Vous êtes sur la page 1sur 185

Signaux et Systèmes

Signaux et Systèmes
Plan du cours I. Signaux et Systèmes II. Systèmes Linéaires Temporellement Invariants SLTI III.

Plan du cours

I.

Signaux et Systèmes

II.

Systèmes Linéaires Temporellement Invariants SLTI

III.

Séries de Fourier

IV.

Transformée de Fourier en Temps Continu

V.

Transformée de Fourier en Temps Discret

VI.

Caractérisation en Temps et Fréquence des signaux et

des

systèmes

VII. Transformée de Laplace

VIII.Transformée en Z IX . Echantillonnage

I. Signaux et Systèmes 1 - Signaux Temps Continu et Temps Discret 2 - Transformation

I. Signaux et Systèmes

1

- Signaux Temps Continu et Temps Discret

2

- Transformation de la variable indépendante

3

- Signaux exponentiel et sinusoïdaux

4

- Impulsion unité et fonction échelon unité

5

- Systèmes Temps Continu et Temps Discret

6

- Propriétés de bases des systèmes

I.1. Signaux Temps Continu et Temps Discret
I.1. Signaux Temps Continu et Temps Discret
I.1. Signaux Temps Continu et Temps Discret A) Exemples de signaux et représentation mathématique signal =
I.1. Signaux Temps Continu et Temps Discret A) Exemples de signaux et représentation mathématique signal =

A) Exemples de signaux et représentation mathématique

signal = toute entité qui véhicule une information

signal = toute entité qui véhicule une information Exemples: onde acoustique Musique, parole, courant
Exemples: onde acoustique Musique, parole, courant électrique délivré par un microphone
Exemples:
onde acoustique
Musique,
parole,
courant électrique délivré
par un microphone
onde lumineuse courant électrique délivré par un spectromètre
onde lumineuse
courant électrique délivré
par un spectromètre
courant électrique délivré par un spectromètre s u i t e d e n o m
courant électrique délivré par un spectromètre s u i t e d e n o m
courant électrique délivré par un spectromètre s u i t e d e n o m

suite de nombres

Photographie

s u i t e d e n o m b r e s Photographie source
s u i t e d e n o m b r e s Photographie source

source lumineuse

(étoile, gaz, )

Mesures physiques

4

Représentation mathématique:

Signal = fonction d une ou plusieurs variables indépendantes:

ex: (Voix) Pression Acoustique = f(temps)

(Image)

Luminosité= f(x,y:variables spatiales)

= f(temps) (Image) Luminosité= f(x,y:variables spatiales) par la suite: 1 seule variable indépendante = temps

par la suite: 1 seule variable indépendante = temps

Signaux Temps Continu:

La variable indépendante est continue

ex:

la voix en fonction du temps,

Vitesse dun mobile.

t
t

Signaux Temps Discret:

Définis seulement pour des temps discrets

La variable indépendante est un ensemble discret de valeurs

ex:Taille dun être humain évaluée régulièrement (chaque année

n
n

par exemple)

études démographiques

Exemples:

a) d un signal continu x(t)

b) d un signal discret x[n]:

’ un signal continu x(t) b) d ’ un signal discret x[n]: Remarques: x[n] n ’
’ un signal continu x(t) b) d ’ un signal discret x[n]: Remarques: x[n] n ’

Remarques:

x[n] n est défini que pour des valeurs entières de n. x[n] : signal Temps Discret ou séquence Temps Discret.

2 types de signaux discrets:

a) Signaux représentant un phénomène dont la variable indépendante est discrète

b) Signaux provenant d une opération d échantillonnage:

x[n] représente les échantillons successifs d un phénomène pour lequel la

variable indépendante est continue (niveau quantifié ou non

)

B) Energie et puissance d ’un signal

Définition: par analogie avec les signaux électriques

 

Temps Continu

Temps Discret

 

Energie

E x =+ x(t )2 dt

+E x =

x (n)2

 
 

−∞

   

Puissance moyenne

P x = lim

1

2T

T

x (t )2 dt

P x = lim

1

2N+1

N

x (n )2

T +

T

N +

n =N

3 Classes de signaux:

- Signaux à Energie finie

- Signaux à Puissance moyenne finie

- Signaux à Energie et Puissance moyenne infinies

- Signaux à Energie finie

1 0 1
1
0
1

t

- Signaux à Puissance moyenne finie

4 0 n
4
0
n

E x <P x = 0

P x <E x =

- Signaux à Energie et Puissance Moyenne infinies

1 1 t
1
1
t

P x = E x =

8

I.2. Transformation de la variable indépendante A) Exemples de transformations Décalage temporel t 0 <

