Vous êtes sur la page 1sur 50

Signaux et Systemes

Cours 1
Introduction
Le cours de signaux et systemes est une suite
au cours de DS2
On approfondit les notions mathematiques
pour lanalyse des systemes lineaires pour lanalyse des systemes lineaires
Ca risque de devenir abstrait assez rapidement
On va tenter de concretiser le tout avec des
applications et des laboratoires
Matiere couverte
Decomposition des vecteurs et des signaux
orthogonaux
Cest la base de lanalyse en frequences
Analyse en frequences avec la transformee de Analyse en frequences avec la transformee de
Fourier
Manipulation des f r e q u e n c e s avec les filtres:
Butterworth, Bessel et Chebyshev
Conception avec les echelles LC
Matiere couverte
Introduction aux amplificateurs operationnels:
Architecture Sallen-Key
Architecture Bi-quadratique
Systemes en temps discret Systemes en temps discret
Transformee en Z
Pourquoi cest utile?
Application #1: Le son
On veut parfois eliminer certaines frequences ou en
amplifier dautres
Selon nos criteres, on choisira Butterworth, Bessel ou
Chebeshev...
On choisira ensuite limplementation voulue...
Pourquoi cest utile?
Application #2: Systemes asservis
En connectant un systeme en boucle fermee, on a un
certain comportement
Imaginez un bras de robot controle par une manette
Le mouvement du bras depend de plusieurs
parametres qui peuvent ne PAS etre ajustables
On peut ajouter une fonction de transfert pour changer
le comportement
On fait ca avec des filtres
Pourquoi cest utile?
Application #3: Applications biomedicales
On connecte parfois des circuits electroniques au corps
humain pour lire des donnees (ou les transmettre)
Les tensions quon lit sont TRES faibles et sont sujets a
du bruit du bruit
Dautres organes generent eux-aussi des signaux
electriques
Le 60Hz de lalimentation modifie aussi les signaux
mesures
Il faut donc les filtrer dune certaine maniere
Une procedure generique possible
On regarde le signal fourni
On regarde les caracteristiques voulues
On choisit la methode appropriee pour
manipuler les frequences manipuler les frequences
Gain important? Phase important?
On choisir limplementation voulu
Sallen-Key, Biquadratique, passif, ...
On verifie le montage en laboratoire
Commencons avec la matiere du cours...
Definitions
Commencons par definir le terme signal:
Un signal est une serie dinformation et de donnees
Cest une valeur physique qui peut avoir des
valeurs differentes: valeurs differentes:
Typiquement, on utilise des signaux qui changent avec
le temps
Il y a plusieurs cas ou ca peut changer avec une variable
AUTRE que le temps (la position, par exemple)
Definitions
Definissons maintenant un systeme:
Un systeme est une entite qui modifie ou qui extrait
de linformation des signaux
Le systeme recoit un signal a lentree et fait Le systeme recoit un signal a lentree et fait
ressortir un autre signal a la sortie
Le systeme peut etre explicite (un circuit, par exemple)
ou implicite (un fil)
Classification des signaux
On va apprendre beaucoup de sortes
danalyses:
Certaines techniques fonctionnent pour des signaux et
systemes specifiques
Pour etre apte a les utiliser, il faut commencer
par les classifier.
Passons quelques acetates a definir les
grandes classes de signaux/systemes
Deterministe vs aleatoire
Les signaux qui sont deterministes sont des
signaux dont on connait le comportement:
Ces signaux sexpriment habituellement bien en
langage mathematique avec des equations
Ex: La note LA de 440Hz
Ex: La position x quand v est constant et x
0
est 0
Je suis capable de predire la prochaine
valeur
( ) t t LA 440 2 sin ) ( =
vt t x = ) (
Deterministe vs aleatoire
Les signaux aleatoires sont des signaux qui ne
sont PAS previsibles:
Il est impossible de reproduire volontairement un signal
aleatoire sans le connaitre davance
Ex: Les electrons qui passent dans une
resistance frappent la structure atomique
Certains sortent plus rapidement, dautres sortent
lentement le courant change avec le temps
Deterministe vs aleatoire
En realite, presque tous les signaux
POURRAIENT etre deterministes:
Si on portait assez attention, les signaux aleatoires
sont souvent deterministes
Le comportement de la resistance de tantot
est consideree aleatoire
Avec la physique quantique, on pourrait predire le
comportement ca POURRAIT etre deterministe
Deterministe vs aleatoire
On na pas besoin de savoir exactement quel
electron fait quoi dans une resistance
A la place, on veut juste une vue densemble
On utilise donc des statistiques: On utilise donc des statistiques:
On estime que cest une distribution Gaussienne
Moyenne des variations est 0 et la variance depend de
la valeur de la resistance
0 100 200 300 400 500
-4
-2
0
2
4
Deterministe vs aleatoire
Considerons quelques autres exemples
Ex: Quand on parle, cest difficile de decrire la
voix de facon mathematique
On peut utiliser des distributions statistiques a la place On peut utiliser des distributions statistiques a la place
On a la meme situation avec des donnees
numeriques transmises par internet
On considere que cest aleatoire, meme si, en realite,
on pourrait bien decrire le signal
Donc, les signaux aleatoires impliquent souvent lusage des statistiques...
Causal vs. Non-causal
Un systeme est causal si la reponse h(x)
depend de f(x-n), avec n positif ou nul
Dans le temps, la reponse h(t) ne depend que de
lentree presente ou passee
Un systeme causal ne peut pas dependre de donnees
future
Causal vs. Non-causal
Un systeme est non-causal si la reponse h(x)
peut dependre de f(x+n), avec n positif ou nul
Un systeme non-causal peut dependre des donnes
futures
Ce nest pas un systeme realisable si la variable est t
Si le signal a ete enregistre prealablement, un systeme
non-causal pourrait etre cree
Si x etait une position, par exemple, ce serait realisable
Temps continu vs. Temps discret
Un signal continu a une valeur bien definie
pour chaque moment dans le temps
Un signal discret a une valeur bien definie a
des instances bien precises
Dans les systemes pratiques, les valeurs sont
conservees entre les changements de valeurs
Lineaire et invariant au temps
Comme en DS2, on sinteresse aux systemes
qui sont lineaires et invariants au temps:
Lineaire: si lentree 2 fois plus fort, la sortie sera 2 fois
plus forte
Superposition: x
1
donne y(x
1
), x
2
donne y(x
2
). x
1
+x
2
a
lentree devrait donner y(x
1
+x
2
)=y(x
1
) + y(x
2
)
Invariance au temps: Que japplique un signal
maintenant ou plus tard, la sortie sera la meme...
Signal
Un signal peut etre une tension ou un courant
Appellons ce signal f(t)
Quelle est la puissance moyenne de ce signal?
Si f(t) est un voltage, ce serait: Si f(t) est un voltage, ce serait:
Si f(t) est un courant, ce serait:
Pour garder f(t) le plus general possible (V ou I), on
pourrait mettre R=1 et les 2 equations deviendraient:

