lectronique et Informatique Industrielle 1ere anne - EII1

25 mars 2003

Signaux et Systmes Discrets

= =

Olivier Sentieys

ENSSAT - Universit de Rennes 1

sentieys@enssat.fr http ://www.irisa.fr/R2D2 6 Rue de Kerampont - BP 447 22305 LANNION - France

IRISA ENSSAT
Institut de Recherche en Informatique et Systmes Alatoires cole Nationale Suprieure de Sciences Appliques et de Technologie Technople Anticipa Lannion

ENSSAT ENSSAT

ii

Table des matires

Introduction Remarques sur la notation . . . . Utilisation de Matlab et Scilab . Signaux et systmes . . . . . . . Classication des signaux . . . . Dimensionnalit . . . . . . Caractristiques temporelles Valeurs prises par le signal . Prdictibilit des signaux . 3 4 4 5 6 6 6 7 7 9 9 9 10 10 10 11 11 11 11 13 13 14 16 18 18 18 18 19 19 19 20 20 21 21

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1 Signaux dterministes temps discret 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . 1.2 Impulsion unit ou impulsion de Kronecker . . . . . 1.3 chelon unit . . . . . . . . . . . . . . . . . . . . 1.4 Signal exponentiel causal . . . . . . . . . . . . . . 1.5 Signal rectangulaire causal de dure N ou porte . . 1.6 Signal sinusodal de priode N . . . . . . . . . . . 1.7 Signal complexe . . . . . . . . . . . . . . . . . . . 1.8 Cas gnral : signal chantillonn non impulsionnel . 1.9 Proprits des signaux temps discret . . . . . . .

2 Transformation en Z 2.1 Dnition de la transforme en Z . . . . . . . . . . . . . 2.1.1 Exemples de transforme en Z . . . . . . . . . . 2.1.2 Description gnrale dune rgion de convergence 2.2 Proprits de la transforme en z . . . . . . . . . . . . . 2.2.1 Linarit . . . . . . . . . . . . . . . . . . . . . . 2.2.2 Thorme du retard . . . . . . . . . . . . . . . . 2.2.3 Thorme de lavance . . . . . . . . . . . . . . . 2.2.4 Facteur dchelle en z . . . . . . . . . . . . . . . 2.2.5 Inversion de laxe temporel . . . . . . . . . . . . 2.2.6 Drivation dans lespace en z . . . . . . . . . . . 2.2.7 Thorme de la valeur initiale . . . . . . . . . . . 2.2.8 Thorme de la valeur nale . . . . . . . . . . . 2.2.9 Thorme de la valeur intermdiaire . . . . . . . 2.2.10 Thorme de la sommation . . . . . . . . . . . . 1

2.3

2.4

2.5

2.2.11 Thorme de la convolution linaire discrte . . . . . . . . . . Transformes en Z rationnelles . . . . . . . . . . . . . . . . . . . . . 2.3.1 Dnition des ples et des zros . . . . . . . . . . . . . . . . 2.3.2 Fonction de transfert dun systme linaire invariant . . . . . . Transforme en Z inverse . . . . . . . . . . . . . . . . . . . . . . . . 2.4.1 Transforme inverse par intgration et mthode des rsidus . . 2.4.2 Transforme inverse par division polynmiale . . . . . . . . . . 2.4.3 Transforme inverse par dcomposition en fractions rationnelles Transformes en Z et en Z inverse de fonctions usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21 22 22 23 23 24 26 27 27 29 29 30 31 32 35 37 37 38 41 41 41 42 43 44 46 46 46 47 47 49 49 50 50 50 50 51

3 Transforme de Fourier dun signal discret 3.1 Rappels sur les signaux continus . . . . . . . . . . 3.2 Signaux discrets non priodiques . . . . . . . . . . 3.3 Signaux discrets priodiques . . . . . . . . . . . . . 3.4 Conditions dexistence de la transforme de Fourier 3.5 Proprits de la transforme de Fourier . . . . . . . 3.6 Densit spectrale dnergie . . . . . . . . . . . . . 3.7 chantillonnage du domaine Frquentiel . . . . . . 3.8 Transforme de Fourier Discrte . . . . . . . . . . .

4 Systmes discrets 4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Systmes linaires invariants . . . . . . . . . . . . . . . . . . . . 4.2.1 Reprsentation dun signal . . . . . . . . . . . . . . . . 4.2.2 Systme linaire invariant . . . . . . . . . . . . . . . . . 4.2.3 Stabilit . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.4 Causalit . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Reprsentation temporelle des systmes discrets . . . . . . . . . 4.3.1 Produit de convolution . . . . . . . . . . . . . . . . . . 4.3.2 Equation aux dirences nies . . . . . . . . . . . . . . 4.3.3 Fonction de transfert . . . . . . . . . . . . . . . . . . . 4.4 Analyse des systmes discrets par la transforme en Z . . . . . . 4.4.1 Rponse dun systme dcrit par une fonction rationnelle 4.4.2 Rgimes transitoires et permanents . . . . . . . . . . . . 4.4.3 Condition de causalit pour H (z ) . . . . . . . . . . . . . 4.4.4 Condition de stabilit pour H (z ) . . . . . . . . . . . . . 4.4.5 Dtermination du module et de la phase du systme . . . 4.5 Reprsentation frquentielle des systmes discrets . . . . . . . .

5 chantillonnage et reconstruction des signaux 53 5.1 chantillonnage idal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 5.2 Exemple pratique dchantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . 55 6 Travaux Dirigs en signaux et systmes discrets 6.1 chantillonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1.1 Chane de traitement numrique du signal . . . . . . . . . . . . . . . . . . 6.1.2 chantillonnage dun signal . . . . . . . . . . . . . . . . . . . . . . . . . . 2 57 57 57 58

1 6.1.3 chantillonnage idal . . . . . . . . . . 6.1.4 chantillonnage naturel ou avec blocage 6.1.5 Reconstitution . . . . . . . . . . . . . . Transforme en Z . . . . . . . . . . . . . . . . 6.2.1 Calculs de T Z . . . . . . . . . . . . . . 6.2.2 Signal exponentiel . . . . . . . . . . . . Transforme en Z inverse . . . . . . . . . . . . 6.3.1 Systmes linaires discrets . . . . . . . . 6.3.2 Filtre numrique . . . . . . . . . . . . . Transforme de F ourier dun signal discret . . . 6.4.1 Calcul de T F . . . . . . . . . . . . . . 6.4.2 Transforme de F ourier Discrte . . . . Analyse spectrale . . . . . . . . . . . . . . . . 6.5.1 Exercice 1 . . . . . . . . . . . . . . . . 6.5.2 Exercice 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 58 58 59 59 59 59 60 60 60 61 61 62 62 62

6.2

6.3

6.4

6.5

Introduction
Le traitement numrique du signal est une notion quil nest pas facile de dnir simplement tant donn le nombre important dapplications relevant de cette discipline. En premire approximation, on peut tout dabord tenter dexpliciter chacun des mots de cette expression. Traitement signie que lon est en prsence dun processus de squencement doprations programmes. Une squence doprations sapplique ici une suite de donnes Numriques qui vont reprsenter sous une forme discrte un paramtre variable, ou Signal, qui le plus souvent est extrieur au processus de traitement. Il sagit donc dappliquer un traitement ou une analyse de linformation une squence de nombres discrets qui reprsente un signal provenant pour la majorit des applications du monde physique qui nous entoure. Le traitement numrique dun signal ncessite un support matriel permettant deectuer le traitement de linformation, ce peut-tre du matriel lectronique spcique une tche particulire ou du matriel moins spcialis comme peut-ltre un ordinateur. Il faut pouvoir communiquer entre le monde physique extrieur et le processus par lequel seectue le traitement ; le signal extrieur, sil est dni sur un support continu, doit tre reprsent sous une forme discrte. Cela veut dire que lon accepte de perdre de linformation : entre deux valeurs conscutives et discrtes du signal nous faisons lhypothse de ne disposer daucune autre information. Nous verrons quune analyse du problme traiter permet de dnir correctement ce qui est conserv ou non dans la forme numrique dun signal. Il faut bien sr dnir la squence des oprations qui transforme le signal numrique. Cette opration correspond un objectif de traitement bien prcis, par exemple supprimer lcho des lignes tlphoniques, reconnatre une signature radar, etc... Le dveloppement de llectronique permit le traitement du signal analogique ; un signal lectronique analogique suit continuement le signal physique qui lui est reli via un capteur. Cest le dveloppement des calculateurs numriques qui a conduit lessor du traitement numrique du signal. Cest en eet une approche souple - les traitements correspondent des logiciels, les supports matriels sont polyvalents -, les tats discrets dun calculateur sont stables - ce nest en eet pas le cas des systmes analogiques fortement sensibles aux drives dues par exemple aux conditions de temprature ou aux problmes de vieillissement -. Cependant, lapproche numrique peut se rvler parfois complexe pour des applications trs simples. La quantit dinformation pouvant tre traite est corrle la vitesse de calcul ; la ralisation dun traitement sous forme analogique ira toujours plus vite que par une forme numrique avec un calculateur et du logiciel. En conclusion, le traitement du signal peut se rsumer dans les actions suivantes : 1. Modliser ou identier consiste en lanalyse dun signal ou dun systme, dans le 3

Introduction domaine temporel ou frquentiel (i.e. spectral). On parlera galement destimation. 2. Synthtiser ou gnrer un signal. 3. Transmettre un ensemble de signaux sur un support. 4. Transformer un ensemble de signaux laide dun systme linaire (ltrer, moduler, coder, . . .) ou non linaire (()2 , | |, . . . ).

Remarques sur la notation

Dans la suite du document, on notera par f la frquence en Hz, fe la frquence dchantillonnage, T la priode dchantillonnage et = 2f la pulsation en rad/s. Pour des raisons de simplicit dexpression, on peut faire abstraction de T si on sait que toutes les grandeurs utilises seront relatives T ou fe . Pour ces raisons, on peut utiliser dans le domaine frquentiel, la variable = 2f.T = 2f /fe appele pulsation relative. Un ltre numrique exprim selon la variable (ou un signal discret) sera donc priodique de priode 2 (cest dire fe ) et son gabarit sera dni entre 0 et (cest dire entre 0 et fe /2).

Utilisation de Matlab et Scilab

Matlab, Acronyme de Matrix Laboratory, est un environnement logiciel interactif puissant ddi au calcul numrique et la visualisation ; il est trs utilis dans les divers domaines des sciences pour lingnieur, tant pour lanalyse que la conception. Il existe galement un nombre important de toolboxes qui tendent les possibilits de Matlab divers domaines spcialiss au moyen de fonctions supplmentaires : traitement du signal, automatique, traitement dimages, optimisation, rseaux de neurones, logique oue etc... Il faut considrer Matlab comme tant avant tout un outil de calcul matriciel. Scilab (http ://www-rocq.inria.fr/scilab) est un quivalent libre de droit de Matlab qui se rvle donc intressant si on ne possde pas de licence Matlab. Mme si elle est proche dans sa philosophie, la syntaxe des commandes pour lutilisation de Scilab nest pas totalement compatible avec Matlab. La plupart des exemples ou gures utiliss ont t raliss sous Matlab ou Scilab et seront illustrs sous Matlab travers des exemple au cours du document an deectuer lapprentissage de ce type de logiciel, aujourdhui indispensable pour tout traiteur de signaux.

Remerciements
Merci Michel Corazza, Daniel Mnard, Herv Chuberre et Olivier Board pour leur aide dans llaboration de ce document.

Signaux et systmes

Signaux et systmes
Un signal est une quantit physique mesurable qui volue en fonction dune ou de plusieurs variables comme par exemple le temps ou des variables despace. Souvent on rfre un signal la reprsentation mathmatique de la quantit physique observe. Un signal correspond le plus souvent une modlisation du comportement de la quantit physique observable. Cependant, il peut tre extrmement dicile dobtenir une forme mathmatique simple et concise pour un signal donn. Un systme est une entit physique qui ralise une opration sur un signal. Un systme dnit donc un signal dentre et un signal de sortie ; le signal de sortie correspond la transformation opre par le systme sur le signal dentre. Par exemple, loreille humaine est un systme transformant un signal correspondant une variation de pression acoustique en des squences parallles de signaux lectriques sur le nerf auditif. Un microphone est un systme un peu analogue au prcdent (en premire approximation trs rductrice...) dans la mesure o une variation de pression acoustique est transforme en un signal lectrique monodimensionnel. Ltude de tels systmes conduit analyser les transformations entre signaux dentre et de sortie pour des systmes plus ou moins complexes ; cette activit est appele traitement du signal. On ne parlera ici que du traitement des signaux numriques.