I.2. Transformation de la variable indépendante

A) Exemples de transformations

Décalage temporel

indépendante A) Exemples de transformations Décalage temporel t 0 < 0 : AVANCE n 0 >

t 0 < 0 : AVANCE

indépendante A) Exemples de transformations Décalage temporel t 0 < 0 : AVANCE n 0 >

n 0 > 0 : RETARD

B) Signaux périodiques

x ( t )= x ( t +T )

B) Signaux périodiques x ( t )= x ( t + T ) Remarques: x [

Remarques:

x [n ]= x [n + N ]

)= x ( t + T ) Remarques: x [ n ] = x [ n

T 0 = période fondamentale = plus petite valeur possible de T

P x <E x =

C) Signaux Pairs et Impairs

Pairs

x (t )= x(t ) x [n]= x [n ]

Impairs

x (t )=x(t ) x [n]=x [n ]

Propriété:

Tout signal se décompose en la somme:

- d ’un signal pair x pair (t) et

- d ’un signal impair x impair (t)

x

x

pair (t )=

1 [x (t )+ x (t )]
2

impair (t )=

1 [ x (t )x (t )]
2

x ( t )= x pair ( t )+ x impair ( t )

I.3. Signaux exponentiels et sinusoïdaux
I.3. Signaux exponentiels et sinusoïdaux
I.3. Signaux exponentiels et sinusoïdaux A) En Temps Continu Signaux à exponentielle réelle: a >0 x

A) En Temps Continu

Signaux à exponentielle réelle:

a >0
a >0

x ( t )= Ce at avec C et a réels

a <0
a <0

phénomènes physiques

Signaux à exponentielle complexe périodiques et signaux sinusoïdaux:

x ( t )= e 0 t

et signaux sinusoïdaux: x ( t )= e jω 0 t ω 0 = 2πf 0

ω 0 = 2πf 0 = 2π T 0

e 0 t = e 0 ( t + T ) = e 0 t e 0 T

E x =

e jω 0 T = 1

x (t )= A cos ( ω 0 t +Φ ) = A e {e j (ω 0 t +Φ) }

A

cos ( ω 0 t +Φ ) = A

2

e jΦ e 0 t + A

2

e jΦ e 0 t

12

Remarques :

- Signaux à exponentielle complexe périodiques appelés aussi signaux harmoniques

- Ensemble d ’exponentielles harmoniquement reliées = Ensemble d ’exponentielles périodiques ayant en commun la période T 0 :

Ψ k (t )= e jk ω 0 t ,

k = 0, ± 1, ± 2,

Signaux à exponentielle réelle et complexe :

r >0

2, Signaux à exponentielle réelle et complexe : r > 0 x ( t ) =

x ( t )= Ce at avec a = r +jω 0 et C = C e jθ

r <0

C e a t a v e c a = r + j ω 0 e

B) En Temps Discret

Signaux à exponentielle réelle:

x [n ]= Cα n avec C et α réels

α>1

a v e c C e t α r é e l s α > 1

1<α<0

v e c C e t α r é e l s α > 1 −

0<α<1

v e c C e t α r é e l s α > 1 −

α< 1

v e c C e t α r é e l s α > 1 −

Signaux à exponentielle complexe et sinusoïdaux:

Propriétés liées au Temps Discret:

1)

e j ( ω 0 +2π ) n = e j2πn e jω 0 n = e jω 0 n

e jω 0 n = e j (ω 0 ± )n = e j (ω 0 ± )n =

) n = e j ( ω 0 ± 4π ) n = ⋯ 0 <

0 <

0 <

j ( ω 0 ± 4π ) n = ⋯ 0 < 0 < 0 <

0 < 2 f 0 < 1

n = ⋯ 0 < 0 < 0 < 2 f 0 < 1 x [
n = ⋯ 0 < 0 < 0 < 2 f 0 < 1 x [

x [n ]= e jω 0n x [n ]= A cos(ω 0 n +Φ)

même signal pour des

pulsations différentes!

