Vous êtes sur la page 1sur 28

CHAPITRE 2

ANALYSE FREQUENTIELLE
DES SIGNAUX ET SYSTEMES
NUMERIQUES

Witold Hurewicz (1904-1956). Mathmaticien russe, spcialiste en topologie.


Emigr aux Etats-Unis en 1936, il dcida dy rester et devint professeur au
MIT, de 1945 sa mort. Durant la seconde guerre mondiale, il participa
lanalyse des signaux radar, intrinsquement discrets puisque la position des
objets y est connue une seule fois par tour dantenne. Cest dans ce contexte
quil inventa en 1947 ce que nous connaissons aujourdhui sous le nom de
transforme en Z.

Le chapitre 1 a montr lessentiel de ce qui peut tre dit des signaux et systmes
numriques (linaires et invariants) dans le domaine temporel.
Lanalyse frquentielle des signaux numriques ncessite d'introduire la
transforme de Fourier temps discret (TFTD), homologue de la transforme de
Fourier dans le monde numrique. Nous le ferons ici aprs un rappel sur
lanalyse frquentielle des signaux analogiques, par souci de cohrence.
Nous pourrons alors dfinir la rponse en frquence dun systme numrique,
comme facteur multiplicatif intervenant dans le calcul de sa rponse en rgime
sinusodal. Nous verrons que ce facteur multiplicatif peut tre obtenu partir de
la fonction de transfert en Z du systme. Nous terminerons par le calcul pratique
de quelques filtres simples.

2.1 Rappel : Analyse frquentielle des signaux


analogiques
Un signal analogique est dfini tout instant t et est donc reprsentable
mathmatiquement par une fonction continue du temps f(t). Nous supposerons
ici que la valeur prise par le signal au temps t est un scalaire (signal une
dimension) qui peut prendre nimporte quelle valeur, en gnral complexe.

2.1.1 Signaux analogiques


Un signal analogique peut tre priodique ou apriodique.

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

On utilise souvent les signaux apriodiques suivants :

rectangle recta(t) : rectangle de a/2 +a/2, damplitude 1 (Fig. 2.1.a).

sinus cardinal sinc(t)=sin(t)/t (Fig. 2.1.b).

impulsion de Dirac (t ) = lim

recta (t )
(Fig. 2.1.c).
a 0
a

Ce dernier signal n'est pas vraiment une fonction, mais une distribution. Il
peut cependant tre manipul comme une fonction sans engendrer de
difficult particulire pour les problmes que nous traiterons ici.

signaux alatoires (Fig. 2.1.d), dont la forme donde est impossible


dcrire sous une forme analytique simple : ltude de ces signaux lobjet
dun chapitre ultrieur.

recta(t)
1

1
t

-a/2

a/2

sinc(t)

(t)

1
t

-2 -

(a)

2
(b)

(c)

bruit(t)

(d)
Fig. 2.1 Exemples de signaux analogiques (dterministes : a, b, c ; alatoire : d)
Un signal priodique

fT0 (t ) de priode fondamentale T0 est compos dune

somme infinie de rptitions, intervalles rguliers T0, dune fonction de base


non priodique f(t) (Fig. 2.2):

fT0 (t ) =

k =

f (t kT0 )

(2.1)

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

fT0(t)

f(t)
A

A
t

Fig. 2.2 Priodification (droite) dun signal de base non priodique (gauche)
On utilise souvent les signaux priodiques suivants :

exponentielle imaginaire A e j0t

cisodes a sin 0t et a cos 0t

train d'impulsions de Dirac T 0 (t )


Le train dimpulsion de Dirac sera utilis ici pour exprimer
mathmatiquement la priodicit dun signal. En effet, on comprend
facilement que la convolution entre T 0 (t ) et une fonction f(t) conduit
une fonction priodique fT0 (t ) rpondant (2.1) (Fig. 2.3):

f (t )* T0 (t ) =

f ( ) T0 (t )d = fT0 (t )

(2.2)

Lquation prcdente peut en effet tre interprte comme le passage


dun train dimpulsions travers un filtre de rponse impulsionnelle f(t). Le
filtre rpond donc par une somme de rponses impulsionnelles la
cadence du train dimpulsions.

f(t)

T0(t)

1
t

fT0(t)
A
=

Fig. 2.3 Convolution dun signal de base non priodique avec un train dimpulsions de Dirac

2.1.2 Produit scalaire de signaux analogiques


Le produit scalaire de deux fonctions complexes f(t) et g(t) est dfini par :

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

< f (t ), g (t ) >=

f (t ) g * (t )dt

(2.3)

Il peut tre vu comme une extension, lespace des fonctions, du produit


scalaire dfini dans un espace vectoriel (complexe, en gnral).
En particulier le produit scalaire dune fonction par elle-mme est gal son
nergie E, homologue du carr de la norme dun vecteur, et dfinie par :

< f (t ), f (t ) >=

f (t ) f * (t )dt =

f (t ) dt = E

(2.4)

Lexpression (2.3) nest en gnral dfinie que pour des signaux dnergie finie.
Parmi les signaux introduits plus haut, seuls recta(t) et sinc(t) possdent cette
proprit. L'impulsion de Dirac est une exception notoire : son nergie nest pas
dfinie (au sens des fonctions), mais son produit scalaire avec une fonction
existe :

f ( ) (t )d = f (t )

(2.5)1

Nous admettrons ici que, au sens des distributions, (t ) est un signal d'nergie
gale 1, sans que cela ne soit gnant pour ltude des problmes traits.
Les signaux priodiques sont videmment dnergie infinie. On admettra
galement ici que la thorie des distributions permet de donner une valeur finie
au produit scalaire de deux signaux priodiques de puissance finie (pour lesquels
lexpression (2.3) donne en principe un rsultat infini) en posant que le produit
scalaire de deux fonctions priodiques de puissance finie est donn, au sens des
distributions2, par :
T /2

1
*
lim
fT0 (t ) gT (t )dt ( si T = T0 / k ; k < )
T
< fT0 (t ), gT (t ) > =
T
T / 2
0
( si T T0 / k ; k <)

Distr .