Systme numrique de traitement du signal Historiquement, le traitement du signal tel que dni dans lintroduction prcdente fut dabord de type analogique. En pratique, les signaux manipuls taient des tensions ou des courants. Un systme numrique de traitement du signal peut vivre dans un monde purement numrique. Par exemple, la cotation des valeurs dune bourse peut tre vue comme un ensemble de signaux numriques. Cependant la majorit des oprations en traitement du signal ont lieu sur des signaux analogiques, quil faut donc convertir sous une forme numrique pour que lon puisse leur appliquer des oprations numriques. Dans la majorit des cas, il est tout aussi indispensable de convertir le signal numrique dun traitement numrique en un signal analogique. Ces oprations de conversion analogique/numrique, A/N, et numrique/analogique, N/A, sont les interfaces entre un monde physique et le monde du calculateur o sexcutent les algorithmes de traitement du signal. Dans la chane du traitement du signal, ces interfaces de conversions sont le talon dAchille de ces systmes ; elles limitent la vitesse et la prcision des systmes de traitement. La dnition technologique dune interface de conversion A/N et N/A est toujours un compromis cot performance. Hormis la dicult du passage analogique/numrique, les systmes TNS ont de srieux avantages sur leurs quivalents analogiques. Flexibilit, utilisation dalgorithmes sur des calculateurs. Prcision et consistence des calculs numriques comparer aux drives des systmes analogiques (tolrance des composants). Capacit de stockage, transmission sans altration du signal.

Classication des signaux

Classication des signaux

On rappelle quun signal est une fonction dpendant dune ou de plusieurs variables. Par exemple soit le signal : s(t), s est une quantit dpendant dun paramtre t (par convention, on utilisera la lettre t pour la variable temps). Un signal peut tre class selon dirents critres : sa dimensionnalit, ses caractristiques temporelles, les valeurs quil peut prendre, sa prdictibilit.

Dimensionnalit
On peut tenir compte de ce critre de deux manires direntes : la dimension du signal et les dimensions des variables du signal. Considrons tout dabord ce critre de classication comme tant la dimension de lespace des valeurs prises par le signal (ou la fonction mathmatique modlisant le signal). On distingue alors : le signal scalaire, ou signal monocanal pouvant prendre des valeurs relles ou complexes. le signal vectoriel, ou signal multicanal pouvant prendre des valeurs relles ou complexes. Prenons par exemple un signal de Tlvision (TV). Si on sintresse aux trois couleurs constituant une image, ce signal TV prend des valeurs dans un espace trois dimensions, une premire pour le rouge, une seconde pour le vert et enn une troisime pour le bleu ; [R, V, B ] = T V (t). Par contre, si on sintresse maintenant la luminance, ce signal prend ses valeurs dans un espace une dimension ; [L] = T V (t). On peut aussi considrer ce critre de classication comme la dimension du domaine de la fonction signal, cest--dire, le nombre darguments pris par cette fonction. On distingue alors : Le signal mono-dimensionnel qui correspond des fonctions un seul argument, comme par exemple le temps. Le signal multi-dimensionnel qui correspond des fonctions plusieurs arguments. Le signal TV correspondant la luminance peut tre fonction du temps mais aussi des variables cartsiennes correspondant un point de lcran ; [I ] = T V (t, x, y ). Il sagit dun signal tridimensionnel. Les signaux abords dans ce cours seront mono-dimensionnels fonction dune variable que lon considrera comme le temps. Toutes les techniques de traitement du signal se gnralisent assez bien aux signaux vectoriels et multidimensionnels (voir le cours sur le traitement dimages).

Caractristiques temporelles
On suppose un signal scalaire s(t). On distingue alors : Les signaux temps continu ou signaux analogiques. La variable t R. On notera un signal analogique de la faon suivante : sa (t). Les signaux temps discret : ces signaux sont dnis pour certaines valeurs de la variable t. On peut reprsenter un signal temps discret par une squence indice de la variable t : tn , n = 0, 2, 1, 0, 1, 2,

tn prcise un instant pour lequel le signal est dni. Attention, cela ne veut pas dire que le signal est nul entre deux instants ; il nest tout simplement pas dni.

Classication des signaux

On sintressera ici une rpartition uniforme des instants tn que lon peut noter tn = nT o T est lespace temporel entre deux chantillons conscutifs. On peut alors employer s(n) ou sn comme notation simplie. On a alors les relations suivantes : sn = s(n) = sa (tn ) = sa (nT )

Valeurs prises par le signal

On suppose un signal scalaire s(t). On distingue alors : Les signaux valeurs continues pouvant prendre une valeur relle dans un intervalle continue (par exemple, une tension ou un courant lectrique). Les signaux valeurs discrtes prenant seulement des valeurs parmi un ensemble ni de valeurs possibles. Un signal numrique est un signal temps discret et valeurs discrtes. Lopration de discrtisation des valeurs continues dun signal en valeurs discrtes est une quantication, note q par la suite. Soit par exemple une convertisseur Analogique/Numrique traitant des mots de 8 bits ; un signal quanti par ce convertisseur prendra une valeur discrte parmi 256 possibles.

Prdictibilit des signaux

On peut distinguer deux grandes classes de signaux selon leur caractre de prdictibilit. Les signaux dterministes qui peuvent tre reprsents explicitement par une fonction mathmatique. Les signaux alatoires qui voluent dans le temps dune manire imprvisible. Il est cependant possible de dcrire mathmatiquement certaines caractristiques statistiques de ces signaux.

On sintressera dans ce cours essentiellement aux signaux dterministes.

Classication des signaux

Chapitre 1

Signaux dterministes temps discret

1.1 Introduction

En traitement du signal, le signal temps discret correspond en gnral aux valeurs dun signal temps continu mesur aux seuls instants nT multiples dune priode T dchantillonnage : x(t) x(nT ). Dun point de vue formel, un signal temps discret peut donc tre reprsent par une suite ordonne de nombres rels ou complexes nots xn ou x(n) ou x(nT ), n Z, x(n) R ou C. Le signal x(n) est par dnition une squence de valeurs xn . x(n) nest pas dni pour des valeurs de n non entires. On appelle s(n) le nime chantillon de ce signal. Remarques : On sintressera principalement aux suites causales relles : x(n) = 0, n < 0

Un signal numrique est un signal temps discret quanti en amplitude. Quelques signaux lmentaires sont utiles pour ltude des proprits des systmes de traitement du signal.

1.2

Impulsion unit ou impulsion de Kronecker

Il sagit dun signal not (n) tel que : (n) = 1 si n = 0 0 si n = 0

Il ne faut pas confondre avec limpulsion de Dirac (t) dans le domaine continu. Aussi, certains auteurs utilisent le symbole d(n).

10

Signaux dterministes temps discret

Exemple 1.1 : Pour crer une impulsion sous Matlab, il faut tout dabord dcider de la longueur de ce signal. Le programme Matlab suivant va crer un signal imp de longueur L = 32. L = 31; nn = 0:(L-1); imp = zeros(L,1); imp(1) = 1; stem(nn,imp); %Trace le signal imp Notons que les indices Matlab vont de 1 L. Par consquent, (0) correspond imp(1). Limpulsion dcale note (n k ) est dnie telle que : (n k ) = 1 si n = k 0 si n = k

1.3

chelon unit

Il sagit dun signal que lon notera u(n) tel que : u(n) = On peut crire que :

1 si n 0 0 si n < 0

u(n) =
k=0

(n k )

La fonction Matlab quivalente est : u = ones(L,1) ;

1.4

Signal exponentiel causal

x(n) = ea.n .u(n)

Il sagit du signal tel que :

Selon si a > 0 ou a < 0, le signal exponentiel convergera vers 0 ou divergera vers +.

1.5

Signal rectangulaire causal de dure N ou porte

Il sagit du signal tel que : x(n) = RectN (n) = 1 0nN 1 0 ailleurs

1.6 Signal sinusodal de priode N

11

1.6

Signal sinusodal de priode N

2 (n + n0 ) u(n) N

Il sagit du signal tel que : x(n) = A sin

La priode de ce signal est N : x(n + kN ) = x(n). Si on introduit le temps, on obtient : x(nT ) = A sin 2 (n + n0 )T u(nT ) N = A sin [2fN nT + 0 ] u(nT )

o fN =

1 NT

0 est la frquence du signal et 0 = 2 n N sa phase.

1.7

Signal complexe
x(n) = e(+j N )n u(n) = en ej N n u(n)
2 2

Il sagit du signal tel que :

1.8

Cas gnral : signal chantillonn non impulsionnel

Si x(nT ) provient de lchantillonnage de x(t) (voir chapitre 5), on peut alors crire que la suite des chantillons x(nT ), note {x(nT )} est dnie par :
+

{x(nT )} = x(t)
k= +

[(n k )T ]

=
k=

x(kT ) [(n k )T ]

Une valeur particulire pour t = kT vaut : x(kT ) = x(t). [(n k )T ]. A cette notation on utilisera plutt dans la suite : pour un signal chantillonn, la multiplication par un peigne de Dirac : x (t) = x(t).T (t) ; pour un signal discret, la notation :
+

x(n) =
k=

x(k ) (n k ).

1.9

Proprits des signaux temps discret

Causalit : un signal est dit causal lorsque : x(n) = 0, n < 0

12

Signaux dterministes temps discret

On dnit lnergie E () dun signal temps discret de la manire suivante :

E ()
n=

|x(n)|2

(1.1)

La puissance moyenne Pm dun signal x(n) est dnie comme : Pm 1 lim N N

N 2

|x(n)|2
n= N 2

(1.2)

Si lnergie E () est nie alors x(n) est un signal dnergie nie et P = 0. Si E () est innie alors Pm peut tre soit nie ou innie, si Pm est nie et non nulle alors x(n) est un signal de puissance nie. Par exemple un signal continu est un signal dnergie innie (E () = ) mais de puissance nie, si a est lamplitude du signal, P = a2 . La puissance instantane est dnie par : P (n) = |x(n)|2 . Un signal x(n) est priodique de priode P si et seulement si x(n + P ) = x(n) n sinon x(n) est apriodique. Un signal x(n) est symtrique ou pair si et seulement si x(n) = x(n). Un signal x(n) est antisymtrique ou impair si et seulement si x(n) = x(n). Tout signal peut se dcomposer comme la somme dun signal pair et dun signal impair. Intercorrlation entre deux signaux x(n) et y (n)
+

Rxy (k )
n=

x(n)y (n + k ) = Ryx (k )

(1.3)

Autocorrlation dun signal x(n)

+

Rxx (k )
n=

x(n)x(n + k ) = Rxx (k )

(1.4)

On a : |Rxx (k )| |Rxx (0)| = E () Convolution linaire entre deux signaux x(n) et y (n)
+

xy (k ) = x(k ) y (k )
n=

x(n)y (k n)

(1.5)

On note que Rxy (k ) = x(k ) y (k ).

Chapitre 2

Transformation en Z
La transforme en Z est un outil largement utilis pour ltude des systmes de traitement numrique du signal. Elle joue un rle analogue celui de la transforme de Laplace en continu. Ce type de transforme permet de dcrire aisment les signaux temps discret et la rponse des systmes linaires invariants soumis des entres diverses. La transforme en Z est un outil permettant de calculer la rponse impulsionnelle dun systme linaire invariant dcrit par une quation aux dirences nies. De plus, loprateur de convolution dans le domaine temporel correspond loprateur multiplicatif dans le domaine de la transforme en Z .

2.1

Dnition de la transforme en Z

La transforme en Z directe bilatrale dun signal temps discret x(n) est dnie par :

Z [x(n)] = X (z ) =
n=

x(n)z n

(2.1)

o z est une variable complexe (z C) dnie partout o cette srie converge. Les signaux discrets tant la plupart du temps causaux on dnit plutt la transforme en Z (dite unilatrale) par :

Z [x(n)] = X (z ) =
n=0

x(n)z n

(2.2)

La transforme en Z tablit une correspondance entre lespace des signaux temps discret et lespace des fonctions analytiques (ou holomorphes) dnies sur un sous-ensemble du plan complexe, appel domaine de convergence DCV . On dnit le plan en z comme tant le plan complexe muni du point linni. La srie des puissances introduite dans lquation de dnition prcdente ne converge que pour un sous-ensemble du plan complexe. Ce sous-ensemble est appel rgion de convergence ou domaine de convergence. Une rgion de convergence correspond lensemble des valeurs de z telles que X (z ) soit dnie et valeurs nies. Spcier le domaine de convergence de la transforme est tout aussi important que la transforme ellemme. Pour dterminer r, on utilise le critre Cauchy, ou celui dAlembert, sur la convergence des sries gomtriques. Une srie S : 13

14

Transformation en Z

S=
n=0

Un = U0 + U1 + . . . + Un + . . .

converge si la condition susante suivante est satisfaite : lim |Un | n < 1

1

Dans le cas de la T Z , on a : lim |x(n)z n | n

1 1

n n

< 1

(2.3) (2.4)

lim |x(n)| n |z 1 | < 1

Posons
n

lim |x(n)| n = r

Daprs la relation prcdente : |z 1 | < 1 r 1 1 < z r

La srie converge donc pour |z | > r, le disque de convergence. La gure 2.1 illustre ce domaine de convergence pour r = a.

2.1.1

Exemples de transforme en Z

Exemple 2.1 : Soit le signal temps discret suivant : x(n) = (n) on a :

X (z ) =
n=

x(n)z n zC zC

X (z ) = z 0 , X (z ) = 1,

Pour ce premier exemple la rgion de convergence est C.