Le taux d oscillations de

e

n

0

n ’augmente pas en fonction de

oscillations de e jω n 0 n ’augmente pas en fonction de 0 !… Basses fréquences

0 !…

Basses fréquences

Hautes fréquences

ω 0 = 2k π

ω 0 = (2k+1)π

Sinusoïdes Temps Discret à différentes fréquences

Sinusoïdes Temps Discret à différentes fréquences 16

2)

Périodicité:

Pas toujours!

e 0 ( n + T ) = e 0 n

Si e jω 0 N = 1

ω 0

= m

0 n Si e j ω 0 N = 1 ⇒ ω 0 2π = m
0 n Si e j ω 0 N = 1 ⇒ ω 0 2π = m

Signal périodique si 0 / 2 est un

N entier ou une fraction rationnelle

Alors

ω 0

Fréquence fondamentale

m

Alors ω 0 Fréquence fondamentale m x [ n ] = cos ( n / 6

x [n ]= cos(n /6)

Non périodique!

0 Fréquence fondamentale m x [ n ] = cos ( n / 6 ) Non

périodique

0 Fréquence fondamentale m x [ n ] = cos ( n / 6 ) Non

périodique

0 Fréquence fondamentale m x [ n ] = cos ( n / 6 ) Non

non périodique

3) Exponentielles reliées harmoniquement

Ψ k [n ]= e jk (

N ) n

k = 0,± 1,

Ψ k + N [n ]= e j ( k + N ) ( 2π ) n = e jk ( 2π

N

N

) n e j2πn = Ψ k [n ]

seulement N exponentielles distinctes

Signaux à exponentielle réelle et complexe :

α>1

à exponentielle réelle et complexe : ∣ α ∣ > 1 x [ n ] =

x [n ]= Cα n avec α=α e jω 0 et C = C e

α<1

n a v e c α = ∣ α ∣ e j ω 0 e t
I.4. Impulsion unité et fonction échelon unité A) En Temps Discret Impulsion Unité : Δ

I.4. Impulsion unité et fonction échelon unité

A) En Temps Discret

Impulsion Unité:

Δ[n ]= { 0, n 0

1,

n = 0

Δ[n]

1 0 n
1
0
n

Echelon Unité:

u

[n ]= { 0, n <0

1,

n 0

Relations: Δ[n]= u [n ]u [n1]

u [n ]

1 0 n ∞ u [n ]= ∑ Δ[n− k ]
1
0
n
u [n ]= ∑
Δ[n− k ]

k = 0

x [n]Δ[n]= x [0]Δ[n]

x [n ]Δ[n n 0]= x [n 0]Δ[n n 0]

B) En Temps Continu

Echelon Unité:

u (t )= { 0, t <0

1,

t 0

Impulsion Unité ou Dirac:

On veut:

δ(t )= du (t ) dt

u(t)

u(t)
ou Dirac: On veut: δ ( t ) = du ( t ) dt u(t) Problème!

Problème!

t

δ Δ (t )

Signal Pulse

δ(t )= lim

Δ0 δ Δ (t )

Impulsion de Dirac

Propriétés du Dirac:

Modélisation mathématique issue de la théorie des Distributions (Laurent Schwarzt)

-

(t) n ’ a pas de durée, sa hauteur est infinie et son aire est égale à a pas de durée, sa hauteur est infinie et son aire est égale à l unité

+

−∞

δ (t )dt = 1

- représentation de

+ ∞ ∫ −∞ δ ( t ) dt = 1 - représentation de (t): Besoin

(t):

Besoin des physiciens:

(t) fonction singulière 1 t
(t)
fonction singulière
1
t

(t) modélise par exemple le courant i(t) d un filtre RC lors de la charge d un condensateur

-

(t) peut être pondéré par un scalairepar exemple le courant i(t) d ’ un filtre RC lors de la charge d ’

un filtre RC lors de la charge d ’ un condensateur - (t) peut être pondéré

k.

un filtre RC lors de la charge d ’ un condensateur - (t) peut être pondéré

(t) a une aire de k

x (t )δ(t )= x (0)δ(t )

+ x (t )δ (t ) dt = x (0)

−∞

u (t )= + δ (t τ )

0

x (t )δ(t t 0)= x (t 0)δ(t t 0)

+

−∞

x (t )δ ( t t 0 ) dt = x ( t 0 )

δ(t )= du (t ) dt

I.5. Systèmes Temps Continu et Temps Discret x(t) y(t) Système x(t) Temps Continu Exemples: y(t)

I.5. Systèmes Temps Continu et Temps Discret

x(t) y(t) Système x(t) Temps Continu Exemples:
x(t)
y(t)
Système
x(t)
Temps
Continu
Exemples:

y(t)

x[n]

x[n] y[n] Système Temps Discret
x[n]
y[n]
Système
Temps
Discret

y[n]