=
T
dt
R
t f
T
P
0
2
) ( 1

=
T
dt t f R
T
P
0
2
) (
1

=
T
dt t f
T
P
0
2
) (
1
Cest la facon conventionnelle de specifier
la puissance (dans ce domaine)
Signal
Avec la meme convention, on peut definir
lenergie:
Evidemment, si f(t) ne tombe pas a 0, lenergie


= dt t f E ) (
2
Evidemment, si f(t) ne tombe pas a 0, lenergie
deviendrait infinie...
Pensez a votre ampoule a la maison: le courant moyen
est constant et ne tombe pas a zero
Si on la laissait allumee, on continuerait a gaspiller de
lelectricite
2 autres definitions et on passe a autre chose...
Signal denergie
Definition
Signal qui contient une quantite limitee denergie
< < E 0


= dt t f E ) (
2
Normalement, un signal qui a une duree bien
determinee (non infinie)
Un signal periodique nest PAS un signal denergie
Signal denergie Pas un signal denergie
Signal de puissance
Definition
Signal dont la puissance moyenne est non-nulle et nest
pas infinie

=
T
dt t f LIM P
2
) (
1
< < P 0
Devrait durer jusqua linfini puisquune duree moins
longue mettrait la puissance moyenne a 0
Un signal periodique est de type signal de puissance
Na pas NECESSAIREMENT besoin detre periodique...


