Asservissements numériques Chapitre 3 : Modélisation des signaux échantillonnés

Chapitre 3

Modélisation des signaux échantillonnés

3.1 Définition
Soit y(t) un signal temporel causal. Sauf mention particulière, tous les signaux considérés dans
ces notes seront causaux, c’est-à-dire nuls pour les temps t < 0.
L’échantillonnage du signal y(t) consiste à transformer celui-ci en une suite discrète y(nT ) de
valeurs prises aux instants nT . Ici n est un entier naturel (n = 0, 1, 2, · · · ) et T est la période
d’échantillonnage. Les instants nT sont appelés instants d’échantillonnage. Les intervalles
[nT, (n + 1)T ] sont appelés intervalles d’échantillonnage.

y(t)

t
t=0

Fig. 3.1 : Signal causal.

3.2 Conversion analogique numérique

D’un point de vue modélisation, l’ensemble capteur convertisseur analogique-numérique peut

être assimilé à une prise d’échantillons de la sortie continue y(t) à période fixe T (période
d’échantillonnage). Si l’on fait l’hypothèse que le temps de codage est négligeable
(échantillonnage instantané) et qu’il n’y a pas d’erreur de quantification, on peut représenter
l’opération de conversion analogique-numérique selon le schéma de la Figure 3.2.

y(t) y(n)

y(t) y(n)

0 t CAN 0 1 2 … n

Fig. 3.2 : Conversion analogique numérique.

L’opération décrite précédemment peut se formaliser comme suit. On définit d’abord δ(t), la

22
Asservissements numériques Chapitre 3 : Modélisation des signaux échantillonnés

fonction d’échantillonnage aux instants nT, donnée par :

+∞
δ T (t )
= ∑ δ (t − nT )
n =0
(3.1)

Il vient :

+∞ +∞

=n 0=n 0
y* =
(t ) ∑ y(t )δ (t − nT=) ∑ y δ (t − nT )
n
(3.2)

Où y* (t ) est un signal à temps continu égal à y (t ) aux instants t = nT et zéro ailleurs et où

yn = y (nT ) est la valeur de l’échantillon de y (t ) à l’instant nT. Le signal échantillonné est

représenté par la séquence des valeurs y (nT ) mesurées avec la période T :

{ y (nT )} ≡ { yn } (3.3)

3.3 Théorème de Shannon

Parmi les préoccupations essentielles de l’échantillonnage, on a celle qui consiste à ne pas

perdre d’informations lors de la discrétisation temporelle du signal continu. Pour que cela soit
possible, une des conditions à remplir est que le signal y(t) que l’on doit échantillonner ait une
largeur spectrale (exprimée en Hz ou rad/s) finie, on parle alors d’un spectre de type passe-
bas.
On rappelle que la largeur spectrale d’un tel signal est définie par l’intervalle [0, fmax] où
fmax est la plus grande fréquence présente dans le spectre fréquentiel de ce signal. Cette
condition découle du phénomène de recouvrement (ou repliement) de spectre, traitée dans un
autre cours, dont nous rappelons le résultat fondamental suivant :
Pour préserver, lors de l’échantillonnage d’un signal y(t), le contenu spectral de ce signal, la
fréquence d’échantillonnage, fe = 1/T, doit être supérieure au double de fmax, la largeur
spectrale du signal : fe ≥ 2 fmax.

23
 Asservissements numériques Chapitre 3 : Modélisation des signaux échantillonnés

Exercice 1 : TD N° 03

Le signal s (t ) 4 f 0 sin c(4π f 0t ) + f 0 sin c 2 (π f 0t ) est échantillonné idéalement à une fréquence

=
Fe.
 Déterminer la fréquence d’échantillonnage minimale permettant la reconstitution
exacte du signal.
 Tracer le spectre du signal échantillonné pour une fréquence
d’échantillonnage Fe = 6 f 0

Sol :

- La transformée de Fourier de 4 f 0 sin c(4π f 0t ) TF P4 f0 ( f )

→

- La transformée de Fourier de f 0 sin c 2 (π f 0t ) TF Tri2 f0 ( f )

→

=
S ( f ) P4 f0 ( f ) + Tri2 f0 ( f )

Avec : P4 f0 ( f ) et Tri2 f0 ( f ) sont la fonction porte et triangulaire respectivement.

S(f)
Fe

-2f0 2f0 f

Fig. 3.3 : Représentation fréquentiel de S(f).