- Relation entre la tension aux bornes d un condensateur et la tension d entrée

- Relation entre la vitesse d un véhicule et la force appliquée

équations différentielles linéaires du 1er ordre: dy (t )

dt

linéaires du 1er ordre: d y ( t ) dt + a y ( t )

+ ay (t )= bx (t )

- Evolution d ’un compte bancaire

y [n ]1.01 y [n1]= x [n ]

E

E

Interconnexions de systèmes

Idée:

des sous ensembles plus simples

des systèmes complexes peuvent être construits en interconnectant

Interconnexion Série

Système 1

Système 2

n n e x i o n S é r i e Système 1 Système 2
n n e x i o n S é r i e Système 1 Système 2

Sn n e x i o n S é r i e Système 1 Système 2

Interconnexion Rétro-actionnée

e Système 1 Système 2 S Interconnexion Rétro-actionnée Système 1   +     Système 2
Système 1  

Système 1

 

+

 
 

Système 2

Système 2
 

S1   +     Système 2   E Interconnexion Parallèle Système 1 + Système 2

E

Interconnexion Parallèle Système 1 + Système 2
Interconnexion Parallèle
Système 1
+
Système 2

S

I.6. Propriétés de base des systèmes Système sans mémoire: La sortie y à l ’

I.6. Propriétés de base des systèmes

Système sans mémoire:

La sortie y à l instant t ou n ne dépend que de l entrée x à ce même instant

Système inversible:

Des entrées distinctes conduisent à des sorties distinctes

x[n]

distinctes conduisent à des sorties distinctes x[n] Système causal: y[n] Système Système inverse w[n]=x[n]

Système causal:

y[n] Système
y[n]
Système

Système

inverse

x[n] Système causal: y[n] Système Système inverse w[n]=x[n] La sortie à n ’importe quel instant ne

w[n]=x[n]

La sortie à n ’importe quel instant ne dépend que des valeurs de l ’entrée aux instants présent et passés

n

y [ n ]=

x [ n ]

y [ n ]= x [ n ]− x [ n+1]
y [ n ]= x [ n ]− x [ n+1]
y [ n ]= x [− n ]
y [ n ]= x [− n ]

Système stable:

A une entrée bornée: |x(t)|

y ( t )= x ( t )x ( t +1)

bornée: |x(t)| y ( t )= x ( t ) − x ( t + 1

M

Système temporellement invariant :

) − x ( t + 1 ) M Système temporellement invariant : t correspond une

t correspond une sortie bornée |y(t)|

n y [ n ]=∑ −∞ x [ n ]
n
y [ n ]=∑
−∞ x [ n ]
N t
N
t

Un décalage temporel sur le signal d ’entrée entraîne le même décalage temporel sur

le signal de sortie x[n-n 0 ] Système
le signal de sortie
x[n-n 0 ]
Système

y[n-n 0 ]

x(t-t 0 )

Système
Système

y(t-t 0 )

Système linéaire:

] x(t-t 0 ) Système y(t-t 0 ) Système linéaire: Propriété de superposition Soit x 1

Propriété de superposition

Soit

x 1 ( t )y 1 ( t )

x 2 ( t )y 2 ( t )

x 1 [n ]y 1 [n ] x 2 [n ]y 2 [n ]

Alors

a . x 1 ( t )+b . x 2 ( t )a . y 1 ( t )+b . y 2 ( t )

a . x 1 [ n ]+b . x 2 [ n ]a . y 1 [ n]+ b . y 2 [ n ]

II. Systèmes Linéaires Temporellement Invariants SLTI
II. Systèmes Linéaires Temporellement Invariants SLTI
II. Systèmes Linéaires Temporellement Invariants SLTI 1 - SLTI Temps Discret: Somme de Convolution 2 -

1 - SLTI Temps Discret: Somme de Convolution

2 - SLTI Temps Continu: Intégrale de Convolution

3 - Propriétés des SLTI

4 - SLTI causaux décrits par des équations différentielles et par

des équations aux différences

II.1 SLTI Temps Discret: Somme de Convolution Etude d ’ un sous-ensemble de systèmes: Systèmes

II.1 SLTI Temps Discret: Somme de Convolution

Etude d un sous-ensemble de systèmes:

Systèmes Linéaires Temporellement Invariants

Nb Propriétés de systèmes: Systèmes Linéaires Temporellement Invariants Outils puissants A) Représentation d ’un signal Temps

Outils puissantsLinéaires Temporellement Invariants Nb Propriétés A) Représentation d ’un signal Temps Discret à l

Temporellement Invariants Nb Propriétés Outils puissants A) Représentation d ’un signal Temps Discret à l

A) Représentation d ’un signal Temps Discret à l ’aide des signaux impulsions

+

x [n]=

x [k ]Δ[nk ]

Somme pondérée d impulsions décalées temporellement

∞ x [ n ] = ∑ − ∞ x [ k ] Δ [ n
∞ x [ n ] = ∑ − ∞ x [ k ] Δ [ n

28

B) Réponse d ’un SLTI Temps Discret

a) Réponse d un système linéaire (pas forcément T.I.)