=
T
M
dt t f
T
LIM P
0
2
) ( < <
M
P 0
Passons maintenant a autre chose...
Approximation des signaux
Dans le curriculum universitaire, on a vu
plusieurs facons dapproximer les signaux
On pense par exemple aux:
Series de Fourier: approximation des signaux Series de Fourier: approximation des signaux
periodiques avec sin et cos
Serie de McLaurin/Taylor: approximation des signaux
avec des polynomes
Pourquoi est-ce que cest interessant?
Approximation des signaux
Lapproximation peut simplifier des
comportements trop durs a gerer
En electronique, on utilise les series de Taylor pour
approximer e
x
avec (1+x)
Ca a transforme les circuits non-lineaires (diodes et
BJT) en circuits lineaires et on peut les analyser
Lapproximation peut fournir de linformation:
Les series de Fourier nous donnent de linformation sur
le contenu en frequences...
Il est donc pertinent den parler
Approximation des signaux
Lapproximation des signaux est quelque
chose dabstrait
Une facon de le rendre moins abstrait est de
faire des analogies avec des choses connues... faire des analogies avec des choses connues...
Dans ce cas-ci, il y a une tres bonne similitude entre les
signaux et les vecteurs
Commencons donc par parler des vecteurs...
Vecteurs
Les vecteurs peuvent servir a identifier un
point dans un espace donne
Par exemple, en 2 dimensions, on peut decrire
la position dun point de plusieurs facons: la position dun point de plusieurs facons:
Coordonnees cartesien: (x, y)
Coordonnees polaires: (r, )
Coordonnees inventees: (u, v)
...
Vecteurs
Choses interessantes a noter:
Dans chacun des cas, on est en 2 dimensions
Dans chacun des cas, on a 2 coordonnees
Dans chacun des cas, les 2 coordonnees sont
perpendiculaires
Si je navais acces qua UNE dimension, je ne
pourrai quAPPROXIMER sa position
SOIT avec le vecteur rouge (Y)
SOIT avec le vecteur BLEU (X)
Vecteurs
Pour avoir une description EXACTE, il faut 2
vecteurs pour 2 dimensions
Pour 3 dimensions, il faut 3 vecteurs
Pour N dimensions, on a besoin de N vecteurs Pour N dimensions, on a besoin de N vecteurs
perpendiculaires
Sil y en avait moins, ce ne sera que des approximations
Vecteurs
Pour N dimensions et N vecteurs, on decrit la
position exacte dun point.
Pour N dimensions et moins de N vecteurs, on ne peut
quapproximer la position du point
Quand N tend vers linfini, il faudrait avoir une infinite
de vecteurs on ne peut quapproximer la position
Un signal est lequivalent dun espace avec une infinite
de dimensions on ne pourra donc quapproximer
Vecteurs
Retournons a notre systeme a 2 dimensions:
On voudrait approximer le point avec un seul vecteur
Il y a une infinite de facons dapproximer un
vecteur avec :
a x
vecteur avec :
Ici, on voit multiplie avec 3 valeurs de approx:
Certains sont meilleurs que dautres...
a x
x
Vecteurs
Pour trouver le meilleur candidat, on va se
definir un vecteur derreur
Mathematiquement, on va le representer
ainsi:
La meilleure valeur sera celle qui donne le plus petit
|erreur|... quand les vecteurs sont perpendiculaires
( ) erreur x approx a + =
Synonyme de perpendiculaire: orthogonal
Vecteurs
Comment faisons-nous pour savoir si 2
vecteurs sont perpendiculaires?
Le produit scalaire
Si les vecteurs sont perpendiculaires, le resultat sera 0 Si les vecteurs sont perpendiculaires, le resultat sera 0
Sinon, ce nest pas perpendiculaire:
Ce nest pas orthogonal
0 = y x
0 cos = y x
0 ) , ( ) , (
2 2 1 1 2 1 2 1
= + = y x y x y y x x
Vecteurs
Quand les vecteurs sont orthogonaux, la
projection de sur laxe est:
( ) cos a x approx =
a x
On isole approx:
On multiplie en haut et en bas par :
x
a
approx
cos
=
x
x x
x a
approx
cos
=
x x
x a
approx

=
Exemple #1
A la place dutiliser les axes X et Y, on aimerait
utiliser des axes inventes U et V
U est dans la direction (4, -1) et V est dans la direction
(1, 4)
Montrez mathematiquement que ces axes sont
perpendiculaires
Exemple #1
On peut commencer par les dessiner et ca
nous donne deja une bonne idee:
Ca SEMBLE etre perpendiculaire
Confirmation mathematique: produit scalaire
0 4 4 ) 4 , 1 ( ) 1 , 4 ( = =
Cest verifie... les vecteurs sont orthogonaux
Exemple #2
On aimerait approximer le vecteur (3,3) avec
les memes vecteurs U (4, -1) et V (1, 4) .
Exemple #2
On peut approximer SOIT avec U ou SOIT avec
V...
Si on utilisait U et V ensemble, ce ne sera plus une
approximation
Ca deviendrait exact
Commencons avec u. On connait la relation
suivante:
u u
a u
approx

=
Exemple #2
En mettant les chiffres, lequation devient
Apres les calculs, on obtient
) 1 , 4 ( ) 1 , 4 (
) 3 , 3 ( ) 1 , 4 (