(2.6)

Ce qui se rcrit plus simplement :

1
Distr .
< fT0 (t ), gT (t ) > = T0

T0 / 2

fT0 (t ) gT (t )dt ( si T = T0 / k ; k <)

T0 / 2

(2.7)

( si T T0 / k ; k <)

Autrement dit : deux fonctions priodiques dont les priodes ne sont pas
multiples lune de lautre sont orthogonales. Dans le cas contraire, leur produit
scalaire peut tre calcul comme le produit scalaire classique, estim sur la
priode la plus longue et rapport celle-ci.

1 Cette expression est parfois utilise comme dfinition de limpulsion de Dirac.


2 Au sens classique, lquation (2.7) est fausse. On lutilise ici dans un but didactique, afin de

rendre plus cohrent lexpos de ltude des fonctions priodiques et non priodiques, sans alourdir
inutilement les notations.

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

Il suffit, pour passer du sens des distributions au sens classique, de considrer


que les rsultat obtenus au sens des distributions sont en ralit les poids
dimpulsions de Dirac :

1
< fT0 (t ), gT (t ) > =

k< T0

T0 / 2

T0 / 2

*
fT0 (t ) gT (t )dt (T T0 / k )

(2.8)

En particulier, le produit scalaire dun signal priodique par lui-mme donne sa


puissance P:

1
< fT0 (t ), fT0 (t ) >=
T0

T0 / 2

fT0 (t ) dt = P

(2.9)

T0 / 2

Lexpression (2.7) nest en gnral dfinie que pour des signaux de puissance
finie. Cette classe couvre en pratique tous les signaux priodiques dont la
priode est un signal dnergie finie (cest--dire tous ceux qui sont utiliss en
pratique).
Exemple 2.1

< f (t ), (t ) >=

f (t ) (t )dt = f ( )

(2.10)

< recta (t ), (t ) >=

rect (t ) (t )dt = a / 2

(2.11)

1
< sin( 0t ), cos( 0t ) > =
T0
Distr .

<e

j0 t

,e

j t

> = T0

0
Distr .

T0 / 2

T0 / 2

sin(2 0t )
1
dt =

2
T0
T0 / 2

T0 / 2

cos(2 0t )
=0

4 0 T / 2

e j0t e j t dt = 1 ( si = k 0 )

T0 / 2

( si k 0 )

On dmontrera titre d exercice que le produit scalaire ci-dessus sannule


mme quand w=kw0, sauf pour k=1. Il reste donc :

<e

j0 t

,e

j t

> = T0

0
Distr .

(2.12)

T0 / 2

(2.13)3

e j0t e j0t dt = 1 ( si = 0 )

T0 / 2

( si 0 )

Nous savions dj que les fonctions priodiques de priodes non multiples lune de lautre
sont orthogonales ; nous constatons ici que les exponentielles sont des fonctions priodiques
trs particulires4 : elle sont toutes orthogonales et de norme unitaire.

3 Cette quation correspond, au sens classique, :

j0 t j t

dt = ( 0 )

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

2.1.3 Transforme de Fourier


Lquation (2.5) peut tre interprte de la faon suivante : un signal analogique
f(t) peut tre dcompos comme une somme continue de fonctions de base
orthonormes5 { (t ) ( [, +]) }. Les coefficients de cette dcomposition
sont fonction de la variable et valent tout simplement f( ) . Lquation (2.10)
exprime alors simplement le fait que les coefficients de la dcomposition sont
obtenus par produit scalaire de f(t) avec les fonctions de base.
Un des rsultats importants de l'analyse mathmatique (que lon admettra ici)
est de montrer que lon peut galement dcomposer un signal d'nergie
finie
comme
une
somme
continue
de
fonctions
de
base
j t
{ e ( [, +]) }: les exponentielles imaginaires. Ceci sexprime comme suit :

f(t) =

F(f)e

j t

df

(2.14)

Les coefficients complexes de cette somme pondre continue sont fonction de la


variable f (frquence) et constituent la transforme de Fourier de f(t), note F(f).
Le calcul de F(f) est simple : il est bas sur la projection de f(t) sur les fonctions
de base, laide du produit scalaire. Si lon admet en effet que ces fonctions
constituent une base de lensemble des fonctions dnergie finie, cette base est
orthonorme, vu (2.13). Il sensuit que les coefficients intervenant dans la
dcomposition de f(t) sur ces fonctions de base peuvent tre obtenus par simple
projection de f(t) :

F(f) =< f(t), e jt >

(2.15)

ce qui conduit lexpression bien connue de F(f) :

F(f) =

f(t)e j t dt

(2.16)

Le couple f(t) et F(f) constitue une paire de transformes de Fourier. On note


souvent cette relation sous la forme :
F

(2.17)

f(t) F(f)
Exemple 2.2
F

recta (t ) a

sin a / 2
a / 2

4 Ce ne sont pas les seules fonctions orthogonales. Le traitement du signal foisonne densembles

de signaux orthogonaux, vu la facilit avec laquelle on peut dcomposer une signal quelconque sur
de tels signaux. Les ondelettes en sont un bel exemple.
5 On a admis en effet que lnergie (analogue du carr de la norme) de

(t ) vaut

1 quelque

soit t; il est par ailleurs vident que deux impulsions de Dirac places en des temps diffrents sont
orthogonales.