Signal d ’entrée

+

x [n]=

x [k ]Δ[nk ]

Si

Δ[n k ]h k [n ]

Alors:

+

y [n ]=

k=−∞

x

[k ] h k [n]

Principe de superposition

Interprétation graphique de la réponse d ’un système linéaire Temps Discret

de la réponse d ’un système linéaire Temps Discret La réponse au signal x[n] est une
de la réponse d ’un système linéaire Temps Discret La réponse au signal x[n] est une
de la réponse d ’un système linéaire Temps Discret La réponse au signal x[n] est une

La réponse au signal x[n] est une combinaison linéaire

des réponses associées à chaque impulsion Δ[n]

décalée temporellement

b) Réponse d un SLTI

Il suffit de connaître la réponse h 0 [n] à

un SLTI Il suffit de connaître la réponse h 0 [n] à [n] Invariance Temporelle Δ

[n]

Invariance Temporelle

la réponse h 0 [n] à [n] Invariance Temporelle Δ [ n ] → h 0

Δ[n ]h 0 [n ]

Δ[n k ]h k [n ]= h 0 [n k ]

Définition:

On obtient:

Réponse impulsionnelle = Réponse d un SLTI à l impulsion unité

= Réponse d ’ un SLTI à l ’ impulsion unité [n] SLTI h[n] h [

[n]

SLTI

Réponse d ’ un SLTI à l ’ impulsion unité [n] SLTI h[n] h [ n
Réponse d ’ un SLTI à l ’ impulsion unité [n] SLTI h[n] h [ n

h[n]

h [n ]= h 0 [n ]

+

y [n ]=

k=−∞

x [k ] h [nk ]

y [n ]= x [n ]h [n ]

Somme de convolution

SLTI entièrement caractérisé par sa réponse impulsionnelle

C) Exemple de calcul de l opération de convolution

C) Exemple de calcul de l ’ opération de convolution Inversion de h[k] en h[-k] Décalage

Inversion de h[k] en h[-k]

l ’ opération de convolution Inversion de h[k] en h[-k] Décalage temporel h[n-k] Résultat de la

Décalage temporel h[n-k]

l ’ opération de convolution Inversion de h[k] en h[-k] Décalage temporel h[n-k] Résultat de la
l ’ opération de convolution Inversion de h[k] en h[-k] Décalage temporel h[n-k] Résultat de la
l ’ opération de convolution Inversion de h[k] en h[-k] Décalage temporel h[n-k] Résultat de la
l ’ opération de convolution Inversion de h[k] en h[-k] Décalage temporel h[n-k] Résultat de la

Résultat de la convolution y[n]

l ’ opération de convolution Inversion de h[k] en h[-k] Décalage temporel h[n-k] Résultat de la

32

II.2 SLTI Temps Continu: Intégrale de Convolution
II.2 SLTI Temps Continu: Intégrale de Convolution
II.2 SLTI Temps Continu: Intégrale de Convolution A) Représentation d ’ un signal Temps Continu à
II.2 SLTI Temps Continu: Intégrale de Convolution A) Représentation d ’ un signal Temps Continu à

A) Représentation d un signal Temps Continu à l aide des impulsions de Dirac

signal Temps Continu à l ’ aide des impulsions de Dirac δ Δ ( t )

δ Δ (t )= { 1

Δ

0t <Δ

0 ailleurs

+

̂x (t )=

k =−∞

x ()δ Δ (t )Δ

33

x (t )= lim

Δ0

+

k=−∞

x ()δ Δ (t )Δ

+

x (t )=

−∞

x (τ )δ (t τ )

« Somme » pondérée d impulsions de Dirac décalées temporellement

B) Réponse d ’un SLTI Temps Continu

a) Réponse d un système linéaire (pas forcément T.I.)