 La fréquence d’échantillonnage minimale permettant la reconstitution exacte du signal

=
est Fe 2.= =
f max 2.2 f0 4 f0 .

 le spectre du signal échantillonné pour une fréquence d’échantillonnage Fe = 6 f 0 :

S(f)
Fe Fe Fe

Fe=-6f0 Fe=6f0
-8f0 -4f0 -2f0 2f0 4f0 8f0 f

Fig. 3.4 : Spectre du signal échantillonné pour une fréquence d’échantillonnage Fe = 6 f0 .

24
Asservissements numériques Chapitre 3 : Modélisation des signaux échantillonnés

Exercice 2 : TD N° 03

La Figure 3.5 représente le train d’impulsion rectangulaire :

e(t)
1

………. -Te/2 +Te/2

……….

t
-Te -τ/2 +τ/2 +Te

Fig. 3.5 : Train d’impulsion rectangulaire.

1. Trouver la formule de e(t ) ; N.B : e(t ) : une répétition de la fonction porte Pτ (t ) .

2. Calculer la transformée de Fourier de e(t ) .

3. Echantillonnage :
x(t) xe(t)

e(t)

Fig. 3.6

- Trouver le signal échantillonnée X e ( f ) .

Exercice 3 : TD N° 03

Un signal x(t ) , dont la transformée de Fourier X ( f ) est représentée par la Figure (3.7), est
échantillonné à une cadence Fe .
Le signal échantillonné (idéalisé) possède la transformée de Fourier de la Figure (3.8).

X(f) Xe(f)
6

f(kHz) f(kHz)

-4 4 -6 -4 -2 2 4 6

Fig. 3.7 Fig. 3.8

- Déterminer quelle est la fréquence d’échantillonnage utilisée et indiquer si ce choix est

judicieux pour permettrez une reconstitution du signal par filtrage idéal (justifier votre
réponse).

25
Asservissements numériques Chapitre 3 : Modélisation des signaux échantillonnés

Exercice 4 : TD N° 03

πt
- Peut-on reconstituer exactement le signal x(t ) = A.sin c 2 ( ) s’il est échantillonné
T
1
idéalement à une cadence Fe = .
T

3.4 Conversion numérique analogique

Le processeur calculant la commande à appliquer au procédé travaille de manière séquentielle
et génère des valeurs numériques u k avec la même période T que celle qui a été choisie pour
l’échantillonnage. L’opération de conversion numérique-analogique la plus courante consiste
à produire un signal de commande u(t) en escalier à partir des valeurs u k selon le schéma de la
Figure 3.9.

U(n) u(t)
B0(p)

CNA
0 1 2 … n 0 1 2 … n

Fig. 3.9 : Conversion numérique analogique.

On dispose généralement de la fonction de transfert continue (notée en utilisant la variable

complexe s ou p) F(p) du système continu.
Le problème est d'obtenir la fonction de transfert discrète du système échantillonné de
manière à pouvoir synthétiser un correcteur. Le système continu est associé au convertisseur
numérique – analogique qu'il faut prendre en compte. Les convertisseurs numérique
analogiques peuvent généralement se représenter par des "échantillonneurs – bloqueurs
d'ordre 0" ou BOZ. Cela signifie que la commande est maintenue à une valeur constante
pendant toute la durée du temps d'échantillonnage. Si l'on applique une commande discrète
impulsionnelle à un BOZ il va maintenir la commande 1 pendant la durée T puis revenir à
zéro (Figure 3.10).
La transformée de Laplace de la réponse impulsionnelle du bloqueur est donnée par la
formule :

26
Asservissements numériques Chapitre 3 : Modélisation des signaux échantillonnés

δ(t)
1 1
B0(p)

0 t CNA 0 T t
Fig. 3.10 : Bloqueur d’ordre zéro.
Or, on sait que la réponse impulsionnelle d’un système est la fonction de transfert de celui-ci.
Si B 0 (p) est la fonction de transfert du BOZ, alors :

s (t ) = u (t ) − u (t − T ) (3.4)
Donc :

1
S(=
p) (1 − e −T . p ) (3.4)
p
Soit encore :

(1 − e −T . p )
B0 ( p ) = (3.5)
p

3.5 Système à temps discret

Un système à temps discret se définit comme un opérateur entre deux signaux à temps discret.
Considérons le système représenté sur la Figure 3.11, où u(n) représente le terme général de la
séquence d’entrée et y(n) le terme général de la séquence de sortie.

u(n) y(n)
Système

Fig. 3.11 : Système à temps discret.