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

A(f)
a

recta(t)
1
t
-a/2

a/2

1/a

2/a

3/a

On peut retrouver ce rsultat intuitivement. Il est clair, si lon se souvient que la transforme
de Fourier est un produit scalaire, que sa valeur en f=0 est lintgrale de la fonction f(t)
(donc a pour recta(t)). Par ailleurs, il est vident que F(f), tant un produit scalaire entre f(t)
et les exponentielles imaginaires, sannule pour toutes les exponentielles imaginaires de
priodes gales a/k (avec k entier positif) .

Exemple 2.3
F

(t ) 1

Immdiat, vu linterprtation de F(f) comme un produit scalaire.

Les proprits essentielles de la transforme de Fourier sont reprises au Tableau


2.1.

a . f (t )

(linarit)

(retard)
(convolution)

F ( f ) exp( jt0 )

f (t ) g (t )

F ( f )G ( f )

F ( f ) G( f )

f (t ) g (t )dt

F ( f )G ( f )df

(Parceval)

a .F ( f )

f (t ) g (t )

f (t t0 )

(produit)
(produit scalaire)

f (t ) dt

F ( f ) df

Tableau 2.1 Proprits principales de la transforme de Fourier.


Les thormes du produit scalaire et de Parceval (qui nest quune forme
particulire du prcdent) prennent un sens vident si on comprend que f(t) et
F(f) sont les composantes de f(t) sur deux ensembles de fonctions de base
orthonormes :
{ (t ) (t [, + ]) } et { e j t ( [, +]) }. Ce thorme
nexprime en effet rien dautre que le fait que le produit scalaire de deux
fonctions (et donc le carr de la norme dune fonction) est indpendant du repre
sur lequel on les projette.

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

On peut galement dmontrer que l'amplitude spectrale est une fonction paire en
tandis que la phase spectrale est une fonction impaire en f (Fig. 2.4). Autrement
dit, les exponentielles complexes dont est constitu un signal rel vont toujours
par paires complexes conjugues (de mme amplitude, tournant mme vitesse
dans des sens opposs et avec des phases initiales opposes).

f(t)

A(f)

j(f)

A(0)

Fig. 2.4 Amplitude et phase de la transforme de Fourier dun signal non priodique f(t).

2.1.4 Sries de Fourier


La proprit (2.16) reste valable pour les signaux priodiques de puissance finie.
En vertu de lextension du produit scalaire aux fonctions priodiques (2.6),
lapplication de la projection (2.15) une fonction priodiques fT0(t) s'crit en
effet, au sens des distributions :

FT0 (f) =< fT0 (t), e

j t

> = 1
T0

si k 0

Distr .

T0 / 2

fT0 (t)e

j t

dt

si = k 0

( 0 =

2
)
T0

(2.18)

T0 / 2

ce qui correspond, au sens classique, un train dimpulsions de Dirac de poids


variables avec la frquence :
FT0 (f) =

k =

Fk ( f kf 0 )

avec

Fk =

1
T0

T0 / 2

fT0 (t)e jk0t dt

(2.19)

T0 / 2

Les signaux priodiques possdent donc un spectre de raies (Fig. 2.5).


Lamplitude de ces raies est gale lamplitude du spectre du signal non
priodique f(t) ( partir duquel le signal fTO(t) a t obtenu), divise par la
priode T0.

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

fT0(t)

AT0(f)
j T0 (f)
A(0)/T0

Fig. 2.5 Amplitude et phase de la transforme de Fourier dun signal priodique fT0(t).
La somme continue (2.14) se rduit finalement une somme discrte, que lon
appelle srie de Fourier associe fT0(t) :

fT0 (t ) =

Fe
k

jk 0t

(2.20)

k =

Les signaux priodiques possdent donc un spectre de raies (dimpulsions de


Dirac) dont les amplitudes (les poids) sont gales aux coefficients de leur
dcomposition en srie de Fourier.
Exemple 2.4
Il est vident qu'une exponentielle imaginaire de pulsation 0 peut tre dcompose comme
une somme continue et pondre d'exponentielles imaginaires : la seule exponentielle
intervenant dans cette dcomposition est bien entendu l'exponentielle de dpart (Fig. 2.6).
F(f)
1
F

exp( j 0t ) ( f f 0 )

f
0

f0

Fig. 2.6 Transforme de Fourier dune exponentielle imaginaire


Exemple 2.5
De mme, on sait dj qu'un cosinus est la somme de deux exponentielles imaginaires
conjugues et d'amplitude 1/2; la dcomposition s'exprime donc comme la Fig. 2.7.

10

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES


A(f)
1/2

1/2

1
cos( 0t ) [ ( f f 0 ) + ( f + f 0 ) ]
2
F

f
-f0

f0

Fig. 2.7 Transforme de Fourier dun cosinus


En particulier, la fonction f(t)=1 n'est rien d'autre qu'un cosinus de frquence nulle :

A(f)
1
F

1 ( f )

f
0

Fig. 2.8 Transforme de Fourier dune constante


On trouve tout aussi facilement, et sans aucun calcul d'intgrale :
A(f)
1/2

1/2

1
sin( 0t ) .[ ( f f 0 ) ( f + f 0 )]
2j
F

-f0

f
0

f0

Fig. 2.9 Transforme de Fourier dun sinus


Exemple 2.6
La projection dun train d'impulsions (ou peigne) de Dirac temporel de priode T0 sur les
fonctions de base donne un train dimpulsions de Dirac frquentiel de priode f0 et
d'amplitude 1/T0.

