z

=

e

T .p

e

)

 

 

z

Z

[

x(n

k)

]

=

z

k

.

Z

[

x(n)

]

 

(t

k.T .p

e

=

= T .

=

()

e

T .p

e

E

 

= T .Y

E

Or :

En résumé :

-3- Changement d’échelle

(

z

=

e

T

E

k .X(z)

.p

)

En utilisant toujours le parallèle :

Si on pose

z = e

T

E

.p

x(t)

x(t).e

p

0

.t

Laplace

Laplace

X(p)

X(p

p

0

)

, la transformation p pp

0 , revient à remplacer z par

e

(

p

p

0

)

.T

E

=

e

p.T

E

z

=

e

p

0

.

E

z

0

en posant z

0

= e

p

0

.T

E

. De plus le signal

x(t).e

p

0

.t

donne par

échantillonnage la suite numérique

 

x(n).e

p .n.T

0

E

(

= x(n). e

p

.T

0E

)

n

= z

0

n

.x(n) .

 

T.Z.

T.Z.

 

z

 

x(n)

X(z)

↔⇒

 

z

0

n

.x(n)

 

X

 

z

0

On a donc la propriété suivante :

Vérification :

X

 z



 z

 z



 z

=

n0

=

0

0

x(n).

n

=

∞∞

∑∑

x(n).z

0

nn

.z

==

y(n).z

n

n0

==

n0

Y(z)

en posant y(n)

=

x(n).z

0

n

Exemple d’application :

T.Z.

↔= U(z)

1

1

z

1

T.Z.

11 =

1

z

 

− 

1

1

a.z

1

1)

u(n)

n

a .u(n)

  résultat que nous avions obtenu directement à partir de la définition de la transformée en Z.

a

3 Le parallèle avec la transformée de Laplace n’est pas une démonstration, mais permet de comprendre (ou de retrouver rapidement) certaines propriétés de la transformée en Z. Pour une démonstration rigoureuse, voir le cours de math.

14

2) Sinusoïde amortie

(

cos n.

ω

.T

E

)

T.Z.

1

cos

(

ω

.T

E

)

.z

1

1

−ω

2.cos

(

.T

E

)

.z

1

+

z

2

n

a .cos

(

n.

T.Z.

ω↔

E

.T

)

1

cos

(

ω

.T

E

)

.

z

a

 

 

1

1

−ω

2.cos

(

.T

E

)

.

  z

 + 

  a

1

z

a

2

-4- Transformée en Z de la suite n.x(n)

=

 

1

a.cos

(

ω

.T

E

)

 

.z

1

 

1

2.a.cos

(

ω+

E

.z

.T

)

1

a

22

.z

Soit x(t) un signal, de transformée de Laplace X(p), donnant après échantillonnage la

suite x(n) de transformée en Z, X(z) :

X(p) = T .X

E

(

La transformée de Laplace de t.x(t) est :

dX . dz

dp

dX

L

[

t.x(t)

]

=−

dp

dz

=−

T .

E

=−

z = e

T

E

.p

)

T

E

2

.z.

dX

dz

4

car :

z

⇒= dz

=

e

T

E

.p

T .e

E

T

E

.p

=

T .z

E

dp En échantillonnant le signal t.x(t), on obtient la suite

T .n.x(n) = T .y(n) , en posant

E

E

y(n) = n.x(n), dont la transformée en Z est T .Y(z) . La transformée de Laplace de t.x(t) est

donc :

E