Signal d ’entrée:

Si:

Alors:

+

̂x (t )=

k =−∞

x ()δ Δ (t )Δ

δ Δ [n k ]h k [n ]

+

̂y (t )=

k=−∞

̂

x () h kΔ (t )Δ

Principe de superposition

Interprétation graphique de la réponse d un système linéaire Temps Continu

de la réponse d ’ un système linéaire Temps Continu La réponse au signal des réponses

La réponse au signal

des réponses associées à chaque pulse

̂x (t )

est une combinaison linéaire

δ Δ (t )

décalé temporellement

y (t )=lim

Δ0

 

+

k

=−∞

x () h ̂ kΔ (t )Δ=+ x (τ) h τ (t )

−∞

avec

h

τ

(t )

réponse à

δ(t τ)

b) Réponse d ’un SLTI

Signal d entrée:

Signal de sortie:

+

x (t )=

−∞

x (τ )δ(t τ)

y (t )=+ x(τ)h τ (t )

−∞

Invariance Temporelle

x ( τ ) h τ ( t ) dτ −∞ Invariance Temporelle δ ( t

δ(t )h

0 (t )

δ(t τ)h (t )= h

τ

0

(t τ)

Définition:

Réponse impulsionnelle = Réponse d ’un SLTI à l ’impulsion de Dirac

(t)
(t)

SLTI

= Réponse d ’un SLTI à l ’impulsion de Dirac (t) SLTI h(t) h ( t
= Réponse d ’un SLTI à l ’impulsion de Dirac (t) SLTI h(t) h ( t

h(t)

h (t )= h 0 (t )

On obtient:

y (t )=

+

−∞

x (τ )h(t τ )

y (t )= x (t )h (t )

Intégrale de convolution

SLTI entièrement caractérisé

par sa réponse impulsionnelle

C) Exemple de calcul de l intégrale de convolution

Exemples:

John Hopkins University: « Joy of convolution »

Simon Fraser University (Vancouver):

http://www.sfu.ca/index2.htm

« Joy of convolution » Simon Fraser University (Vancouver): http://www.jhu.edu/~signals http://www.sfu.ca/index2.htm 37

37

38
38
II.3 Propriétés des SLTI
II.3 Propriétés des SLTI
II.3 Propriétés des SLTI Systèmes entièrement caractérisés par leur réponse impulsionnelle + ∞ y [ n

Systèmes entièrement caractérisés

par leur réponse impulsionnelle

+

y [n ]=

k=−∞

x [k ]h [nk ]= x [n]h [n]

y (t )=

+

−∞

x (τ )h (t τ )= x (t )h (t )

Commutativité

x [n ]h [n ]= h [n ]x [n ] x (t )h (t )= h (t )x (t )

x[n]

h[n]
h[n]

y[n]

+∞ +∞ ∑ x [k ]h [n− k ]= ∑ h[k ]x [n− k ]
+∞
+∞
x [k ]h [n− k ]= ∑
h[k ]x [n− k ]
k =−∞
k=−∞
+∞
+∞ x (τ)h(t − τ)dτ=∫ h(τ)x (t − τ )dτ
−∞
−∞
h[n]
x[n]

y[n]

Distributivité

x [n ](h 1 [n ]+ h 2 [n ])= x [n ]h 1 [n ]+ x [n ]h 2 [n ]

[ n ] ∗ h 1 [ n ] + x [ n ] ∗ h

(IDEM T.C.)

Une combinaison parallèle de plusieurs SLTI peut remplacer un seul SLTI dont la réponse impulsionnelle est la somme des réponses impulsionnelles des SLTI interconnectés

Associativité

x [n ](h 1 [n ]h 2 [n ])= (x [n ]h 1 [n ])h 2 [n ]= x [n ]h 1 [n ]h 2 [n ]

(IDEM T.C.)

[ n ] ∗ h 2 [ n ] ( I D E M T .

Une combinaison série de plusieurs SLTI peut remplacer un seul SLTI dont la réponse impulsionnelle est la convolution des réponses impulsionnelles des SLTI interconnectés

La réponse impulsionnelle d ’un SLTI résultant de l ’interconnexion série de plusieurs

SLTI ne dépend pas de l ’ordre dans lequel ils ont été cascadés

Multiplication par un scalaire

α(x [ n ]y [ n ])= αx[ n ]y [ n ]= x [ n ]αy[ n ] x (t )δ(t )= x (t

)

Elément neutre:

x [n ]Δ[n ]= x [n ]

Décalage temporel:

y [n n 0]= x [ n n 0 ]

h [ n ]= x [ n ]h [ nn 0 ]

Dérivation:

x (t )δ(t t 0)= x (t t 0)

D (x y )=(Dx )y = x(Dy )

x [n ]Δ[n n 0]= x [n n 0]

Dx

(t )= dx (t ) dt

Dx [n]= x [n ]x [n1]

(IDEM T.C.)