2.1 Dnition de la transforme en Z

15

Exemple 2.2 : Soit le signal temps discret suivant : x(n) = (n k ) on a : X ( z ) = z k La rgion de convergence dpend ici de k . Si k = 0, la rgion de convergence est C (exemple prcdent). Si k < 0, X (z ) nest pas valeur nie pour z = , donc la rgion de convergence est ici C {}. Si k > 0, X (z ) nest pas valeur nie pour z = 0, donc la rgion de convergence est C 0. Pour un signal dure nie, la rgion de convergence correspond au plan complexe C avec lexclusion possible de z = 0 ou z = .

Exemple 2.3 : Soit le signal chelon unit u(n) temps discret suivant, on a :

U (z ) =
n=

x(n)z n =
n=0

z n

1 z = 1 z 1 z1

La rgion de convergence DCV est ici lextrieur du disque unit, i.e. pour |z | > 1. En eet, 1 r = lim |x(n)| n = 1
n

16

Transformation en Z

Domaine de convergence

Im

Re

Fig. 2.1 Domaine de convergence, X (z ) =

1 1az 1

Exemple 2.4 : Soit le signal temps discret suivant : x(n) = an u(n) on a :

(2.5)

X (z ) = X (z ) = X (z ) = X (z ) =

x(n)z n
n= n n

a z

n=0

(az 1 )n
n=0

1 1 az 1

La srie prcdente converge si et seulement si |az 1 | < 1, cest--dire ssi |a| < |z |. La gure 2.1 reprsente la rgion de convergence dans le plan complexe. Si a = 1, on obtient le cas particulier de lchelon unit.

2.1.2

Description gnrale dune rgion de convergence

Dune manire gnrale, la rgion de convergence est toujours une couronne, cest--dire est dnie par lensemble des points z tels que r1 < |z | < r2 , o r1 peut tre nul et r2 peut tre .

2.1 Dnition de la transforme en Z Soit un signal x(n) et z mis sous forme polaire (z = rejw ), on a alors :

17

|X (z )| = |
n=

x(n)z n | |x(n)|rn

n= 1

n=

|x(n)|rn +
n=0 n=0

|x(n)|rn |x(n)| rn

n=1

|x(n)|rn +

La rgion de convergence de X (z ) correspond au sous ensemble de C pour lequel les deux sries convergent. Supposons que la seconde somme soit nie pour r = r2 , quel que soit r r2 la srie converge (dans ce cas en eet, chaque lment de la somme est plus petit que pour r = r2 ). Dune faon analogue, supposons la premire somme nie pour r = r1 , alors elle est nie pour r r1 . La rgion de convergence de la premire somme correspond au sous ensemble de C tel que |z | > r2 . La rgion de convergence de la seconde somme correspond au sous ensemble de C tel que |z | < r1 . Remarque : cette couronne peut tre vide (si r2 r1 ).

18

Transformation en Z

2.2
2.2.1

Proprits de la transforme en z
Linarit

Soient deux signaux temps discret x1 (n) et x2 (n) ayant pour transformes en z respectives X1 (z ) et X2 (z ). Soit le signal x(n) = ax1 (n) + bx2 (n). La dnition de la transforme en z (une somme de monmes en z ) conduit directement la relation suivante : X (z ) = aX1 (z ) + bX2 (z ) (2.6)

Il sagit dune proprit trs importante permettant de calculer une transforme en Z partir dune dcomposition en transformes lmentaires de signaux connus. La rgion de convergence de la somme de lquation (2.6) contient lintersection des rgions de convergence de X1 (z ) et X2 (z ). Exemple 2.5 : Soit x(n) = cos(0 n)u(n), on peut dcomposer x(n) de la manire suivante : 1 x(n) = (ei0 n + ei0 n )u(n) 2 En reprenant lexemple de lquation (2.5) avec a = ei0 n , on obtient : X (z ) = = 1 1 1 1 ( )+ ( ) i 1 0 2 1e z 2 1 e i0 z 1 1 cos(0 )z 1 1 2 cos(0 )z 1 + z 2

2.2.2

Thorme du retard

Soit un signal x(n) de transforme en Z , X (z ). Soit k, un indice temporel quelconque et x (n) = x(n k ), on obtient simplement partir de la dnition de la transforme : X (z ) = Z [x(n k )] = z k X (z ) (2.7)

La rgion de convergence reste inchange, except lajout ou la suppression de z = 0 ou z = . Cest de cette proprit que vient lutilisation dune cellule z 1 pour tenir compte dun dcalage temporel dune unit.

2.2.3

Thorme de lavance

Soit un signal x(n) causal de transforme en Z (unilatrale), X (z ).

k 1

Z [x(n + k )] = z

+k

X (z )
n=0

x(n)z kn

(2.8)

2.2 Proprits de la transforme en z

19

Exemple 2.6 : Soit x(n) = n.u(n), dterminer sa T Z ainsi que son domaine de convergence. Soit x(n 2) = (n 2)u(n), dterminer sa T Z ainsi que son domaine de convergence. Soit x(n 2) = (n 2)u(n 2), dterminer sa T Z ainsi que son domaine de convergence. Soit x(n + 2) = (n + 2)u(n), dterminer sa T Z ainsi que son domaine de convergence.

2.2.4

Facteur dchelle en z

Soit un signal x(n) de transforme X (z ) avec r1 < |z | < r2 pour couronne de convergence. Soit y (n) = an x(n), on a alors : z Y (z ) = X ( ) a avec |a|r1 < |z | < |a|r2 pour rgion de convergence.

2.2.5

Inversion de laxe temporel

Soit x(n) avec X (z ) pour transforme et r1 < |z | < r2 pour rayon de convergence. Soit y (n) = x(n), on a alors : 1 Y (z ) = X ( ) z avec
1 r2

< |z | <

1 r1

comme rayon de convergence.

2.2.6

Drivation dans lespace en z

Soit x(n) avec X (z ) pour transforme. Soit y (n) = n.x(n). on a alors : Z [n.x(n)] = Y (z ) = z d X (z ) dz (2.9)

La rgion de convergence reste inchange. Dmonstration : Y (z ) = z = d dz d X (z ) dz

x(n)z n
n=

= z
n=

x(n)(n)z n1 [nx(n)]z n

n=

On peut tendre cette relation la multiplication dun signal x(n) par nk , avec k = 1. On obtient alors : d Xk (z ) = Z [xk (n)] = Z nk .x(n) = z Xk1 (z ) (2.10) dz

20 avec Xk1 (z ) = Z nk1 .x(n)

Transformation en Z

(2.11)

Exemple 2.7 : Soit x(n) = nu(n), on a vu prcdemment que : U (z ) = On obtient alors : X (z ) = z d U (z ) dz z 2 = z ( (1 z 1 )2 z 1 = , |z | > 1 (1 z 1 )2 1 1 z 1

Exemple 2.8 : Donner les T Z des signaux : n2 u(n) nan u(n)

2.2.7

Thorme de la valeur initiale

x(0) = lim X (z )
n

(2.12)

Si x(0) = 0 x(1) = limn zX (z ) Si x(0) = x(1) = 0 x(2) = limn z 2 X (z ) . . .

2.2.8

Thorme de la valeur nale

z1 X (z ) = lim 1 z 1 X (z ) z 1 z 1 z

lim x(n) = x() = lim

(2.13)

si x() < .

2.2 Proprits de la transforme en z

21

2.2.9

Thorme de la valeur intermdiaire

1 d (z 2 )n X (z ) z n! dz n 1 n 2n d = lim (1) z X (z ) z n! dz n lim

x(n) =

(2.14) (2.15)

2.2.10

Thorme de la sommation
n

Z s(n) =
k=0

x(k ) =

z X (z ) = S (z ) z1

(2.16)

Application au calcul dune srie convergente :

n

x(k ) = lim
k=0

x(k ) = lim
k=0

z1 z X (z ) = X (z )|z =1 = X (1) z 1 z z1

(2.17)

2.2.11

Thorme de la convolution linaire discrte

Soient x1 (n) et x2 (n) avec pour transformes en Z respectives X1 (z ) et X2 (z ). Soit x(n) = x1 (n) x2 (n), on a alors : X (z ) = X1 (z )X2 (z ) Dmonstration :

X (z ) =
n=

x(n)z n

= =
k=

[
n= k=

x1 (k )x2 (n k )]z n

x1 (k )[
n=

x2 (n k )z n ]

= (
k=

x1 (k )z k )X2 (z )

= X1 (z )X2 (z ) Pour calculer la convolution de deux signaux, il peut tre intressant de multiplier les transformes respectives des deux signaux convolus et de rechercher la transforme en Z inverse de la transforme rsultante. Soit s(n) la sortie dun systme linaire invariant de rponse impulsionnelle h(n) soumis lentre e(n), on a vu au cours du chapitre sur les signaux et systmes que : s(n) = e(n) h(n) on a alors : S (z ) = E (z )H (z )

22

Transformation en Z

2.3

Transformes en Z rationnelles

On entend par transformes en Z rationnelles, lensemble des fonctions en Z scrivant comme le ratio de deux polynmes en z 1 . Cette classe de fonction correspond aux systmes linaires invariants dcrits par une quation aux dirences nies.

2.3.1

Dnition des ples et des zros

Les zros dune transforme en Z , X (z ), sont les valeurs de z telles que X (z ) = 0. Les ples dune transforme en Z , X (z ), sont les valeurs de z telles que X (z ) = Si X (z ) est une fonction rationnelle, X (z ) peut alors scrire sous la forme suivante : X (z ) = = = N (z ) D(z ) b0 + b1 z 1 + + bM z M a0 + a1 z 1 + + aN z N M k k=0 bk z
N k k=0 ak z

(2.18)

En supposant a0 = 0 et b0 = 0, on peut rcrire lquation (2.18) de la manire suivante : X (z ) = b0 z M a0 z N

bM b0 aN a0

+ + zM + + zN

b0 N M N1 (z ) z a0 D1 (z ) N1 (z ) a au plus M racines simples ou multiples en z1 zM . D1 (z ) a au plus N ples simples ou multiples en p1 pN . On alors rcrire X (z ) sous la forme suivante : X (z ) = b0 z M (z z1 ) (z zM ) a0 z N (z p1 ) (z pN ) z M z N
M k=1 (z N k=1 (z

zk ) pk )

b0 avec a . Il vient alors que : 0 1. X (z ) possde M zros nis en z1 zM 2. X (z ) possde N ples nis en p1 pN 3. si N > M , X (z ) possde N M zros en z = 0 4. si N < M , X (z ) possde M N ples en z = 0 5. il peut aussi y avoir des ples ou zros en z = selon que X () = 0 ou X () = En suivant la notation prcdente, X (z ) est compltement dtermin par la position de ses ples et de ses zros ainsi que par le facteur damplitude . Les ples et zros retent le comportement du systme (ou signal) tandis que le facteur nintervient que sur lamplitude des signaux. X (z ) peut donc tre reprsente sous la forme dun graphique modlisant la position des ples et des zros dans le plan complexe. Par dnition, la rgion de convergence de X (z ) exclue tous les ples de cette fonction.

2.4 Transforme en Z inverse

23

2.3.2

Fonction de transfert dun systme linaire invariant

Dans le chapitre 4, il sera vu quune manire de caractriser un systme linaire invariant consiste tudier sa rponse impulsionnelle h(n). Il est donc tout aussi lgitime de caractriser un systme par la transforme en Z , H (z ), de sa rponse impulsionnelle, encore appele fonction de transfert du systme. Lors de lanalyse dun systme donn, on considre le plus souvent h(n) ou H (z ) comme inconnue. A partir dune entre connue, e(n), on observe alors la sortie s(n) caractrise par sa transforme en Z , S (z ). La fonction de transfert du systme est alors : H (z ) = S (z ) E (z )

On a vu que si on prend e(n) = (n), on obtient directement s(n) = h(n) ; ce qui devient dans le plan en Z , E (z ) = 1 donc H (z ) = S (z ) Si on applique cette approche au systmes linaires invariants dcrits par une quation aux dirences nies, le systme est dcrit par la relation suivante :
N M

s(n) =
k=1

ak s(n k ) +
k=0

bk e(n k )

Prenons la transforme en Z des membres de lquation prcdente :

N M

S (z ) =
k=1

ak z

S (z ) +
k=0

bk z k E (z )

ou encore : S (z )[1 +

ak z
k=1

] = E (z )[
k=0

bk z k ]

en posant a0 = 1, sans perdre en gnralit, on a : H (z ) = = = S (z ) E (z ) 1

M k k=0 bk z k + N k=1 ak z M k k=0 bk z N k k=0 ak z

(2.19)

Lquation (2.19) met en vidence quun systme linaire invariant dcrit par une quation aux dirences nies a une fonction de transfert dont la transforme en Z est une fonction rationnelle. Ceci montre lintrt de ltude des transformes en Z scrivant sous la forme de polynmes rationnels.