= approx
Apres les calculs, on obtient
Une premiere approximation en termes de u cest
(9/17)u
17
9
1 16
3 12
) 1 , 4 ( ) 1 , 4 (
) 3 , 3 ( ) 1 , 4 (
=
+

=


= approx
Exemple #2
Avec v, on fait la meme chose:
On entre les chiffres:
v v
a v
approx

=
) 3 , 3 ( ) 4 , 1 (
Apres calculs, ca donne:
Notre deuxieme approximation en termes de v est
(15/17)v
) 4 , 1 ( ) 4 , 1 (
) 3 , 3 ( ) 4 , 1 (

= approx
17
15
16 1
12 3
) 4 , 1 ( ) 4 , 1 (
) 3 , 3 ( ) 4 , 1 (
=
+
+
=

= approx
Exemple #2
Il est donc possible dapproximer un vecteur a
avec des vecteurs orthogonaux
Si on na quun vecteur, on approxime avec U ou V
Si on avait 2 vecteurs, lapproximation serait exacte: Si on avait 2 vecteurs, lapproximation serait exacte:
v u a
17
15
17
9
+ =
Est-ce quil y a moyen de verifier le resultat?
Exemple #2
Pour en faire la preuve, on fait laddition:
On multiplie par le scalaire:
( ) ( ) 4 , 1
17
15
1 , 4
17
9
+ = a
v u a
17
15
17
9
+ =
Apres laddition des composantes...

=
17
60
,
17
15
17
9
,
17
36
a
( ) 3 , 3
17
51
,
17
51
=

= a
Ca confirme le resultat!
Approximation avec vecteurs
Les vecteurs des axes (1,4) et (4, -1) sont de
longueur
A la place, si on choisissait (2,2) et (2, -2), on aurait des
vecteurs de taille
17
8
Ca semble un peu desordonne... Les vecteurs
ont tous des tailles differentes...
On va se donner une regle
Quand on specifie des axes, on va preferer les specifier
avec des vecteurs de longueur 1
Approximation avec vecteurs
Des vecteurs orthogonaux dont la taille est 1
sont appellees vecteurs orthonormaux
Dans le cas precedent, on va exprimer u et v
avec des vecteurs orthonormaux comme suit: avec des vecteurs orthonormaux comme suit:
On divise les vecteurs par leur module:
Ils ont la meme direction, mais la taille est 1
( )

=
+

=
17
1
,
17
4
1 4
1 , 4
2 2
n
u
( )

=
+
=
17
4
,
17
1
1 4
4 , 1
2 2
n
v
Exemple (seul)
Approximez le vecteur (1,2) avec les vecteurs
orthonormaux u
n
et v
n
.
Exemple (seul)
On utilise lequation de tantot pour u
n
et v
n
On connait les valeurs de u et v
n n
n
u u
a u
approx

=
n n
n
v v
a v
approx

=
On connait les valeurs de u
n
et v
n
On entre les chiffres dans lequation

=
17
1
,
17
4
n u

=
17
4
,
17
1
n
v

=
17
4
,
17
1
17
4
,
17
1
) 2 , 1 (
17
4
,
17
1
approx


=
17
1
,
17
4
17
1
,
17
4
) 2 , 1 (
17
1
,
17
4
approx
Exemple (seul)
On sait que la longueur est 1 et donc, le
denominateur disparait:
) 2 , 1 (
17
4
,
17
1

= approx ) 2 , 1 (
17
1
,
17
4

= approx
Apres calculs, les approximations sont les
suivantes:
17 17

17 17

17
2
17
2
17
4
= = approx
17
9
17
8
17
1
= + = approx
Exemple (seul)
Faisons la preuve. On a ces vecteurs
Si on multipliait un par un par et vn par ,
on devrait obtenir (1,2)
17
2
17
9

=
17
1
,
17
4
n u

=
17
4
,
17
1
n
v
on devrait obtenir (1,2)
Ca donne ceci:
En les additionnant, on obtient la (1,2):

=
17
1
17
2
,
17
4
17
2
17
4
n u

=
17
4
17
9
,
17
1
17
9
17
9
n
v

=
17
2
,
17
8
17
4
n u

=
17
36
,
17
9
17
9
n
v

= +
17
34
,
17
17
17
9
17
2
n n
v u
Signaux
Les signaux ont a peu pres les memes
proprietes
Des signaux peuvent etre orthogonaux
Des signaux peuvent etre additionnes ensembles pour Des signaux peuvent etre additionnes ensembles pour
approximer des fonctions
Finalement, il y a une fonction qui ressemble au produit
scalaire
Il y a donc beaucoup danalogies entre signaux
et vecteurs
On va voir ca au prochain cours