T0 (t ) =

(t nT0 )

n =

1
f (f)
T0 0

f(t)

F(f)

1/T0
F

t
-3T0 -2T0 -T0

T0

2T0 3T0

f
-3f0

-2f0

-f0

Fig. 2.10 Transforme de Fourier dun train dimpulsions

f0

2f0

3f0

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

11

Cette dernire relation permet dailleurs de comprendre lquation (2.19) et la Fig. 2.5
diffremment. En effet, puisquon a :

fT0 (t ) = f (t ) * T0 (t )

(2.21)

cette convolution se traduit en transforme de Fourier par un produit6 :

FT0 ( f ) =

1
F ( f ) f0 ( f )
T0

(2.22)

2.2 Analyse frquentielle des signaux temps discret


Contrairement au signal analogique, un signal temps discret n'est dfini qu'aux
instants d'chantillonnage nTe, multiples entiers de la priode d'chantillonnage
Te. Les valeurs quil prend ces instants sont nots f(n) et appels chantillons.
On peut donc associer un signal temps discret la fonction (analogique) f+(t):

f + (t ) =

f (n) (t nTe )

(2.23)

n =

ou noter plus simplement le signal numrique :

{ f (n)} = {..., f ( n),..., f (1), f (0), f (1),..., f (n),...}

(2.24)

Dans le cas trs courant d'un signal temps discret causal, on note encore plus
simplement :

{ f (n)} = { f (0), f (1),..., f (n),...}

(2.25)

Dans la suite, nous appellerons Fe = 1/ Te frquence d'chantillonnage et e = 2 Fe


pulsation d'chantillonnage.
Exemple 2.7
jn

Lexponentielle imaginaire temps discret f (n) = e


reprsente une exponentielle
imaginaire analogique de priode gale 2/ chantillons, ce qui correspond 2Te/
secondes.

Dans le cas dun signal priodique temps discret de priode gale n0


chantillons, que nous noterons { f n0 (n)} , lexpression (2.23) peut se rcrire
+
sous la forme de la fonction (analogique) fT0 (t ) , correspondant (2.1) pour les
signaux temps discrets :
+

fT0 (t ) =

f + (t kn0Te )

(2.26)

k =

o lon a explicit le fait que la priode doit correspondre un nombre entier n0


dchantillons. On suppose galement dans cette expression que la fonction
+
f + (t ) correspond une priode de fT0 (t ) , cest--dire n0 chantillons :

f + (t ) =

n0 1

f (n) (t nT )
e

(2.27)

n =0

6 En principe, notons que le produit dune impulsion de Dirac (t) avec une fonction f(t) nest pas

dfini au sens classique. Nous laccepterons ici, au sens des distributions, en supposant que le
produit est une impulsion f(0)(t). Le rsultat (2.22) est alors identique (2.19).

12

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

2.2.1Transforme de Fourier temps discret (TFTD)


La transforme de Fourier temps discret d'un signal temps discret {f(n)}
n'est rien d'autre que la transforme de Fourier du signal f+(t) sous-jacent. Ce
dernier est en effet dcomposable sur les fonctions exponentielles imaginaires :

f + (t) =

(f)e j t df

(2.28)

Les coefficients de cette dcomposition sont obtenus par projection suivant


(2.16) :

F + (f) =

f + (t)e j t dt = f (n) (t nTe ) e j t dt = f (n)e j nTe


n =

n =

(2.29)

que l'on rcrit plus simplement :

F + (F) =

f (n)e jn 2 F

avec

F=

n =

Te
f
=
T Fe

(2.30)

o F est la frquence normalise7, sans dimension.


On dfinit souvent aussi la pulsation normalise j8 (parfois aussi note W),
comme gale 2pF, ce qui donne la notation plus compacte :

F +( ) =

f (n)e jn

avec

= 2 F = 2

n =

f
Fe

(2.31)

L'examen de ces dernires relations montre que F + ( F ) est une fonction


priodique (Fig. 2.11) en F de priode 1 (ce qui correspond une priode de f e
en frquence non normalise), et que F + ( ) est une fonction priodique en j de
priode 2p (ce qui correspond une priode de e en pulsation non normalise).
On peut ds lors rcrire l'expression (2.28) au sens des distributions sous la
forme :

f + (t) = 1
fe

0 si t nTe
fe / 2

F + (f)e j nTe df

si t = nTe

fe / 2

(2.32)

0 si t nTe

1/ 2
=
F + (F)e jn dF si t = nTe
1/ 2
On en dduit la formule d'inversion en F ou en j:
1/ 2

f(n) =

1/ 2

F + (F)e jn dF

ou

f(n) =

1
2

( )e jn d

7 F est gale la frquence f si la priode d'chantillonnage est gale 1.


8 est gale la pulsation si la priode d'chantillonnage est gale 1.

(2.33)

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

13

Le signal {f(n)} et la fonction F + ( F ) constituent une paire de transformes de


Fourier temps discret, note :
TFTD

{ f(n)} F + (F)

(2.34)

ou plus simplement, en laissant tomber lindice + devenu superflu:


TFTD

{ f(n)} F(F)

(2.35)

f +(t)

|F +|
A(0)
w
-2 e

- e

2 e

-2 f e

-f

fe

2f e

-4

-2

-1

f
j
F

Fig. 2.11 TFTD dun signal numrique non priodique


Comme ctait dj le cas pour la transforme de Fourier, la TFTD F ( F ) d'un
signal {f(n)} rel est telle que F ( F ) = F ( F )* , c'est--dire que les valeurs de
F ( F ) entre 0 et 1 ne sont rien d'autre que les conjugues des valeurs de F ( F )
entre 0 et 1.