2.4

Transforme en Z inverse

A partir dune liste de transformes en Z de signaux lmentaires connus, il peut tre ecace de retrouver des signaux temporels partir de transformes drives des oprateurs et proprits

24

Transformation en Z

dcrits prcdemment. Cependant, lorsque la transforme ne peut facilement scrire comme la combinaison de transformes lmentaires, il reste les techniques gnrales de transformation inverse : 1. lintgration sur un contour ferm en utilisant le calcul des rsidus, 2. le dveloppement en puissance de z et de z 1 , 3. le dveloppement en fractions lmentaires.

2.4.1

Transforme inverse par intgration et mthode des rsidus

Soit X (z ) la transforme en Z du signal x(n). On dnit la transforme en Z inverse, la relation dterminant x(n) partir de X (z ) telle que : x(n) = 1 2j z n1 X (z )dz
C

(2.20)

Lintgrale prcdente consiste sommer z n1 X (z ) pour des valeurs de z prises sur un contour ferm du plan complexe qui contient lorigine du plan tout en tant inclue dans le domaine de convergence de la fonction. Lquation 2.20 est quivalente : x(n) =
Tous les p oles pi de R(z )

R esidus de R(z ) aux p oles pi

N (z ) D(z )

(2.21)

avec R(z ) = z n1 X (z ) = On notera plutt :

sous forme fractionnelle. Res z n1 X (z ), pi

pi DCV

x(n) =

(2.22)

avec Res (R(z ), pi ) le coecient dindice 1 dans le dveloppement en srie de Laurent de la fonction R(z ) au voisinage de pi . Le calcul des rsidus dpend de la prsence de ples simples ou multiples sur R(z ), i.e. dpend de la prsence de zros simples ou doubles sur D(z ). 1. Ples simples de R(z ) : pi tel que D(z )|pi = 0. N (z )
d dz D (z )

Res (R(z ), pi ) = Si D(z ) = (z pi )F (z ) avec F (pi ) = 0 alors d D(z )|z =pi dz

(2.23)

d d [(z pi )F (z )]z =pi = F (z )|z =pi + (z pi ) F (z )|z =pi (2.24) dz dz D(z ) = F (z )|z =pi = |z =pi (2.25) z pi =

do

2.4 Transforme en Z inverse

25

Res (R(z ), pi ) = (z pi ) 2. Ples multiples dordre m de R(z ). Si D(z ) = (z pi )m F (z ) avec F (pi ) = 0 alors Res (R(z ), pi ) = Dmonstration : Soit R(z ) = N (z ) N (z ) = D(z ) (z p)m D1 (z )

N (z ) D(z )

(2.26)
z =pi

1 dm1 N (z ) (z pi )m m 1 (m 1)! dz D(z )

(2.27)
z =pi

avec D1 (p) = 0

N (z ) est holomorphe au voisinage de p. On eectue un dveloppement R(z )(z p)m = D 1 (z ) en srie entire :

R(z )(z p)m =

n=0

an (z p)n

avec, selonlaformuledeTaylor,

an = R(z ) =

1 dn [R(z )(z p)m ]z =p n! dz n

an (z p)nm
n=0

=
k=m

ak+m (z p)k

Res (R(z ), p) est par dnition le coecient am1 en (z p)1 (i.e. pour k = 1) : Res (R(z ), p) = dm1 1 [(z p)m R(z )]z =p (m 1)! dz m1

Exemple 2.9 : Soit X (z ) = Il existe un ple simple p1 = ea .

z z e a

avec a > 0

x(n) = Res z n1 X (z ), p1 = Res = z n |z =pi = ean .u(n)

zn , p1 z e a

(2.28) (2.29)

26

Transformation en Z

Exemple 2.10 : Calculer la T ZI de X (z ) = z (z 1)2

X (z ) = z 2

2.4.2

Transforme inverse par division polynmiale

Il est possible de calculer la transforme en Z inverse selon les puissances croissantes de z 1 ou selon les puissances dcroissantes de z . Sil est possible dcrire X (z ) comme une srie de puissances de z 1 , lunicit de la transformation directe conduit prendre les coecients de la srie pour le signal temporel. Si X (z ) = alors x(n) = cn On recherche par exemple la rponse impulsionnelle dun systme dcrit par lquation aux dirences suivante : s(n) = s(n 3) + e(n) On trouve aisment : 1 1 z 3 En utilisant la limite des sries gomtriques, on a : H (z ) = 1 = 1 z 3

N (z ) = cn z n D(z ) n=

(z 3 )k
k=0

H (z ) =
k=0

z 3k = 1 + z 3 + z 6 +

on obtient donc : h(n) =

(n 3k )
k=0

Il sagit ici dun cas simple dutilisation des sries gomtriques (dveloppement en srie de Laurent). Exemple 2.11 : Calculer la T ZI de X (z ) = 0.5z 1 0.5z = z 2 1.5z + 0.5 1 1.5z 1 + 0.5z

par division polynmiale selon les puissances croissantes de z 1 et selon les puissances dcroissantes de z

2.5 Transformes en Z et en Z inverse de fonctions usuelles

27

2.4.3

Transforme inverse par dcomposition en fractions rationnelles

Lide gnrale de cette approche consiste trouver pour une fonction X (z ) complexe un dveloppement en fonctions en Z plus simples et pour lesquelles une transforme inverse est connue. En appliquant le principe de linarit de la transforme, il est ais de recomposer le signal temporel inverse partir des signaux temporels correspondant chacune des transformes lmentaires. En supposant : X (z ) = 1 X1 (z ) + 2 X2 (z ) + + L XL (z ) On obtient : x(n) = 1 x1 (n) + 2 x2 (n) + + L xL (n) La classe des transformes en Z rationnelles peut toujours scrire selon ce principe. On crira alors : z z X (z ) = 1 + 2 + ... (2.30) z p1 z p2 On aura alors par T ZI :
n x(n) = 1 pn 1 + 2 p2 + . . .

(2.31)
z z a

Il faut toutefois remarquer que pour les T Z loriginal le plus simple est celui de 1 1 non z a . De ce fait, il est plus simple de dcomposer z X (z ) que X (z ). z 1 X (z ) = 1 1 1 + 2 + ... z p1 z p2

an et

(2.32)

Les formes lmentaires des fonctions Xi (z ) sont le plus souvent des formes telles que dnies selon le tableau suivant : Type polynomial en z ple rel simple ple rel double ple rel double ple rel triple ple complexe conjugu Xi (z )
k k ck 1 1pz 1 pz 1 (1pz 1 )2 1 (1pz 1 )2 2 p z 1 (1pz 1 )3 r sin(0 )z (z rei0 )(z rei0 )

xi (n)
k ck (n pn u(n)

k)

npn u(n) (n + 1)pn u(n)

n(n1) n p u(n) 2 rn sin(0 n)u(n)

2.5

Transformes en Z et en Z inverse de fonctions usuelles

Le tableau 2.1 rsume les transformes en Z et en Z inverse des fonctions les plus utilises en traitement du signal. T est la priode dchantillonnage du signal transform dans lequel on a pos t = nT .

28

Transformation en Z

x(t)

x(n) (n) (n k )

X (z ) 1 z k z z1 Tz (z 1)2 T 2 z (z + 1) 2(z 1)3 z za z z eaT z sin 0 T 2 z 2z cos 0 T + 1 z (z cos 0 T ) z 2 2z cos 0 T + 1 zeaT sin 0 T z 2 2zeaT cos 0 T + e2aT z 2 zeaT cos 0 T z 2 2zeaT cos 0 T + e2aT

u(t) t 1 2 t 2 aT eat sin 0 t cos 0 t eat sin 0 t eat cos 0 t

t

u(n) n
1 2 2 (nT )

an eanT sin 0 nT cos 0 nT eat sin 0 nT eat cos 0 nT

ax1 (t) + bx2 (t) ax1 (n) + bx2 (n) aX1 (z ) + bX2 (z ) x(t kT ) x(n k ) z k X (z )

Tab. 2.1 Tables des transformes en Z de fonctions usuelles. T est la priode dchantillonnage du signal transform dans lequel on a pos t = nT .

Chapitre 3

Transforme de Fourier dun signal discret

Nous avons vu au cours du chapitre sur les Signaux et systmes que la transforme de Fourier de deux signaux convolus correspond la multiplication des transformes des deux signaux pris sparment. Comme loprateur de convolution est un oprateur fondamental dans lanalyse des systmes de traitement du signal, il est donc important de disposer de solutions algorithmiques ecaces pour cet oprateur. Pour une transforme de Fourier temps discret la variable temps est discrte, donc peut tre reprsente sur un calculateur tandis que la variable frquence est une variable continue quil faut aussi discrtiser. En fait sur un calculateur, un signal temporel, est une squence de longueur nie, par exemple N points. Il nest pas ncessaire davoir une prcision innie dans le domaine frquentiel ; N points frquentiels susent pour contenir linformation du signal temporel. La Transforme de Fourier Discrte, TFD ou DFT, est donc loutil dnissant le cadre de calcul dune transforme de Fourier temps discret et frquences discrtes.

3.1

Rappels sur les signaux continus

Soit un signal analogique xa (t) dont la transforme de Fourier est dnie par :

Xa (j ) =

xa (t)ejt dt

(3.1)

avec = 2f . On retrouve le signal temporel partir de sa transforme par la transforme de Fourier inverse dnie par le relation suivante : xa (t) = 1 2

Xa (j )ejt d

(3.2)

29

30

Transforme de Fourier dun signal discret

|H(ej)|

Fig. 3.1 T F dun signal non priodique

3.2

Signaux discrets non priodiques

Pour un signal x(n) discret quelconque non priodique, sa transforme de Fourier (T F ) scrit : X (e ) =
n= j

x(n)ej n

(3.3)

On parlera galement de Transforme de Fourier Temps Discret (T F T D ou DT F T en Anglais). X (ej ) peut tre exprim partir de la transforme en Z par la relation :

X (ej ) =
n=

x(n)z n

z =ej

= X (z )|z =ej

(3.4)

Cette quation implique que le T F nexiste que si le cercle unit, caractris par z = ej (|z | = 1), appartient au domaine de convergence de X (z ) (|z | > r avec r < 1 pour une T Z monolatrale). X () est priodique de priode 2 . Ceci implique que le spectre dun signal discret est priodique (voir lexemple gure 3.1). Si x(n) est une suite relle, alors des proprits de symtrie existent : |X (ej )| est paire et Arg X (ej ) est impaire. Ces proprits de priodicit et de symtrie sur le spectre dun signal discret sont importantes pour reprsenter graphiquement le module et largument de la T F La T F inverse est obtenue partir de la transforme en Z inverse de X (z ). x(n) = T Z 1 [X (z )] = 1 2j z n1 X (z )dz =
C

1 2j

z n X (z )
C

dz z

(3.5)

3.3 Signaux discrets priodiques

31

pour des valeurs de z prises sur un contour ferm du plan complexe qui contient lorigine du plan tout en tant inclue dans le domaine de convergence de la fonction. Si z = ej alors le contour est le cercle unit et varie de 0 2 (ou de ). dz = j ej ej d = jd z
dz
1 z

A partir de lquation 3.5, on obtient alors la dnition de la transforme de Fourier inverse : x(n) = 1 2
2 0

X (ej )ejn d =

1 2

X (ej )ejn d

(3.6)

Dans le cas o on utilise la variable frquence f , la T F scrie :

X (f ) = X (e

j 2f T

)=
n=

x(n)ej 2f nT

(3.7)

La priode de X (f ) est maintenant de fe = 1/T . Le spectre dun signal discret est priodique de priode fe . La transforme inverse scrit : x(n) = 1 fe
fe 0

X (f )ej 2f nT df

(3.8)

Exemple 3.1 : Soit le signal x(n) = an u(n) avec |a| < 1, dterminer sa T F X (ej ). Tracer son module et son argument. Retrouver x(n) par T F inverse de X (ej ).

Exemple 3.2 : Dmontrer que les quations 3.3 et 3.6 sont inverses lune de lautre.

3.3

Signaux discrets priodiques

Pour un signal xp (n) discret priodique de priode N , une dcomposition en srie de Fourier doit tre utilise sous la forme :
N 1

Xp (k ) = xp (n) = 1 N

xp (n).e(2j
n=0 N 1

n.k ) N

, k = 0, 1 . . . N 1 , n = 0, 1 . . . N 1

(3.9) (3.10)

Xp (k ).e(2j
k=0

n.k ) N

32 Sa Transforme de Fourier scrit alors :

Transforme de Fourier dun signal discret

Xp (ej ) =
k=

Xp (k ) k

2 N

(3.11)

Exemple 3.3 : Soit le signal xp (n) = sin 2n/N0 , dterminer les coecients Xp (k ) de la srie de Fourier et en dduire sa T F Xp (ej ). Tracer son module et son argument. Retrouver x(n) par T F inverse de X (ej ).