3.5.1 Equation récurrente

L’équation récurrente (3.7) entre les différents termes des séquences d’entrée et de sortie est
donnée par :

ak . y (n + k ) + ak −1. y (n + k − 1) + ... + a0 . y (=
n) bm .u (n + m) + bm −1.u (n + m − 1) + ... + b0 .u (n) (3.6)

27
Asservissements numériques Chapitre 3 : Modélisation des signaux échantillonnés

Par hypothèse a k ≠ 0 et k est appelé l’ordre du système. Le système est dit causal si les sorties
dépendent uniquement des événements passés. Pour cela il doit obligatoirement vérifier m≤n.
Donc l’algorithme qui détermine la sortie du système donnée par :

ak . y (n) =−ak −1. y (n − 1) − ... − a0 . y (n − k ) + bm .u (n + m − k ) + ... + b0 .u (n − k ) (3.7)

3.5.2 Fonction de transfert en Z

De la même manière que l’on associe à un système à temps continu, une fonction de transfert,
par application de la transformation de Laplace à son équation différentielle, on peut associer
à un système à temps discret, la fonction de transfert en Z est donnée par :

N (Z )
Y (Z ) = U (Z ) (3.8)
D( Z )

Avec :

N (Z ) b0 + b1Z + ... + bm −1Z m −1 + bm Z m

= G= (Z ) (3.9)
D( Z ) a0 + a1Z + ... + ak −1Z k −1 + ak Z k

La factorisation du numérateur et du dénominateur conduit à la forme pôles, zéros, gain

suivante :

N (Z ) bm ( Z − z1 )(Z− z2 )...( Z − zm )
= G= (Z ) (3.10)
D( Z ) ak ( Z − p1 )(Z− p2 )...( Z − pk )

Avec :
bm
pi = 1...k : Les pôles ; z j = 1...m : Les zéros, k = : Le gain
ak

La factorisation du numérateur et du dénominateur en Z −1 donnée par la forme suivante :

−1 * −m
bm m − k 1 + bm−1 Z + ... + b0 Z
*

G(Z ) = Z (3.11)
ak 1 + a*k −1 Z −1 + ... + a*0 Z − k

bj ai
=
Avec : b*j = ai*
bm ak

28
 Asservissements numériques Chapitre 3 : Modélisation des signaux échantillonnés

3.6 TP N° 03 Fonction de transfert en Z

• Définir une fonction de transfert
 Pour définir une fonction de transfert d’un système à temps continu ou bien à temps
discret on utilise l’unique fonction tf en spécifiant le polynôme du numérateur et le
polynôme du dénominateur. L’usage est le suivant :
2. p + 1
Définir Gc ( p ) =
p + 2. p + 1
2

>> gc = tf([2 1], [1 2 1])

Transfer function:
2 s + 1
-------------
sˆ2 + 2 s + 1
On remarquera que la variable de Laplace a pour notation ’s’ dans MATLAB (notation anglo-
saxonne).
z −1
Définir Gc ( p ) = , à la cadence T = 2s :
z − 3.z + 2
2

>> tf([1 -1], [1 -3 2], 2)

Transfer function˜:
z - 1
-------------
zˆ2 - 3 z + 2
Sampling time: 2
A la donnée d’une représentation sous forme de fonction de transfert MATLAB retourne les
vecteurs définissant le numérateur et le dénominateur (et éventuellement la cadence) à l’aide
de la commande suivante :
>> [NUM, DEN, T] = tfdata(SYS,’v’)
Où SYS est la variable MATLAB contenant le modèle.
 Une autre écriture pour les fonctions de transfert est également acceptée : zpk. Elle
consiste à factoriser les racines des polynômes numérateur et dénominateur. Par exemple :
>> gd = zpk([1 2], [3 -1 4], 10, 1.5)
Zero/pole/gain˜:
10 (z-1) (z-2)
-----------------
(z-3) (z-4) (z+1)

29
Asservissements numériques Chapitre 3 : Modélisation des signaux échantillonnés

Sampling time: 1.5

Il est bien évidement possible de passer d’une représentation à l’autre en utilisant les
commandes tf et zpk comme suit :
>> zpk(gc)
Zero/pole/gain:
2 (s+0.5)
---------
s+1)ˆ2
>> tf(gd)
Transfer function:
10 zˆ2 - 30 z + 20
----------------------
zˆ3 - 6 zˆ2 + 5 z + 12
Sampling time: 1.5
De même que pour les données de tf, pour obtenir les vecteurs comprenant les zéros (racines
du numérateur), les pôles (racines du dénominateur) et le gain il suffit d’appliquer la
commande :
>> [Z,P,K,T] = zpkdata(SYS,’v’).

30