Interprtation gomtrique
L'expression (2.30) possde une interprtation gomtrique immdiate :
pour toute frquence normalise F, F ( F ) est la somme vectorielle de
vecteurs complexes de type f (n)e jn .
Exemple 2.8

Soit le signal numrique causal {f(n)}= 1, 2,1, 0, 0,0,... . On peut facilement calculer la
valeur de sa TFTD F ( F ) pour F=1/16 et 1/8, cest--dire F ( ) pour =/8 et /4 (Fig.
2.12) :

14

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES


Im

Im

1e j 0

1e

1e j 0

Re

2e

j
8

F (1/16) = 1 + 2e j / 8 + e j / 4

1e

Re

2e

F (1/ 8) = (2 + 2)e j / 4

Fig. 2.12 Calcul gomtrique de la TFTD pour


F=1/16 et 1/8 ( =/8 et /4)
Lestimation complte et laffichage de la TFTD F(F) dun signal f(n) peut tre faite sous
Matlab en utilisant la fonction freqz(f,1) o f est le vecteur de la squence f(n) (nous
verrons plus loin pourquoi le deuxime argument doit tre 1) :

freqz([1 2 1],1) % calcule et affiche la TFTD de f sur 512 points entre F=0 et

Magnitude Response (dB)

On constate (Fig. 2.13) que Matlab normalise par dfaut laxe des frquences par rapport
la frquence de Nyquist (Fe/2), et naffiche la TFTD que dans la zone utile f=0.. Fe/2.

50

-50

-100

0.1

0.2

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

0.8

0.9

0.1

0.2

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

0.8

0.9

Phase (degrees)

0
-50
-100
-150
-200

Fig. 2.13 Affichage de la TFTD par Matlab

Proprits
Les proprits de la TFTD sont les mmes que celles de la transforme de Fourier
(la TFTD n'tant rien d'autre elle-mme qu'une transforme de Fourier). Elles
sont prsentes au Tableau 2.2. La proprit de produit temporel et le thorme
de Parceval prennent ici une forme particulire (que lon admettra sans

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

15

dmonstration), due la priodicit des transformes : les intgrales sont


calcules sur une seule priode (pour F allant de 1/2 +1/2).

a f ( n)

f (an)

1
F ( F / a)
a

(retard)

f (n n0 )

F ( F ) exp( jt0 )

(convolution)

f (n)* g (n)

F ( F )G ( F )

(produit)

f ( n) g ( n)

(linarit)

i i

a F (F )
i

(dilatation)

(Parceval)

f ( n)

1/ 2

F ( F )G ( )d

F ( F ) dF

1/ 2

Tableau 2.2 Proprits principales de la transforme de Fourier temps discret.

2.2.2Sries de Fourier temps discret (SFTD)


Lapplication de la transforme de Fourier temps discret un signal priodique
{ f n0 (n)} de priode n0 chantillons (et donc T0= n0Te) correspond la projection
+
de la fonction fT0 (t ) sous-jacente sur les fonctions de base { e j t ( [, +]) }.
Ceci ne peut se faire quau sens des distributions, suivant (2.18) :
+

FT0 (f) =< fT0 (t), e j t


0
= 1
T0

> = 1
T0

Distr .

si f kf 0
T0 / 2

fT0 (t)e

j t

dt

si f = kf 0

T0 / 2

f(n)e

j nTe

2
)
T0
(2.36)

si f kf 0
n0 1

( f0 =

si f = kf 0

n =0

Ce qui peut se rcrire plus simplement, en faisant apparatre la pulsation


normalise9 :

0
FT0 (F) = 1
T0
Distr .

si F kF0
n0 1

f(n)e
n =0

jn

si F = kF0

( F0 =

1
)
n0

(2.37)

On constate, comme dans le cas dun signal temps discret non priodique, que
FT0 (F) est priodique de priode 1.

9 Comme la section prcdente, on laisse tomber lindice + lorsque la formule fait apparatre

les chantillons f(n) plutt que la fonction sous-jacente f+(t).

16

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

Lquation (2.37) correspond, au sens classique, un train dimpulsions de Dirac


de poids variables avec la frquence :
FT0 (F) =

F ( k
k

avec

Fk =

k =

1
T0

n0 1

f(n)e

jn k 0

(2.38)

n =0

Les signaux priodiques temps discret possdent donc un spectre de raies de


pas 1/n0 (en F ; ou 2p/ n0 en j ; ou Fe /n0 en frquence non normalise). Ce
spectre de raies est lui-mme priodique (Fig. 2.14) de priode 1 (en F, ou 2p en
j ; ou Fe en frquence non normalise). Lamplitude des raies est gale
lamplitude du spectre du signal non priodique f+(t) ( partir duquel le signal
f+TO(t) a t obtenu), divise par la priode T0. 10
f +(t)

t
|F +|
A(0)/T0

F
-2

-1

Fig. 2.14 TFTD dun signal numrique priodique


La somme continue (2.28) se rduit finalement une somme discrte, que lon
+
appelle srie de Fourier temps discret associe fT0 (t ) :
+

fT0 (t ) =

Fe
k

jk0t

(2.39)

k =

2.3 Rponse en frquence dun SLI numrique


2.3.1 Rponse de rgime une exponentielle imaginaire
numrique
Soit

un

SLI

numrique

excit

par

lexponentielle

e jn (n = ,..., +) . La rponse de rgime est donne par :

imaginaire

x(n)=

10 Le spectre dun signal priodique numrique est donc li au spectre du signal non priodique

sous-jacent de la mme faon quen analogique. En particulier, les expressions (2.21) et (2.22)
restent valables.