3.4

Conditions dexistence de la transforme de Fourier

Dterminer la classe de signaux qui peuvent tre reprsents par lquation 3.6 est quivalent considrer la convergence de la somme innie de lquation 3.3. La condition suivante : |X (ej )| < doit tre satisfaite, avec X (ej ) la limite quand M de la somme nie 3.12
M

XM ( e ) =
n=M

x(n)ej n

(3.12)

Une condition susante peut tre dtermine comme suit :

|X (ej )| =
n=

x(n)ejn |x(n)||ejn |
n=

n=

|x(n)| <

Donc, si x(n) est absolument sommable, alors sa T F X (ej ) existe. De plus, la srie converge uniformment vers une fonction continue de . Comme une squence (respectivement un systme) stable est, par dnition, absolument sommable, alors toute squence stable (respectivement tout systme stable) ont une transforme de Fourier (respectivement une rponse frquentielle) continue et nie. Cette condition est donc galement vrie pour les squences de dure nie. Exemple 3.4 : Soit le signal x(n) = an u(n), dterminer la condition dexistence de sa T F X (ej ).

3.4 Conditions dexistence de la transforme de Fourier

33

La condition absolument sommable est susante et garantit une convergence uniforme. Certaines squences ne sont pas absolument sommables mais sont de carr sommable (ou nergie nie), i.e.

|x(n)|2 <
n=

(3.13)

Ces squences peuvent tre reprsentes par une transforme de Fourier mais sans convergence uniforme de la somme innie dnissant X (ej ). Dans ce cas, il y aura convergence des moindres carrs dnie par :
M

lim

|X (ej ) XM (ej )|2 d = 0

(3.14)

Cela signie que lerreur |X (ej ) XM (ej )| ne tend pas vers 0 quand M mais que par contre lnergie de lerreur tend vers 0. Lexemple suivant illustre ce cas sur le phnomne de Gibbs.

Fig. 3.2 Mise en vidence du phnomne de Gibbs en = c . HM (ej ) est reprsente pour direntes valeurs de M . = 2F

34

Transforme de Fourier dun signal discret

Certaines squences ne sont ni absolument sommables, ni de carr sommables. Cependant il est utile de pouvoir les reprsenter par leur transforme de Fourier. Le tableau 3.1 donne par exemple les T F des signaux : x(n) = 1, x(n) = u(n), x(n) = ej 0 n .

Exemple 3.5 : Phnomne de Gibbs sur un ltre passe bas idal. Soit le ltre passe-bas idal de priode 2 dni par : H (ej ) = 1, || < c 0, c < || (3.15)

La rponse impulsionnelle peut tre trouve par T F inverse. On obtient : h(n) = sin nc , n < n < . (3.16)

h(n) nest pas un signal causal. h(n) nest pas absolument sommable car H (ej ) est discontinue en c . Par consquent, la somme innie sin nc jn e n n= ne converge pas uniformment pour toutes le valeurs de . Soit la somme nie
M

HM (e ) =
n=M

sin nc jn e , n

on peut facilement montrer que HM (ej ) sexprime par : HM (ej ) = 1 2

c c

sin [(2M + 1)( )/2] d sin [( )/2]

La fonction HM (ej ) est reprsente gure 3.2 pour direntes valeurs de M . On peut constater que, lorsque M augmente, les oscillation prsentes = c (souvent appeles phnomne de Gibbs) sont plus rapides, mais leur amplitude ne dcrot pas. En fait, il peut tre dmontr que lorsque M lamplitude maximale des oscillations ne tend pas vers zro mais converge vers une amplitude localise en = c . Par consquent, la somme innie ne converge pas uniformment vers la fonction discontinue H (ej ) de lquation 3.15. Cependant, h(n) est de carr sommable et HM (ej ) converge au sens des moindres carrs vers H (ej ), i.e.
M

lim

|H (ej ) HM (ej )|2 d = 0

Cependant, lerreur entre limM HM (ej ) et H (ej ) est importante dans ce cas. Cest leet de la troncature temporelle qui sera dni dans le cours de TNS en deuxime anne.

3.5 Proprits de la transforme de Fourier

35

3.5

Proprits de la transforme de Fourier

Les principales proprits de la T F sont numres ci dessous. Linarit ou superposition a.x(n) + b.y (n) Dcalage en temps-frquence x(n n0 ) x(n)ejn0 Drivation en frquence n.x(n) Produit de convolution

a.X (ej ) + b.Y (ej )

ejn0 X (ej ) X (ej (0 ) ) dX (ej ) d

x1 (n) x2 (n) =
i=

x1 (i) x2 (n i)

X1 (ej ).X2 (ej )

x1 (n) x2 (n)
n=

1 2

j X1 (ej ).X2 (e )d

Thorme du fentrage (ou de la modulation) x1 (n).x2 (n) 1 2

X1 (ej ).X2 (ej () )d

Thorme de Parseval (conservation de la puissance dun signal)

|x(i)|2 =
i=

1 2

|X (ej )|2 d

Proprits de symtrie x(n) R X (ej ) = X (ej ) Si x(n) est une suite relle, alors sa TF est symtrique conjugue. Cela implique que sa partie relle et son module sont paires, et que sa partie imaginaire et sa phase sont impaires. x(n) x(n) X (ej )

X (ej ), six(n) R

Le tableau 3.1 donne les transformes de Fourier des fonctions les plus utilises en traitement du signal. T est la priode dchantillonnage.

36

Transforme de Fourier dun signal discret

x(n) (n) (n n0 ) 1

X (ej ) 1 ej n0

2 ( + 2k )
k=

u(n) an u(n) (|a| < 1) (n + 1)an u(n) (|a| < 1) x(n) = 1 0 si 0 n N ailleurs sin c n n e
j 0 n

1 + 1 ej

( + 2k )
k=

1 1 aej 1 (1 aej )2 sin ((N + 1)/2) j N/2 e sin(/2) X (ej ) =

1 0

si || < c si c < || <

2 ( 0 + 2k )
k=

cos(0 n + ) sin(0 n + ) j

[ej ( + 0 + 2k ) + ej ( 0 + 2k )]
k=

[ej ( + 0 + 2k ) ej ( 0 + 2k )]
k=

Tab. 3.1 Tables des principales transformes de Fourier

3.6 Densit spectrale dnergie

37

3.6

Densit spectrale dnergie

2 Pour des signaux nergie nie : E () = n= |x(n)| < , on dnit la densit spectrale dnergie par la relation : SE (f ) = |X (ej 2f T )|2 (3.17)

3.7

chantillonnage du domaine Frquentiel

Pour un signal x(n) quelconque, sa Transforme de Fourier Temps Discret (T F T D) est donne lquation 3.3. On chantillonne maintenant la T F T D en N points frquentiels, tels que : 2kn 2 Xk X ( k ) = x(n)ej N N n= Essayons maintenant de trouver la relation quil peut y avoir entre le signal x(n) et sa T F D dnie par la squence des nombres Xk . Pour cela, on dcoupe la somme innie de lquation prcdente en blocs de N points et on eectue un changement de variable.

Xk =
n=

x(n)ej
lN +N 1

2kn N

=
l= n=lN N 1

x(n)ej

2kn N

=
l= n=0 N 1

x(n + lN )ej x(n + lN )ej

l= n=0 N 1

2k(n+lN ) N

2kn N

=
n=0 l= N 1

x(n + lN )ej x(n lN )ej

n=0 l=

2kn N

= On trouve donc : Xk = Soit encore : Xk =

n=0

2kn N

N 1

[
n=0 l=

x(n lN )]ej

2kn N

N 1

xp (n)ej

2kn N

o xp (n)
l=

x(n lN )

On constate donc par lquation prcdente que le signal xp (n) est un signal priodique, et plus prcisment : xp (n + N ) = xp (n)

38

Transforme de Fourier dun signal discret

Puisque le signal xp (n) est priodique, il peut sexprimer comme une srie de Fourier. Il est donc possible de retrouver les chantillons xp (n) partir de la squence Xk par une srie de Fourier temps discret :
N 1

xp (n) =
k=0

ck ej

2kn N

avec ck =

1 N

N 1

xp (n)ej
n=0

2kn N

En comparant les coecients de la srie de Fourier et ceux de la T F T D, on obtient : 1 Xk N On obtient donc xp (n) partir des Xk selon la relation suivante : ck = xp (n) = 1 N
N 1

Xk ej
k=0

2kn N

Il faut bien voir quil sagit dune relation entre xp (n) et la squence des Xk , il faut dterminer la relation entre xp (n) et x(n). Cette relation sinterprte de la mme manire que les versions rpliques du spectre dun signal analogique lorsquon eectue un chantillonnage temporel de ce signal. Ici, le signal xp (n) est une somme de rpliques du signal "de base" x(n). On observe alors le mme problme de reconstruction que lors de la discrtisation de la variable temporelle, cest--dire, si les chantillons se recouvrent entre deux squences conscutives, on est en prsence de recouvrement dit temporel ou time aliasing. Il existe un cas particulier o les sommes dcales dans la construction de xp (n) ne se recouvrent pas ; il sagit des signaux temps limit. On dnit un signal temps limit un signal x(n) de dure L, prenant des valeurs non nulles seulement dans lintervalle [0 L 1]. Ainsi, si x(n) est un signal temps limit de dure L, tel que N L, il est possible de retrouver x(n) partir de xp (n) en isolant une squence particulire : x(n) = xp (n) si 0 n L 1 0 sinon

Puisquon a reconstruit le signal dorigine x(n) partir de sa TFD, squence des valeurs Xk , il nest pas interdit maintenant de calculer par une T F T D le spectre de x(n) pour des frquences continues, X ( ). Il existe une formule de passage directe entre les Xk et X ( ), : il sagit de la formule dinterpolation de Dirichlet.

3.8

Transforme de Fourier Discrte

Si un signal est dni par N chantillons temporels, la transforme de Fourier Discrte est une transforme qui opre sur N points frquentiels dnis par la srie des pulsations suivantes : 2 , k = 0, 1, , N 1 N La transforme de Fourier Discrte (T F D) dun signal x(n) temps limit de longueur N est donc dnie par la relation suivante : k =
N 1

X (k ) =
n=0

x(n)ej

2kn N

3.8 Transforme de Fourier Discrte

39

Fig. 3.3 TFD dun signal discret dure limite

La gure 3.3 illustre la relation entre les pas frquentiels et temporels. tant donne la dnition de N permettant une reconstruction du signal temporel par sa transforme inverse, on peut aussi crire :
N 1

X (k ) =
n=0

x(n)ej

2kn N

k = 0, , N 1

(3.18)

On a la transforme de Fourier discrte inverse dnie par : x(n) = 1 N

N 1

Xk ej
k=0

2kn N

n = 0, , N 1

(3.19)

Les principales proprits de la T F D sont numres ci dessous. Linarit Dcalage en temps-frquence x(n n0 ) Produit de convolution circulaire
N 1

e2j

kn0 N

X (k )

x1 (n)

x2 (n) =
i=0

x1 (i) x2 (n i)

X1 (k ).X2 (k )

avec x1 (n) et x2 (n) des signaux priodiques de priode N . Thorme de Parseval (conservation de la puissance dun signal) 1 N Proprits de symtrie x(n) R X (k ) = X (N k ) Un autre intrt de cette transforme rside dans un calcul dune somme nie de termes qui peut tre particulirement ecace si N est une puissance de 2, (Fast Fourier Transform, F F T ). Il est possible de trouver la transforme de Fourier discrte dun signal, en valuant sa trans2k forme en z sur le cercle unit, cest--dire en prenant z = ej N .
N 1 N 1

|x(i)|2 =
n=0 k=0

|X (k )|2

40

Transforme de Fourier dun signal discret

Il est aussi possible dexprimer X (z ) en fonction des Xk , on a : X (z ) = (1 z N ) N

N 1 k=0

Xk k j 2N e z 1

On a considr les proprits prcdentes en prenant comme hypothse que x(n) est temps limit. Soit maintenant un signal x(n) quelconque, quil soit temps limit ou non, priodique ou apriodique, on a alors les proprits suivantes. 1. Pour un signal x(n) priodique de priode N , les valeurs X (k ) de la T F D sont les coecients de la dcomposition en srie de Fourier du signal. La T F D est un calcul exact. 2. Pour un signal x(n) quelconque, on a : xp (n) = x(n), pour n = 0, , N 1

Donc si on prend un signal temps discret quelconque, on eectue une T F D sur N chantillons, puis une T F D inverse sur N points, on obtient exactement le signal dorigine pour lintervalle 0 n N 1. 3. Si x(n) est temps limit avec L N , on a alors : Xk = X ()|= 2k
N

Si x(n) nest pas temps limit, il existe toujours une relation en le spectre discret et le spectre continu mais quil est dicile dinterprter. Comme la plupart du temps, on souhaite interprter directement les Xk comme des composantes frquentielles du signal on se dbrouillera pour ne ne traiter que des signaux temps limit (fentrage). La transforme de Fourier Discrte est un outil ecace permettant de calculer la Transforme de Fourier temps discret dun signal temps limit x(n). La Transforme de Fourier Discrte est souvent utilise pour des oprations de ltrage sous une forme rapide.