(IDEM T.C.)

Très important

sans mémoire

SLTI

inversible

SLTI

SLTI causal

SLTI stable

h [n ]= 0

pour n 0

h [n ]h i [n ]= Δ[n ]

(IDEM T.C.)

h (t )h i (t )= δ(t )

h [n ]= 0

h (t )= 0

pour n <0

pour t <0

+

h [k ]<

k =−∞

+ h(t )dt <

−∞

Sa réponse impulsionnelle est absolument sommable

Sa réponse impulsionnelle est absolument intégrable

Réponse d un SLTI à l échelon unité

Réponse indicielle:

i [ n ]= h [n] u [n ]

h[ n ]= i [n]i [n1]

i (t )= h (t )u (t )

h (t )= di (t ) dt

h ( t ) ∗ u ( t ) h ( t ) = di (

Réponse indicielle utilisée aussi pour caractériser un SLTI

II.4 SLTI causaux décrits par des équations différentielles et des équations aux différences
II.4 SLTI causaux décrits par
des équations différentielles et des équations aux différences

A) Equations différentielles linéaires à coefficients constants

différentielles linéaires à coefficients constants Description de phénomènes physiques TC: M ≤ N Système

Description de phénomènes physiques TC:

M N Système Causal

N

k =0

a k d k y (t ) dt k

=

M

k = 0

b k d k x (t ) dt k

Réponse d ’un circuit RC, vitesse d ’un véhicule soumis à une accélération et des forces de frottement

Exemple

dy (t )

dt

+2y(t )= x (t ) (1)

avec x (t )= ke 3t u (t )

Spécification implicite du système a) Pour avoir une expression explicite b) Pour trouver une solution unique

une expression explicite b) Pour trouver une solution unique relation ou contrainte entre l ’ entrée

relation ou contrainte entre l entrée et la sortie résoudre l ’équation, trouver y(t) génerale Informations complémentaires, appliquer les conditions initiales

complémentaires, appliquer les conditions initiales Rappels: Résolution d ’une équation différentielle à
complémentaires, appliquer les conditions initiales Rappels: Résolution d ’une équation différentielle à

Rappels: Résolution d ’une équation différentielle à coefficients constants

y part

(t )

y

hom (t )

y gén (t )= y part (t )+ y hom (t )

: solution particulière vérifiant (1) de même forme que l entrée

: solution de l ’équation homogène

dy (t )

dt

+2y(t )= 0

D

où:

y part (t )= k

5

e 3t , t >0

y gen (t )= Ae 2t + k

5

e 3t , t >0

y hom (t )= Ae 2t , t >0

> 0 y h o m ( t ) = Ae − 2t , t >

infinité de solutions

Application des Conditions Initiales

Cas particulier

SLTI CAUSAL

+ CI de SIAR: Système Initialement Au Repos

Définition:

Un système causal est initialement au repos, si sa sortie est nulle tant que son entrée est nulle

x (t )= 0

pour t t 0 , alors

y (t )= 0

pour t t 0

D où:

x (t )= 0

pour t 0,

alors

y (t )= 0

pour t 0

y IAR (t )= k [e 3t e 2t ],

5

t >0

et y gen (0)= 0

Propriété 1

Un système, régi par une équation différentielle à coefficients constants, initialement au repos, est un SLTI IAR autrement dit un système convolutif

Propriété 2

La solution y IAR (t) dun système régi par une équation différentielle à coefficients constants et initialement au repos, est égale au produit de convolution de la réponse impulsionnelle h(t) du SLTI par l entrée x(t) appliqué au système y IAR (t )= h (t )x (t )

Propriété 3

Dans le cas général, la solution y (t) d’un système régi par une équation différentielle à coefficients constants et non initialement au repos, peut se décomposer en la somme de y IAR (t) solution du

système initialement au repos et de y ZI (t) solution du système avec une entrée nulle et les conditions

initiales réelles y (t )

CI réelles = y IAR (t )+ y ZI (t )

CI réelles

y (t )

CI réelles = h (t )x (t )+ y hom (t )

CI réelles

B) Equations aux différences linéaires à coefficients constants

N

k

=0

a k y [n k ]=

M

k

=0

b k x [nk ]

Même méthode de résolution que pour les équations différentielles à coefficients constants