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES


y (n) = x(n)* h(n) =

17

h(i) x(n i)

i =

h(i)e

j ( n i )

(2.40)

i =

= e jn h(i )e ji
i =

Ce qui donne finalement :

y (n) = e jn H ( ) avec H ( ) =

h ( n) e

jn

(2.41)

n =

On constate donc que lexponentielle imaginaire (numrique) est une fonction


propre de tout SLI numrique : la rponse de rgime dun SLI une
exponentielle imaginaire nest autre que lexponentielle imaginaire dentre,
multipli par un facteur complexe H() qui dpend de la pulsation normalise
de lexponentielle.
La grandeur H() ainsi dfinie est appele fonction de rponse en frquence, ou
transmittance isochrone, du SLI. Lquation (2.41) montre par ailleurs, par
comparaison avec (2.31), que la rponse en frquence dun SLI est la TFTD de sa
rponse impulsionnelle.
La rponse en rgime sinusodal dun SLI est videmment directement lie la
rponse en frquence. Sachant que x(n)= A cos(n + ) = A / 2(e j ( n + ) + e j ( n + ) ) , il
vient immdiatement :

H ( )e j ( n + ) + H ( )e j ( n + )
avec H ( ) = H ( ) e j arg( H ( ))
2
j ( n + )
H ( )e
+ H * ( )e j ( n + )
=A
2
= A H ( ) cos(n + + arg( H ( )))

y ( n) = A

Exemple 2.9
Calculons sous Matlab la rponse en frquence des SLI suivants :


Passe-bas : h(n)=0.9n e(n) (Fig. 2.15)

Passe-haut : h(n)=(-0.9)n e(n) (Fig. 2.16)

Passe-bande : h(n)=2(0.9)n cos(np/2) e(n) (Fig. 2.17)

h=0.9.^[0 :50] ;
stem(h) ;
figure(2) ;
freqz(h,1) ;

(2.42)

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

20

Magnitude Response (dB)

1
0.9
0.8
0.7
0.6

10

-10

0.1

0.2

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

0.8

0.9

0.1

0.2

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

0.8

0.9

0.5
0
Phase (degrees)

0.4
0.3
0.2
0.1
0

10

20

30

40

50

-20
-40
-60
-80

60

Fig. 2.15 Rponse impulsionnelle et rponse en frquence du filtre passe-bas


h=(-0.9).^[0 :50] ;
stem(h) ;
figure(2) ;
freqz(h,1) ;

20

Magnitude Response (dB)

1
0.8
0.6
0.4
0.2

10

-10

0.1

0.2

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

0.8

0.9

0.1

0.2

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

0.8

0.9

0
80
Phase (degrees)

-0.2
-0.4
-0.6
-0.8
-1

10

20

30

40

50

60
40
20
0

60

Fig. 2.16 Rponse impulsionnelle et rponse en frquence du filtre passe-haut


h=2*(0.9).^[0 :50].*cos([0 :50]*pi/2) ;
stem(h) ;
figure(2) ;
freqz(h,1) ;

Magnitude Response (dB)

2
1.5
1
0.5

25
20
15
10
5
0

0.1

0.2

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

0.8

0.9

0.1

0.2

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

0.8

0.9

0
100
-0.5
Phase (degrees)

18

-1
-1.5
-2

10

20

30

40

50

60

50
0
-50
-100

Fig. 2.17 Rponse impulsionnelle et rponse en frquence du filtre passe-bande

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

19

2.3.2Lien entre rponse oprationnelle et rponse isochrone


Tout comme en analogique, il est possible dobtenir la rponse en frquence dun
SLI partir de lquation aux diffrences finies qui le caractrise :
N

i =1

i =0

y (n) + ai y (n i ) = bi x(n i )

(2.43)

En substituant e jn x(n) et H ( )e jn y(n) 11, il vient :


N

i =1

i =0

H ( )e jn + ai H ( )e j ( n i ) = bi e j ( n i )

(2.44)

ce qui donne finalement, en isolant H ( ) :


M

H ( ) =

b e
i

ji

i =0
N

(2.45)

1 + ai e ji
i =1

On prendra lhabitude, pour la suite, dcrire cette relation sous la forme :


M

H ( ) =

b z
i

i =0
N

1 + ai z
i =1

= H ( z ) z =e j

(2.46)

z =e j

o lon retrouve les squences {b0, b1,, bM} et {1, a1,, aN} associes des
polynmes en la variable complexe z. On lui donne le nom de transforme en
z associe lquation au diffrences finies (2.43) 12. On constate donc que la
rponse en frquence dun SLI numrique est gale sa transforme en z
calcule sur le cercle de rayon unit.
Exemple 2.10
Un filtre numrique passe-bande (que lon supposera stable) est dfini par lquation aux
diffrences finies :
y(n)+0.81 y(n-2)=x(n)-x(n-2)
On demande :


de dterminer lexpression analytique de sa rponse en frquence

de dterminer sa rponse de rgime pour lentre x(n)=10 + 10 cos(n/2) + 10


cos(n)

de calculer et dafficher la rponse en frquence sous Matlab.

La filtre est de type RII. La rponse en frquence est donne, soit par la TFTD de h(n), que
lon pourrait calculer partir de lquation aux diffrences finies, mais qui est thoriquement
infinie. Il est plus simple de calculer H() partir des coefficients ai et bi :

11 Il est important de noter quon ne peut ainsi substituer

H ( )e jn

y(n) que si une rponse de

rgime existe, cest dire si le filtre est stable.


12 Lorigine de cette notation sera dveloppe dans un chapitre ultrieur consacr la transforme

en z.