Chapitre 4

Systmes discrets
4.1 Introduction

Un systme temps discret est un systme qui transforme un signal dentre temps discret, appel signal dexcitation, en un signal de sortie temps discret, appel signal de rponse. Un signal dentre e(n) est transform en un signal de sortie s(n) : s(.) = T [e(.)] Il faut comprendre la notation prcdente comme la transformation de la squence complte e(n). On distingue les systmes temps discret sans eet de mmoire et les systmes dynamiques. Un systme temps discret sans eet de mmoire est un systme pour lequel un chantillon de sortie dinstant n ne dpend que de lchantillon dentre du mme instant. Dans tous les autres cas, il y a un eet de mmoire et le systme est dit dynamique. Les systmes pour lesquels le comportement entre le signal dentre et le signal de sortie nvolue pas en fonction du temps sont faciles analyser. Un systme est dit invariant en temps (ou au dcalage) si et seulement si : e(n) s(n)
T

e(n k ) s(n k ) e(.),

k (N )

Un systme est linaire si et seulement si : T [a e1 (n) + b e2 (n)] = a T [e1 (n)] + b T [e2 (n)] e1 (.) e2 (.) (a, b) Un systme linaire conserve donc loprateur daddition et de multiplication. Un systme est causal si la sortie s(n) nimporte quel instant n dpend seulement des chantillons passs et de lchantillon prsent du signal dentre.

4.2

Systmes linaires invariants

Il sagit dune classe de systme largement utilise en traitement du signal. On suppose un tel systme linaire et invariant dans le temps. Lhypothse de linarit conduit au principe de superposition d la conservation de loprateur daddition par la transformation ; cette hypothse simplie grandement les tudes analytiques des systmes numriques. La stratgie gnrale danalyse dun systme linaire invariant est la suivante : 41

42

Systmes discrets 1. Dcomposition du signal dentre en une somme de signaux ou fonctions de base. e(n) =
k

k eb k (n)

2. Etude de la rponse du systme pour lensemble des fonctions de base.

b sb k (n) = T [ek (n)]

3. Recomposition de la sortie en appliquant le principe de superposition. s(n) =

k

k s b k (n)

Lintrt dune telle approche est de sappuyer sur un ensemble de fonctions de base possdant des caractristiques intressantes connues (fonction (n) et lexponentiel complexe par exemple).

4.2.1

Reprsentation dun signal

Appliquons le premier point numr prcdemment en utilisant des signaux comme fonction de base. Soit e(n) un signal numrique quelconque que lon cherche reprsenter uniquement avec un ensemble de fonctions (n). Dveloppons le signal e(n) : e(n) = , e(2), e(1), e(0), e(1), e(2) On rappelle que (n) vaut 1 si n = 0, 0 sinon ; une somme de fonction (n) qui ne se recouvre pas sur le mme indice vaut soit 1, soit 0. On peut donc crire : . . . . = . . e(1) = + 0.e(2) + 1.e(1) + 0.e(0) + 0.e(1) + 0.e(2) + e(0) = + 0.e(2) + 0.e(1) + 1.e(0) + 0.e(1) + 0.e(2) + e(1) = + 0.e(2) + 0.e(1) + 0.e(0) + 1.e(1) + 0.e(2) + . . . . = . .

Le signal e(n) scrit alors :

+

e(n) =
k=

e(k ) (n k )

4.2 Systmes linaires invariants

43

4.2.2

Systme linaire invariant

Soit maintenant un systme linaire (SL) transformant un signal dentre e(n) en un signal de sortie s(n) : s(n) = T [e(n)]
+

s(n) = T [
k= +

e(k ) (n k )]

s(n) =
k= +

T [e(k ) (n k )]

s(n) =
k=

e(k )T [ (n k )]

On pose : hk (n) = T [ (n k )] En plus dtre linaire, si le systme est invariant, hk (n) ne dpend plus de k , donc : h(n) = T [ (n)] Pour un systme linaire invariant (SLI), on obtient alors la relation suivante entre signal dentre et de sortie :
+

s(n) =
k=

e(k )h(n k )

Un systme linaire invariant est donc entirement caractris par sa rponse impulsionnelle h(n). Cette opration daccumulation de termes multiplicatifs porte le nom de convolution et se note , on a : s(n) = e(n) h(n) Par un simple changement de variable sous le signe somme, il est simple de montrer quil sagit dune opration commutative, on a : s(n) = e(n) h(n) = h(n) e(n)

44

Systmes discrets

Exemple 4.1 : Exemple de convolution Soit la rponse impulsionnelle h(n) dun systme linaire invariant telle que : h(n) = ou encore : h(n) = an u(n) Ce signal est reprsent en haut de la gure 4.1. tudions la rponse dun tel systme lentre suivante : e(n) = u(n) u(n N )pour N x On trouvera au milieu de la gure 4.1 une reprsentation de ce signal. On peut distinguer 3 cas : 1. Pour n < 0, h(n k ) et e(n) nont aucun chantillon non nuls en commun donc s(n) = 0 pour n < 0 2. Pour 0 n < N , on a un recouvrement dchantillons non nuls pour 0 k < n, donc pour 0 n < N on obtient :
n

an si n 0 0 si n < 0

s(n) =
k=0

ank = an

1 a(n+1) 1 a1

3. Pour n N , on a n recouvrements dchantillons non nuls pour 0 k < N , donc pour n N on a :

N 1

s(n) =
k=0

ank = an

1 aN 1 a1

La rponse du systme est reprsente en bas de la gure 4.1.

4.2.3

Stabilit

Un systme est stable si une entre borne correspond une sortie borne. Soit h(n) la rponse impulsionnelle dun systme linaire invariant, la condition de stabilit dun tel systme scrit :
+

|h(k )| < +
k=

Dmonstration : "" : Soit un signal e(n) born, cest--dire : M < + tq |e(n)| < M n

4.2 Systmes linaires invariants

45

1 0.9 0.8

1 0.9 0.8 0.7

reponse impulsionnelle h(n)

0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -30

signal entre e(n)

-20 -10 0 indice temporel: n 10 20 30

0.6 0.5 0.4 0.3 0.2 0.1 0 -30

-20

-10

0 indice temporel: n

10

20

30

signal de sortie y(n)

0 -30

-20

-10

0 indice temporel: n

10

20

30

Fig. 4.1 En haut gauche, rponse impulsionnelle du systme, au haut droite entre du systme, en bas, signal de rponse du systme lentre

46 Par lopration de convolution (2me forme) on obtient :

+

Systmes discrets

|s(n)| = |
k=

h(k )e(n k )|

En utilisant lhypothse dune entre borne :

+

|s(n)| M
k=

|h(k )| < +

"" : Il sut dun contre-exemple pour valider ce sens de la dmonstration. Soit la sortie dun systme linaire invariant suppose borne, on suppose de plus le systme instable, on recherche alors une entre borne. Soit lentre : h (n) si h(n) = 0 |h(n)| e(n) = 0 si h(n) = 0 Pour n = 0 (un chantillon contre exemple sut) on obtient :
+ +

s(0) =
k=

e(k )h(k ) =
k= +

h (k )h(k ) |h(k )|

s(0) =
k=

|h(k )|2 = + |h(k )|

4.2.4

Causalit

Un systme est causal si un changement en sortie ne prcde pas un changement en entre. Soient deux signaux dentre e1 (n) et e2 (n) ainsi que leurs sorties respectives s1 (n) et s2 (n), un systme est causal si et seulement si n0 tel que si e1 (n) = e2 (n) pour n < n0 alors s1 (n) = s2 (n) pour n < n0 . Un systme linaire invariant est causal si et seulement si h(n) = 0 pour n < 0. Un squence est causale si les chantillons de cette squence sont nuls pour n < 0.

4.3
4.3.1

Reprsentation temporelle des systmes discrets

Produit de convolution

La section 4.2.2 a dj montr que la sortie dun systme discret pouvait se formuler de la manire suivante :
+

s(n) =
k= +

e(k )h(n k ) = e(n) h(n)

(4.1)

s(n) =
k=

h(k )e(n k ) = h(n) e(n)

(4.2)

4.3 Reprsentation temporelle des systmes discrets

47

Un systme discret est donc entirement caractris par sa rponse impulsionnelle h(n). Lopration liant la sortie s(n) lentre e(n) et la rponse impulsionnelle du systme h(n) est appele produit de convolution.

4.3.2

Equation aux dirences nies

Les quations de convolution dveloppes au cours des paragraphes prcdents font intervenir des sommes innies de termes. Si la rponse impulsionnelle possde un nombre inni de termes il est dicilement envisageable de mettre en oeuvre cette convolution sur un calculateur. Mais, il cependant possible pour certaines classes de rponses impulsionnelles innies de dvelopper la convolution sous la forme dune rcursion. La relation entre lentre et la sortie est une combinaison linaire coecients constants (et en nombre ni) des chantillons dentre et de sortie. Une quation aux dirences nies peut scrire sous la forme :
N M

s(n) =
k=1

ak s(n k ) +
k=0

bk e(n k )

Un systme rgit par une quation aux dirences nies du type prcdent est linaire, invariant et causal. Si N 1 : un chantillon de sortie au temps n, s(n) dpend des N prcdents chantillons de sortie s(n 1) (n N ), un tel systme est dit rcursif, la rponse impulsionnelle est innie, RII, ou IIR en anglais (Innite Impulse Response). Si N = 0 : la sortie s(n) dpend seulement de lentre courante e(n) et de ses M chantillons prcdents, le systme est dit non-rcursif, la rponse impulsionnelle est nie, RIF, ou FIR en anglais (Finite Impulse Response). La rponse impulsionnelle dun systme RIF est donne par :
M

h(n) =
k=0

bk (n k )

cest--dire par la squence des {bk }. Puisque qutudier un systme linaire invariant revient tudier sa rponse impulsionnelle, le cas particulier dune rponse impulsionnelle mise sous la forme dune quations aux dirences nies consiste tudier un systme linaire dquations, cest--dire en extraire les racines du polynme caractristique. Ceci sera eectu de manire ecace en utilisant la transforme en Z .

4.3.3

Fonction de transfert

La fonction de transfert H (z ) dun systme est dnie par : H (z ) = S (z ) E (z ) (4.3)

H (z ) est galement la transforme en Z de la rponse impulsionnelle h(n) du systme.

48 4.3.3.1 Cas gnral

Systmes discrets

Dans le cas gnral, H (z ) peut tre obtenue partir de lquation aux dirences (voir section 2.3.2). On a alors : M k N (z ) k=0 bk z H (z ) = = (4.4) N D(z ) 1 + k=1 ak z k En multipliant N (z ) et D(z ) par z N on obtient : H (z ) =
M N k k=0 bk z N k zN + N k=1 ak z

(4.5)

ou en faisant apparatre les ples et les zros : H (z ) = b0 z N M

M i=1 (z N i=1 (z

zi ) pi )

= b0

M 1 i=1 (1 zi z ) N 1 i=1 (1 pi )z

(4.6)

Lquation prcdente permet de tracer dans le plan complexe le diagramme des ples et des zros. 4.3.3.2 Systmes tout zros

Un systme tout zros est un systme dont la transforme en Z sexprime sous la forme de lquation (2.19) avec N = 0, cest--dire pour lequel a1 = a2 = = aN = 0. La fonction de transfert devient :
M

H (z ) =
k=0

bk z k =

1 zM

bk z M k
k=0

Le polynme numrateur possde M racines. La rponse impulsionnelle de ce systme est de type nie (RIF ou FIR). 4.3.3.3 Systmes tout ples

Un systme tout ples est un systme dont la transforme en z sexprime sous la forme de lquation (2.19) avec M = 0, cest--dire pour lequel b1 = b2 = = bM = 0. La fonction de transfert devient : H (z ) = 1+ b0 N k k=1 ak z = b0 z N M N k k=0 ak z

Le polynme dnominateur possde N racines. La rponse impulsionnelle de ce systme est de type innie (RII ou IIR).

4.4 Analyse des systmes discrets par la transforme en Z

49

4.4

Analyse des systmes discrets par la transforme en Z

Lobjet de ce paragraphe est dtudier le comportement des systmes linaires invariants par lanalyse de leur fonction de transfert dcrite par une fonction en Z . Il sagit donc de caractriser la sortie dun systme en fonction dune entre et de spcier les conditions de stabilit dun tel systme.

4.4.1

Rponse dun systme dcrit par une fonction rationnelle

Soit le systme dcrit par lquation suivante : S (z ) = H (z )E (z ) Il sagit de caractriser s(n). On suppose que H (z ) peut scrire sous la forme dune fraction de polynmes en z , cest--dire : N (z ) H (z ) = D(z ) On suppose de plus que la transforme de lentre du systme E (z ) scrit par une fraction de polynmes : P (z ) E (z ) = Q(z ) On a donc : S (z ) = N (z )P (z ) D(z )Q(z )

Le signal de sortie est donc caractris par une transforme rationnelle. Supposons : les ples du systme sont uniques, p1 pN , les ples de lentre sont uniques, q1 qL , les ples du systme et de lentre sont dirents, les zros du systme et de lentre dirent de lensemble des ples. On peut alors crire Y (z ) sous la forme suivante :
N

S (z ) =
k=1

Dk + 1 pk z 1

L k=1

Qk 1 qk z 1

En supposant un systme causal, on obtient :

N L

s(n) =
k=1

Dk pn k u(n)

+
k=1

n Qk qk u(n)

Lquation prcdente montre que le signal de sortie peut tre considr comme compos de deux partie : une rponse en rgime naturel (termes en pk ) une rponse en rgime forc (termes en qk )

50

Systmes discrets

4.4.2

Rgimes transitoires et permanents

On considre sn (n) la rponse du systme en rgime naturel :

N

sn (n) =
k=1

Dk pn k u(n)

et sf (n) en regime forc :

L

sf (n) =
k=1

n Qk qk u(n)

Si tous les ples de la fonctions de transfert du systmes ont des amplitudes infrieures 1, alors le rgime naturel est dit transitoire. Des ples de faible module conduisent une dcroissance rapide de la rponse naturelle. Rciproquement des ples proches du cercle unit conduisent une rponse transitoire longue. Si tous les ples du signal dentr ont un module infrieur 1, alors la rponse forc dcrot vers 0 pour n allant vers linni. Si le signal dentre a un ple sur le cercle unit, alors le signal est compos dune sinusode persistante. Dans un tel cas, la rponse force correspond ce que lon appelle un tat stable.