Mêmes propriétés 1, 2 et 3

Cas particulier: SLTI CAUSAL , Système Initialement au Repos

y IAR [n ]= h [n ]x [n ]

N a k y [n k ]= b k x [nk ] y [n ]= 1

M

k =0

k =0

a 0 {

M

k =0

b k x [nk ] a k y [nk ] }

N

k = 1

Éq. récursive

Si N=0

Si N 1
Si N
1

M

y [n ]=

k = 0

( b k

a

0 ) x [n k ]

Éq. non récursive

SLTI

Système FIR

h [n ]= { a b n 0

, 0n M

0 , ailleurs

Équation récursive

n 0 , 0 ≤ n ≤ M 0 , ailleurs Équation récursive Réponse impulsionnelle du

Réponse impulsionnelle du SLTI initialement au repos,

de durée infini

Système IIR

III. Séries de Fourier 1 - Réponse d ’un SLTI à des exponentielles complexes Représentation

III. Séries de Fourier

1 -

Réponse d ’un SLTI à des exponentielles complexes

Représentation en Série de Fourier des Signaux périodiques en Temps Continu

2 -

3 -

en Temps Discret

Représentation en Série de Fourier des Signaux périodiques

4 Séries de Fourier et SLTI

-

5 Filtrage

-

III. Séries de Fourier Avant propos Merci M. Fourier! Jean-Baptiste Joseph Fourier 21/03/1768 (Auxerre) -

III. Séries de Fourier

Avant propos

Merci M. Fourier!

Jean-Baptiste Joseph Fourier

21/03/1768 (Auxerre) - 16/05/1830

III. Séries de Fourier Avant propos Merci M. Fourier! Jean-Baptiste Joseph Fourier 21/03/1768 (Auxerre) - 16/05/1830
III.1 Réponse d ’un SLTI aux exponentielles complexes
III.1 Réponse d ’un SLTI aux exponentielles complexes
III.1 Réponse d ’un SLTI aux exponentielles complexes Idées : 1- Rechercher des signaux de base

Idées :

1- Rechercher des signaux de base pouvant construire une grande classe de signaux par simple combinaison linéaire

2- Réponses du SLTI à ces signaux suffisamment simples pour pouvoir déduire la réponse à n importe quel signal d entrée construit à partir de ces signaux de base

Analyse de Fourier montre que les exponentielles complexes en TC et TD vérifient ces propriétés :

En temps continu:

En temps discret:

e st = e ( r +) t

z n = (re ) n

Propriété 1: un peu plus tard

Propriété 2:

La réponse d un SLTI à une exponentielle complexe n est autre que la même exponentielle complexe multipliée par une amplitude complexe

En temps continu:

En temps discret:

On démontre que:

En temps continu:

En temps discret:

valeur propre

e st H (s )e st

z n H (z )z n

st → H ( s ) e st z n → H ( z ) z

vecteurs

propres

s ) e st z n → H ( z ) z n vecteurs propres valeur

valeur propre

H (s )=+ h(τ)e sτ

−∞

+

H (z )=

k =−∞

h [k ]z k

H(s) et H(z)

fonctions de transfert

du système

Exercices:

x (t )= a 1 e s 1 t + a 2 e s 2 t + a 3 e s 3 t

x [n ]=k

a

n

k z k

Quelques exemples de signaux périodiques

Sinusoïde

Rectangle périodique

Triangle périodique

Dent de scie

Quelques exemples de signaux périodiques Sinusoïde Rectangle périodique Triangle périodique Dent de scie 53
Quelques exemples de signaux périodiques Sinusoïde Rectangle périodique Triangle périodique Dent de scie 53
III.2 Représentation des signaux périodiques T.C. en série de Fourier
III.2 Représentation des signaux périodiques T.C. en série de Fourier
des signaux périodiques T.C. en série de Fourier Tout signal périodique de puissance finie peut se

Tout signal périodique de puissance finie peut se représenter sous la forme d une combinaison linéaire d exponentielles complexes reliées harmoniquement

d ’ exponentielles complexes reliées harmoniquement cos ( kω 0 t )= e j k ω

cos(0 t )= e jk ω 0 t + e jk ω 0 t

2

sin(0 t )= e jk ω 0 t 2j e jk ω 0 t

+∞ X k e jk ω 0 t x (t )= ∑ k=−∞ 1 T
+∞
X k e jk ω 0 t
x (t )=
k=−∞
1
T /2
X k =
x ( t ) e − jk ω 0 t dt
T
∫ − T /2

Synthèse