20

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES


1 z 2
H ( ) =
1 + 0.81z 2

z = e j

1 e j 2
=
1 + 0.81e j 2

Il vient donc :

H (0) = 0

H ( / 2) = 2 / 0.19 = 10.53

H ( ) = 0

On en dduit que la rponse de rgime sinusodal est donne par 105.3 cos(n/2), ce qui
constitue une amplification d peu prs 20dB.
Matlab permet trs facilement de calculer et dafficher la rponse en frquence dun filtre
numrique connaissant son quation aux diffrences finies. La fonction freqz est en effet
prvue pour tre utilise selon le synopsis freqz(b,a) o b et a sont les vecteurs des ai et
bi :

Magnitude Response (dB)

freqz([1 0 -1],[1 0 0.81]) ;

40
20
0
-20
-40
-60

0.1

0.2

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

0.8

0.9

0.1

0.2

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

0.8

0.9

Phase (degrees)

100
50
0
-50
-100

Fig. 2.18 Rponse en frquence du filtre passe-bande


On retrouve bien sur ce graphique les 20dB damplification calculs plus haut.

2.3.3 Interprtation gomtrique


Lquation (2.46) se prte une interprtation gomtrique similaire celle
permettant de pressentir la rponse en frquence dun systme numrique en
fonction de la position de ses ples et zros. On peut en effet la rcrire sous la
forme :
M

H ( ) = H ( z ) z =e j = Kz

( M N )

(z z )
i

i =1
N

(z p )

(2.47)

i =1

z = e j

On en conclut que le module de la rponse en frquence est obtenu ( K prs) en


multipliant les normes des vecteurs joignant les zros du systme un point du
cercle de rayon unit, et en divisant le rsultat par le produit des normes des
vecteurs joignant les ples ce mme points. De mme la rponse en phase

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

21

correspond la somme des arguments des vecteurs issus des zros moins la
somme des arguments des vecteurs issus des ples13.
Exemple 2.11
On peut prvoir la rponse en amplitude du filtre numrique passe-bande de lexercice
prcdent :

zplane([1 0 -1],[1 0 0.81]) ;

1
0.8
0.6

Imaginary part

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

-0.5

0
Real part

0.5

Fig. 2.19 Rponse en frquence du filtre passe-bande


On constate deux zros en j=0 et p qui imposeront une rponse nulle en F=0 et et deux
ples en j=p/2, proches du cercle de rayon unit. Ces ples provoqueront une rsonance
en F=1/4, qui sera dautant plus marque que les ples se rapprochent du cercle.

2.3.4 Rsum comparatif entre SLI analogiques et numriques


Nous pouvons prsent rsumer le lien entre systmes numriques et
analogiques sous la forme de deux graphiques (Fig. 2.20 et Fig. 2.21).

13 On notera que les zros ou les ples en z=0 (contribution en

lamplitude de la rponse, mais bien sur sa phase.

z (M N ) )

nont pas deffet sur

22

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES


Circuit
Electrique
Kirchoff(p)

Kirchoff(t)
Equation
Diffrentielle

X(p)
p=jw

Sol. Gn
+Sol Part.

L
H(p)

Y(p)

p=jw

X(f)

H(f)

Y(f)

x(t)

p=jw

h(t)

F
y(t)

Fig. 2.20 Relations entre lments dun SLI analogique

Structure
Numrique
Mason

Intuitif
Equation aux
Diff. Finies

X(z)
z= e

X(F)

TFTD
x(n)

z
H(z)
z= e

Y(z)
j

z=e

H(F)

TFTD

Rcurrence

Y(F)

h(n)
Rcurrence
d(n)

Fig. 2.21 Relations entre lments dun SLI numrique

TFTD
y(n)

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

23

2.3.5 Application : la cellule du second degr


La transmittance rationnelle du second degr :

T ( z) = K.

1 + a1 z 1 + a2 z 2
1 + b1 z 1 + b2 z 2

(2.48)

caractrise la cellule de base dite cellule biquadratique ou cellule du second


degr. Cette cellule est trs utilise en pratique, ce qui justifie que lon sattarde
un peu sur ses caractristiques, notamment ses conditions de stabilit et
lexpression de se rponse en frquence, en vue de la synthse de filtres
simples.
Stabilit
Lexpression (2.48) peut tre mise sous une forme utilise classiquement en
thorie des circuits analogiques :

T ( z) = K.

z + a1 z + a2
z + a1 z + a2
= K.
z + b1 z + b2
z + 2 z +

(2.49)

La stabilit impose des conditions sur la valeur des coefficients du dnominateur:

si b2 > b12 / 4 ( > ), les ples de T(z) sont complexes et il faut que l'on
ait b2 < 1 ( < 1 )

si b2 b12 / 4 , les ples sont rels. On obtient alors, aprs quelques


dveloppements partant du fait que le module des racines doit tre positif,
quil faut que (1 b1 + b2 ) et (1 + b1 + b2 ) soient positifs.

Ces conditions de stabilit sont illustres la Fig. 2.22.

b2

ples complexes conjugu

b2 = b21 / 4
-2

-1

b1

+b
1

1b

b 2=
b 1+
1+

=0

ples rels

Fig. 2.22 Domaine de stabilit (ordre 2)


Le rsonateur du second ordre
La transmittance (2.48) avec ples complexes situs dans le voisinage du cercle
unit, et dans laquelle a2 = 0 (ce qui correspond un seul zro, rel), caractrise
le rsonateur du second ordre (Fig. 2.23).

24

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

(Z)

p1

Z0
p2

Fig. 2.23 Ples et zros d'un rsonateur du second ordre


La fonction de transfert est donne par :

T ( z) = K.