4.4.3

Condition de causalit pour H (z )

Au cours du chapitre caractrisant les systmes temps discret, on a vu quun systme linaire invariant est causal ssi sa rponse impulsionnelle h(n) est nulle si n < 0. Un systme linaire invariant est causal si et seulement si le domaine de convergence de sa transforme en z est lextrieur dun cercle de rayon r < incluant z = . Ainsi, H (z ) = z 2 a une rgion de convergence : C qui est extrieur un cercle de rayon 0 mais excluant z = . Donc le systme est non causal.

4.4.4

Condition de stabilit pour H (z )

On a vu que pour quun systme linaire invariant soit stable il faut et il sut que sa rponse impulsionnelle vrie :

|h(n)| <
n=

Un systme linaire invariant est stable si le domaine de convergence de sa transforme en z inclue le cercle unit. Pour nir, un systme linaire invariant causal est stable si et seulement si tous les ples de sa fonction de transfert sont lintrieur, strictement, du cercle unit.

4.4.5

Dtermination du module et de la phase du systme

Pour un systme dont le domaine de convergence de sa fonction de transfert X (z ) contient le cercle unit, alors la rponse frquentielle de ce systme consiste valuer X (z ) sur le cercle unit, cest--dire pour z = ej .

4.5 Reprsentation frquentielle des systmes discrets

51

Exemple 4.2 : Prenons par exemple, un systme dont la fonction de transfert sexprime sous la forme suivante : H (z ) = on a : H (z ) = 1 1 + 0.5z 1 z z + 0.5

Ce systme possde donc un zro en z = 0 et un ple en z = 1 2. En prenant z sur le cercle unit : H (ej ) = ej ej +
1 2

En prcisant explicitement amplitude et phase : H (ej ) = |H (ej )|ejarg(H (e On obtient alors : |H (ej )| = ej 1 +
1 2
j ))

(4.7) (4.8)

1 arg (H (ej )) = arg (ej + ) 2

la double gure 4.2 reprsente sur sa partie gauche la position des ples et des zros de la fonction de transfert (un ple est indiqu par le symbole x, et un zro par le symbole o) et sur sa partie droite la rponse frquentielle du systme : module et phase pour 0 . Lvolution du module de la rponse frquentielle nous montre quil-y-a attnuation des contributions dues au basses frquences par rapport aux hautes frquences. Le comportement de ce systme est donc celui dun ltre passe-haut.

4.5

Reprsentation frquentielle des systmes discrets

Au cours du paragraphe prcdent, nous avons vu que les systmes linaires invariants ont des proprits, notamment le principe de superposition, qui conduisent des solutions analytiques simples. Si on applique une sinusode lentre dun systme LI la sortie est elle aussi sinusodale et de mme pulsation. Les amplitudes et phases dpendent par contre des caractristiques du systme. Il est donc possible danalyser le comportement dun systme linaire invariant par lobservation de lvolution des paramtres dune srie de sinusodes. Cest cette proprit qui rend si intressante lutilisation de la transforme de Fourier pour ltude des systmes LI. Soit lentre e(n) = ejnT = ejn pour < n < + dun systme linaire invariant de

52

Systmes discrets

1 0.8 0.6 0.4

Magnitude Response (dB)

10

Imaginary part

0.2 0 -0.2 -0.4 -0.6 -0.8 -1 -1 -0.5 0 Real part 0.5 1

-5 0

0.1

0.2

0.3 0.4 0.5 0.6 0.7 Normalized frequency (Nyquist == 1)

0.8

0.9

30

Phase (degrees)

20

10

0 0

0.1

0.2

0.3 0.4 0.5 0.6 0.7 Normalized frequency (Nyquist == 1)

0.8

0.9

Fig. 4.2 Rponse frquentielle, X (z ) = rponse impulsionnelle h(k ). La sortie peut alors scrire :

1 1+0.5z 1

s(n) =
k=

h(k )ej (nk)

s(n) = e En posant :

jn k=

h(k )ejk

H (ej ) =
k=

h(k )ejk

Lquation prcdente reprsente la modication apporte par le systme et modlise par une amplitude complexe. H (ej ) est appel rponse frquentielle du systme caractris par sa rponse impulsionnelle h(k ). Il sagit dun terme complexe qui peut sexprimer par une partie relle ou imaginaire ; on adopte le plus souvent une reprsentation de type polaire o lon fait rfrence au module et la phase de cette rponse frquentielle : H (ej ) = |H (ej )|ejarg[H (e
j )]

La dnition de la rponse frquentielle dun systme linaire invariant montre quil sagit dune fonction priodique de priode 2 . Cela veut dire qu deux entres identiques mais une pulsation double le systme rpond dune manire identique. Puisque H (ej ) est une fonction priodique, elle peut tre reprsente par une srie de Fourier. En fait lquation de dnition fait apparatre H (ej ) comme une srie de Fourier o les coecients sont h(k ).

Chapitre 5

chantillonnage et reconstruction des signaux

Ce chapitre prsente lopration dchantillonnage des signaux temps continu permettant de reprsenter des signaux physiques analogiques sur une forme temps discret. On abordera cette notion en tudiant tout dabord le cas dun chantillonnage idal o les chantillons du signal temps discret sont drivs du signal analogique des instants priodiques multiples dune priode lmentaire. Comme la notion dinstant a peu de sens en pratique et quil est plus juste de parler de dure, on abordera ensuite le cas dun systme dchantillonnage rel, tel quon peut on trouver dans des convertisseurs analogique/numrique ; on prcisera quelles approximations permettent de se ramener au cas de lchantillonneur idal. Lopration dchantillonnage inverse consiste reconstruire un signal analogique partir dun signal temps discret. On tudiera un modle de reconstruction du signal tel que lopration complte chantillonnage et reconstruction soit transparente.

5.1

chantillonnage idal

Soit un signal analogique xa (t) dont la transforme de Fourier est dnie par : Xa (j ) =

xa (t)ejt dt

avec = 2f . On retrouve le signal temporel partir de sa transforme par la transforme de Fourier inverse dnie par le relation suivante : xa (t) = 1 2

Xa (j )ejt d

Un signal temps discret x(n) driv dun signal analogique xa (t) consiste prendre des valeurs de xa (t) des instants multiples dune priode xe T . T est appele priode dchantillonnage. On a donc : x(n) = xa (t = nT ) Linverse de la priode dchantillonnage est appele frquence dchantillonnage, fe ; on a 1 fe = T . On notera , la pulsation non normalise sexprimant en radian par seconde. On notera , la pulsation normalise, sexprimant en radian par priode. On a = T. 53

54

chantillonnage et reconstruction des signaux

Pour se rendre compte de la relation quil y a entre x(n) et xa (n), il est utile de relier les transformes de Fourier de ces deux signaux. On a : 1 x(n) = xa (nT ) = Xa (j )ejnT d 2 A partir de la dnition de la transforme de Fourier temps discret, on a aussi : x(n) = 1 2

X (j )ej n d

Pour pouvoir relier les deux quations prcdentes (par x(n) ), on exprime la premire en dcoupant lintervalle dintgration par morceaux, on a donc : 1 xa (nT ) = 2

(2k+1) T

k= (2k1) T

Xa (j )ejnT d

Par un changement de variable, on obtient : xa (nT ) = 1 2

k=
T T

Xa (j + j

2k jnT 2kn )e e d T

On peut noter que e2kn = 1 pour toutes valeurs entires de k et de n. En changeant le signe somme et le signe intgral, on obtient : 1 x(n) = xa (nT ) = 2 En remplaant par
T,
T T

[
k=

Xa (j + j

2k jnT )]e d T

on a : 1 [ T

1 x(n) = 2

Xa (
k=

j j 2k j n + )]e d T T

Il est donc maintenant aise deectuer lidentication suivante : 1 X (e ) = T

j

Xa (
k=

j j 2k + ) T T

La relation prcdente montre que le spectre du signal numrique est priodique et correspond des versions dcales du spectre du signal analogique correspondant. 5.1.0.1 Thorme dchantillonnage de Shannon

Le spectre du signal numrique est compos dune somme innie de versions dcales du signal analogique. Il est donc possible de retrouver le signal temps continu si tous les lments somms ne se recouvrent pas. Si le signal analogique est bande limite, cest--dire si sa transforme de Fourier temps continu X ( ) est nulle pour | | > max , il ny a pas recouvrement des spectres dcals pour max < 2 T max .

5.2 Exemple pratique dchantillonnage On obtient alors : max < max < 2 max 2 < 2 max T T 1 T avec fN =

55

(5.1) (5.2) (5.3) 1 T (5.4)

2fmax < fN

fN est la frquence limite dchantillonnage ou encore appele frquence de Nyquist. Il est donc tout dabord sassurer que lon chantillonne bien un signal continu bande limite. Ceci est le plus souvent valid par le ltrage du signal analogique par un ltre passe-bas. Une fois la bande de base xe, on dtermine a frquence dchantillonnage appliquer pour obtenir une reconstruction parfaite du signal continu partir du signal numrique.

5.2

Exemple pratique dchantillonnage

Soit un signal analogique xa (t) correspondant une sinusode de frquence f = 0.5Hz et dni par : xa (t) = 5 sin(2 0.5t) avec 2 t +2 Daprs le paragraphe prcdent, la frquence de Nyquist correspond fN = 2 0.5 = 1Hz. On prend pour frquence dchantillonnage fs = 4Hz, soit x(n) le signal temps discret rsultant de lchantillonnage de xa (t) la frquence fs . La gure 5.2.a montre en trait continu la signal analogique que lon vient chantillonn en certains instants reprs par des lignes verticales termines par des croix. La srie des gures 5.2.b 5.2.d met en vidence les problmes de reconstruction si on ne respecte pas la contrainte du thorme de Shannon. Le signal analogique dorigine est une sinusode de 2 Hz. Donc une frquence dchantillonnage valide devra tre suprieure 4 Hz. Les gures 5.2.b et 5.2.c montrent en trait pointill le signal analogique dorigine, en trait plein le signal analogique reconstruit partir du signal numrique not par la squence des points-toiles. On voit que le signal reconstruit na plus rien voir avec le signal dorigine. En eet la frquence dchantillonnage est infrieur celle de Nyquist (4 Hz). En utilisant les mmes notations que pour les deux gures prcdentes, on peut remarquer quil y a reconstruction parfaite pour la gure 5.2.d, il sagit en fait du signal numrique chantillonn une frquence de 6.4 Hz. On peut aussi noter que si on ne regarde que lenveloppe damplitude du signal numrique (squence des toiles), elle a peu de chose voir avec une sinusode, du moins loeil !...donc mance.

56

chantillonnage et reconstruction des signaux

Signal continu/chantillon, f = 0.5Hz, A = 5 / T = 250ms 5 4 3 2 1 0.8 0.6 0.4

Signal chantillon 1.6Hz

Amplitude continue

1 0 -1 -2 -3 -4 -5 -2

Valeur du signal
-1.5 -1 -0.5 0 0.5 Temps continu 1 1.5 2

0.2 0 -0.2 -0.4 -0.6 -0.8 -1 0

0.5

1.5

2.5 Temps

3.5

4.5

a. chantillonnage dun signal continu ; en trait continu le signal analogique, les traits verticaux notent les valeurs du signal numrique.
Signal chantillon 3.2Hz 1 0.8 0.6 0.4

b. chantillonnage dun signal continu et reconstruction imparfaite ; en trait discontinu le signal analogique dorigine (F = 2Hz ), en trait plein le signal analogique reconstruit, Fs = 1.6Hz .
Signal chantillon 6.4Hz 1 0.8 0.6 0.4

Valeur du signal

0.2 0 -0.2 -0.4 -0.6 -0.8 -1 0

Valeur du signal
0.5 1 1.5 2 2.5 Temps 3 3.5 4 4.5 5

0.2 0 -0.2 -0.4 -0.6 -0.8 -1 0

0.5

1.5

2.5 Temps

3.5

4.5

c. chantillonnage dun signal continu et reconstruction imparfaite, Fs = 3.2Hz .

d. chantillonnage dun signal continu et reconstruction parfaite, Fs = 6.4Hz .