1 + a.z 1
1 + a.z 1
=
K
.
1 + b1.z 1 + b2 .z 2
(1 p1.z 1 ).(1 p2 .z 1 )

avec

p1,2 = .e j

b1 = 2 cos

(2.50)

b2 = 2

Le calcul de l'amplitude conduit alors :

A2 ( ) = T (e j ).T (e j )
= K 2.

1 + a 2 + 2a cos
1 + 2 2 cos( ) . 1 + 2 2 cos( + )

Si lon suppose que le zro est plac comme sur la Fig. 2.23
ce qui conduit :

A2 ( ) = K 2 .

(2.51)
14,

sin 2
1 + 2 2 cos( ) . 1 + 2 2 cos( + )

on a a = cos ,

(2.52)

Comme on pouvait le prvoir en vertu de linterprtation gomtrique de la


rponse en frquence, cette fonction atteint un maximum pour = . Autour de
cette frquence, lallure de la rponse en frquence est surtout influence par le
premier facteur du dnominateur. Si on approxime le second facteur par
1 + 2 2 cos(2 ) , la rponse en frquence est approximativement donne par :

A2 ( ) K 2 .

sin 2
1 + 2 2 cos( ) . 1 + 2 2 cos(2 )

( pour )

(2.53)

Si de plus on suppose que est assez voisin de 1 (ce qui correspond au cas
dun filtre trs slectif), on peut mme crire:

14 Il nest pas indispensable davoir un zro pour crer une rsonance. On montre par contre que

lutilisation dun zro tel que sur la Fig. 2.23 conduit une filtre dont lamplitude de la rsonance
est indpendante de .

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

25

(1 ) 2 0
1 + 2 2 0

(2.54)

1 + 2 2
Do :

1 + 2 2 cos(2 ) = 1 + 2 2 cos 2 + 2 sin 2


2 (1 cos 2 ) + 2 sin 2

(2.55)

= 4 sin 2
Ce qui donne finalement :

A2 ( )

K2
1 + 2 2 cos( ) .4

(si 1 )

(2.56)

Le maximum vaut alors :

AM =

K
2(1 ).

(2.57)

A()
1
f

fe/2

fe

Fig. 2.24 Rponse en frquence d'un rsonateur du second ordre


La loi de l'amplitude en fonction de (ou de la frquence f) est reprsente la
Fig. 2.24
L'intervalle de frquences dans lequel A est suprieur 1/ 2 (la bande
passante 3 dB) se calcule comme suit :

1 2
K2
A( ) = . AM =
2
8. 2 .
2

si = 1

(2.58)

Comme cos x 1 x 2 / 2 , il vient :

1 + 2 2 .(1 x 2 / 2) (1 )2 + x 2 = 2 + x 2

(2.59)

On en tire donc la relation :

( 2 + x 2 ).4 = 8 2 x =
c'est--dire

(2.60)

26

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES


= 2 = 2(1 )

radians

(2.61)

f = 2(1 ).Fe / 2 Hertz


Le filtre coupe-bande du second ordre

La transmittance possdant deux zros sur le cercle de rayon unit et deux ples
proches de ces zros et de mmes arguments :

T ( z) = K .

1 2 cos .z 1 + z 2
1 2 cos .z 1 + 2 z 2

= 1

<< 1

(2.62)

caractrise un filtre destin liminer une composante spectrale de frquence

f0 = .

Fe
(figure 4.18).
2

(Z)
P1

Z1
|0P1|=

P2

Z2

Fig. 2.25 Coupe-bande du second ordre (ples et zros)


La loi de l'amplitude est reprsente la Fig. 2.25. On peut montrer, par un
raisonnement similaire ce qui a t fait prcdemment, que lintervalle de
frquences autour de f0 dans lequel l'amplitude est infrieure 1/ 2 (la bande
coupe 3 dB) vaut encore :

= 2 = 2(1 )

radians

f = 2(1 ).Fe / 2 Hertz

(2.63)

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

27

A()
f

fc/2

Fig. 2.26 Rponse en frquence d'un filtre coupe-bande

Exercices
Exercice 2.1
On demande de calculer analytiquement et graphiquement la TFTD de la squence
{1,1,1,1,1,0,0,}, et de vrifier le rsultat avec Matlab.

Magnitude Response (dB)

Solution

20
0
-20
-40
-60

0.1

0.2

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

0.8

0.9

0.1

0.2

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

0.8

0.9

Phase (degrees)

100
50
0
-50
-100
-150

Exercice 2.2
Un filtre en peigne est dfini par la relation :
y(n)=x(n)-x(n-n0)
On demande de dterminer analytiquement sa rponse en frquence, desquisser le
graphique de son module partir de son diagramme ples-zros, et de justifier lappellation
de filtre en peigne. Vrifier la rponse sous Matlab pour n0=10.

Solution

ANALYSE FREQUENTIELLE DES SIGNAUX ET SYSTEMES NUMERIQUES

Magnitude Response (dB)

28

10
0
-10
-20
-30
-40

0.1

0.2

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

0.8

0.9

0.1

0.2

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

0.8

0.9

Phase (degrees)

100
50
0
-50
-100

Exercice 2.3
Il a t vu lexercice 1.2 que la rcurrence y(n)=x(n)+2cos(q)y(n-1)-y(n-2) dfinit un
oscillateur numrique la pulsation rduite j. On demande de calculer lexpression
analytique de la rponse en frquence de ce systme pour q=2p/3, dexpliquer sur le
diagramme ples-zros pourquoi il y a rsonance en F=1/3, et de vrifier la rponse sous
Matlab.

Magnitude Response (dB)

Solution

60
40
20
0
-20

0.1

0.2

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

0.8

0.9

0.1

0.2

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

0.8

0.9

Phase (degrees)

150
100
50
0
-50
-100