Chapitre 6

Travaux Dirigs en signaux et systmes discrets

6.1
6.1.1

chantillonnage
Chane de traitement numrique du signal

On sintresse une chane de traitement numrique du signal (TNS) du type de la gure 6.1.

x(t)

x*(t) Te

CAN

x(n)

Filtre

y(n)

CNAbloqueur

y*(t)

Fig. 6.1 Chane de TNS Le signal x(t) = A.eat .sin(0 .t).u(t) correspondant une rponse transitoire dun systme oscillant amorti est chantillonn une priode Te qui permette de limiter le recouvrement spectral. 1. Calculer la TF X(f) de ce signal. 2. Tracer le module du spectre |X (f )| de ce signal, et prcisez le lieu du maximum Fmax , ainsi que sa valeur (A.N. 0 = 2 4rad/s; a = 7; A = 20). 3. Ce spectre prsente un support de dure innie ( dmontrer). Calculer et dessiner le spectre de x (t) pour une priode Te quelconque. 4. Pour limiter leet de recouvrement spectral, on choisit de considrer la partie utile de x(t) sur un support born. Ainsi, toute composante spectrale dont lamplitude ne dpasse pas 1% de lamplitude maximale Fmax du spectre sera considre comme ngligeable. Calculer la frquence FM au del de laquelle lamplitude des raies devient ngligeable. 5. Calculer Fe telle que le recouvrement nentrane une erreur sur le spectre initial ne dpassant pas 1% de lamplitude du spectre en FM . 6. Existe-t-il dautres solutions qui permettent de limiter le recouvrement spectral. 57

58

Travaux Dirigs en signaux et systmes discrets

6.1.2

chantillonnage dun signal

1. Soit le signal x(t) = eat .u(t), calculez et dessinez sa transforme de Fourier X ( ). On donnera les valeurs du modules en = 0, a, 10a. 2. Calculez lnergie du signal x(t). 3. On chantillonne x(t) une priode T . Calculez la transforme de Fourier Xe ( ) du signal chantillonn xe (nT ). 4. Dessinez approximativement le module du spectre lorsque T = /10a. Expliquez quels problmes peuvent survenir lors de lchantillonnage du signal x(t). 5. Donner lexpression de lnergie en fonction de la bande de frquence [B, . . . + B ] considre. On rappelle que la primitive de 1/(1 + x2 ) est arctg (x). Trouver B donnant 90% de lnergie totale du signal. Proposez, partir de ces rsultats, une solution pour limiter leet de lchantillonnage en considrant quune bande de frquence reprsentant 90% de lnergie du signal sut caractriser le signal.

6.1.3

chantillonnage idal

Considrons lopration dchantillonnage idal du signal x (t) la frquence dchantillonnage fe = 1/T . Soit x (t) le signal ainsi obtenu. Calculer la transforme de Laplace X (p) de x (t) en considrant que x (t) est obtenu par un produit entre x (t) et un peigne de Dirac. En dduire lexpression de la TF du signal chantillonn ainsi obtenu. Dans le cas o le signal x (t) possde un support spectral non-born, il est impossible de reconstituer x (t) partir de la seule connaissance du signal discret x (nT ). Discuter du phnomne de repliement spectral dans le cas o le signal x (t) possde un support spectral born (fmax < 1/2T ,fmax = 1/2T ,fmax > 1/2T ).

6.1.4

chantillonnage naturel ou avec blocage

En pratique lchantillonnage idal est irralisable, on parle alors dchantillonnage naturel lorsque xN (t) = x (t) .Rect (/T ), ou dchantillonnage avec blocage (dordre zro) lorsque xB (t) = x (t) Rect t 2 . Comparer X (f ) par rapport aux spectres XN (f ) et XB (f ).

6.1.5

Reconstitution

Pour reconstruire le signal partir de la connaissance du seul signal chantillonn x (t), il est possible dutiliser des ltres extrapolateurs (ou polynomiaux) qui eectuent une extrapolation partir de chaque impulsion dchantillonnage partir du dveloppement en srie de Taylor 2 de x (t) au voisinage de t = nT , soit : x (nT + ) = x (nT ) + x (nT ) + 2! x (nT ) + Dans le cas dun bloqueur dordre 0, seul le premier terme de cette srie est utilis. Dterminer la rponse en frquence du ltre extrapolateur ainsi obtenu et donner la rponse en frquence du signal aprs reconstitution. Pour amliorer la reconstitution, il est possible dliminer par ltrage passe-bas les spectres dupliqus autour des frquences k fe , k N . Calculer lordre n du ltre passe-bas ncessaire an dobtenir une attnuation (maximale) de Amax = 1 dB la frquence maximale fmax de x (t), et une attnuation minimale deAmin = 43 dB la frquence fe fmax .

6.2 Transforme en Z

59

Sachant que la frquence dchantillonnage fe est gale 4fmax , et que la frquence de coupure fc du ltre passe-bas est gale 2fmax .

6.2
6.2.1

Transforme en Z
Calculs de T Z

1 si 0 t 1 chantillonn une priode T = 0.2s. 0 sinon Dessiner le signal discret h(nT ). Dterminer lexpression de H (z ). 2. A partir de la transforme de Laplace des signaux continus suivants, dterminer les expressions de la T Z des signaux discrets quivalents, chantillonns la priode T : 1. Soit le signal : h(t) = X (p) = X (p) = 1 3 + p p2

2 d 1 + p + 2 dp p + 1

3. Dterminer les expressions de la T Z et calculer les rayons de convergence des suites : x(n) = 2(1 + j )u(n) 5(2 3j )u(n 1) x(n) = k rn cos(n0 + )u(n) A.N. : r = 2, k = 4 sin(n + 1) u(n) sin Tracer le diagramme des ples et des zros. 4. tablir lexpression de la T Z de : x1 (n) = u(n) u(n N ) x2 (n) = nx1 (n) x(n) = rn

6.2.2

Signal exponentiel

Soit le signal : x(nT ) =

A ebnT si 0 nT avec b > 0. 0 ailleurs 1. Dterminer transforme en Z du signal x(nT ).

6.3

Transforme en Z inverse
z 3 + 2z 2 + z + 1 (z 2)2 (z + 3)

1. Donner les expressions de la T ZI de : X (z ) =

3z 2 + 0.5z z 2 z + 0.5 4(z 3) X (z ) = z (z 1)(z 2)2 X (z ) =

60

Travaux Dirigs en signaux et systmes discrets par la mthode des rsidus, par division polynmiale n = 0, 1, 2, 3, par dcomposition en fractions rationnelles. Calculer x(n) pour n = 0, 1, 2, . . . , 7. 2. Donner les expressions de la T ZI de : X (z ) = 1 (1 az 1 )(1 bz 1 )

par la mthode des rsidus, par dcomposition en fractions rationnelles. Montrer que lorsque a = 0.5(1 + j ) et b = 0.5(1 j ) alors x(n) = 1 2
n1

cos (n 1)

u(n) 4

6.3.1

Systmes linaires discrets

s(n) = b1 .s(n 1) + b2 .s(n 2) + e(n)

Soit le SLD suivant : dterminer sa fonction de transfert en z . Si b1 = 0.5 et b2 = 0.24, le SLD est il stable ? Donner dans ce cas sa rponse impulsionnelle.

6.3.2

Filtre numrique

Soit le ltre analogique de fonction de transfert : H (p) = 3.25 (p + 1)((p + 0.5)2 + 3)

1. Dterminez la rponse impulsionnelle h(t) de ce ltre. 2. Dterminez ensuite la fonction de transfert en z dun SLD de rponse impulsionnelle h(nT ) = h(t)|t=nT .

6.4

Transforme de F ourier dun signal discret

1. Donner la dnition de la transforme de Fourier X (ej ) des signaux temps discrets de la suite : x (n) n = , , + Quel est le lien avec la transforme en Z ? 2. Montrer que la transforme de Fourier est priodique de priode 2 . Elle peut donc tre dcompose en srie de Fourier, calculer les coecients de la srie de Fourier en fonction de X (ej ).

6.4 Transforme de F ourier dun signal discret

61

3. La densit spectrale dnergie de la suite x (n) est dnie par SE (f ) = |X (ej 2f T )|2 . Calculer lnergie moyenne
1/2

E=
1/2

S (F ) dF

avec F la frquence normalise telle que : F = f T = 2 . En dduire la relation de Parseval pour les signaux temps discrets. 4. Donner les autres relations de la Transforme de Fourier directe et inverse en faisant intervenir la frquence en Hertz, sachant que : x (n) x (nT ). 5. Calculer la T F de la fentre de pondration rectangulaire dnie par :

x (n) =

1 n = 0 , 1, , N 1 0 ailleurs

Tracer son |X (F )| et Arg (F ) en fonction de la frquence normalise.

6.4.1

Calcul de T F

1. Dterminer la T F du signal dcrit dans lexercice 6.2.2. 2. Donner la T F du signal suivant (appel fentre de Hamming, = 0.54) : wH (n) =
2n + (1 ) cos N 1 0

pour |n| ailleurs

N 1 2

6.4.2

Transforme de F ourier Discrte

1. Donner la dnition de la transforme de Fourier Discrte ou TFD (suivant la frquence normalise) des signaux temps discrets de la suite : x (n) n = 0, , N 1

2.

3. 4. 5.

Quel est le lien avec la transforme de lexercice 6.4 ? avec la transforme en Z ? A partir de la relation de transforme de Fourier inverse tablie lexercice 6.4, tablir la relation de transforme de Fourier Discrte inverse. Donner les autres relations de la Transforme de Fourier Discrte directe et inverse en faisant intervenir la frquence en Hertz. On priodise le signal dcrit dans lexercice 6.2.2 selon une priode Ts > . On posera T = Ts /N ( = Ts /2). Dterminer la Transforme de F ourier Discrte du signal priodique. Donner la TFD sur N points de x(n) = (1)n u(n). Donner la TFD sur N points de x(n) = rn ejn0 u(n). Donner la TFD sur N points de x(n) = A ej 2k1 n u(n).
N 1

On rappelle que qn =
n=0

1 qN 1q

62

Travaux Dirigs en signaux et systmes discrets

6.5
6.5.1

Analyse spectrale
Exercice 1

On considre le signal temps continu x (t) = A abt u (t) , 0 < a < 1 dont la transforme de Fourier est donne par : X (f ) = A/(b |Ln a| + j 2f ). Considrons la version discrtise de ce signal tel que t = nT et b = 1/T . Donner lexpression de la transforme en z : X (z ). En dduire sa transforme de Fourier X ej 2F exprime en fonction de la frquence normalise ou non. Comparer ce rsultat avec celui du signal temps continu. 1 0 n N 1 On pondre le signal x (nT ) par une fentre rectangulaire w (nT ) = 0 ailleurs Donner lexpression de XN (z ), la transforme en z de ce signal. Donner lexpression de la transforme de Fourier discrte X ej 2kfN avec fN = 1/N T . Comparer X ej 2f : prciser les conditions pour que la TFD soit une bonne approximation de la TF du signal discret x (n) n = , , +.

6.5.2

Exercice 2

On considre le signal temps continu x (t) = eat u (t). Calculer sa transforme de Fourier. Donner les expressions mathmatiques de son module et de son argument. Tracer le module en fonction de la frquence. On discrtise le signal x (t) tel que t = nT . Donner lexpression de la transforme en z : X (z ). En dduire sa transforme de Fourier X ej 2f . Le signal x (nT ) est maintenant tronqu lintervalle [0, (N 1) T ] en pondrant le signal. 1 0 n N 1 x (nT ) par w (nT ) = 0 ailleurs Calculer la transforme en Z de ce signal. Donner lexpression de la transforme de Fourier X ej 2f . Retrouver ce rsultat en considrant que le signal discret tronqu correspond la multiplication du signal discret de la question 2, par une fentre rectangulaire de N chantillons. Calculer la transforme de Fourier Discrte X ej 2fk . Comparer ce dernier rsultat lexpression obtenue pour la transforme de Fourier. Prciser la condition pour que la TFD soit une bonne approximation de la TF. Quelles sont les direntes oprations (dans le domaine temporel et frquentiel) permettant de passer de la TF du signal continu x (t) la TFD de x (nT ). Montrer que lon retrouve les mmes rsultats que prcdemment (pour X ej 2f et X ej 2fk ) 1 0 t (N 1) T si lon tronque directement le signal x (t) par la fentre suivante w (t) = 0 ailleurs Comparer ces rsultats aux courbes donnes dans les gures 6.5.2.

6.5 Analyse spectrale

63

N = 10, F1= 0.33

10

6
6

5
5

4
4

3
3

0 -2

-1. 5

-1

-0. 5

0 frquence

0.5

1.5

0 0

N=100, F1=0.33 100

N = 10, F1= 0.33 10000

90

9000

80

8000

70

7000

60

6000

50

5000

40

4000

30

3000

20

2000

10

1000

10

20

30

40

50

60

70

80

90

100

0 0

1000

2000

3000

4000

5000

6000

7000

8000

9000

10000

Fig. 6.2 Exemples de calcul de TFD sur des signaux