Académique Documents
Professionnel Documents
Culture Documents
Traitement numérique
1
1 2π
P <∫P>
− jmω0t
=cm = s( t ) e dt , P
ω0
∞
a0 + ∑ am cos mω0t + bm sin mω0t
s (t ) =
i =1
avec :
1
a=
0 c=
0 ∫
P < P>
s(t )dt
1 2
am =cm + c− m = ∫ s(t )(ejmω0t
+e− jmω0t
)dt = ∫ s(t )cosmω0tdt
P < P> P < P>
2
bm = ∫
P < P>
s(t )sin mω0tdt
8 Série de Fourier
Exemple
1 + 3cos0.6π t + 2sin1.2π t + cos 2.1π t
f (t ) =
Le GCD est de 0.3π=ω0 et la fonction est périodique.
1 + 1.5ej 2ω0t + 1.5e− j 2ω0t − jej 4ω0t + je− j 4ω0t + 0.5ej 7ω0t + 0.5e− j 7ω0t
f (t ) =
c0 ==
1, c1 0 =
c−1 , c2 =
c− 2 =
1.5, c3 =
c−3 ==
0, c4 − j, c−4 =
j,
c=
5 c−=
5 c=
6 c−=
6 0, c=
7 c−=
7 0.5
un signal périodique dans l’espace temps
9 série de Fourier trigo.?
10 Représentation pour un signal
périodique(temps-fréquence)
11 Représentation pour un signal
périodique(temps-fréquence)
e − jmω0t a
1 a 1 −a
∫ e − jmω0t dt
f ( t) =cm =
P −a P − jmω 0
.... 1 .....
1 e − jmω0a − e jmω0a 2a sin( mω 0a )
= =
P − jmω0 P mω 0a
-P/2 -a a P/2 t 2a
2a sin( mπ P
)
=
P 2a
mπ
ω0 = 2π P P
Fonction impulsion
périodique
12 Intégration tu temps: espace fréquence
13 Série de Fourier
Pa cm
fa (t )
2pi/Pa
ω
Pbcm
Pa t
fb (t )
ω
t F (ω )
Pb
f (t )
π π ω
−
-a a t a a
14 Théorème de Parseval
P <P > −∞
1 ∞ ∞ ∞
= ∑ c m ∫ f ∗ (t =
)e jmω0t dt ∑
= ∗
∑
2
c c m m cm
P −∞ <P > m = −∞ m = −∞
∞
F (ω ) = ∫ f (t ) e − j ωt dt
−∞
1 ∞
f (t ) =
2π ∫
−∞
F (ω )e j ωt d ω
f (t ) ↔ F (ω )
16
• Impulsion
f (t ) = δ (t )
∞
F(ω ) = ∫ δ (t )e− jω t dt
-∞
[δ (t )] = 1
δ (t ) ↔ 1
19 Paires de transformées
Impulsion retardée :
t ) δ (t − t0 )
f (=
∞
F (ω )
= ∫
-∞
δ (t − t0 )e − jωt dt
[δ (t − t 0 )] = e− jωt 0
δ (t − t 0 ) ↔ e− jωt 0
20 Propriétés de la transformée de Fourier
d s (t ) d s (t )
= 2δ (t ) = 2= j ωS(ω )
dt dt
2
[s=
(t )] S=
(ω)
jω
21 De Laplace à Fourier
Exemples
1 1
1. =
e − at u(t ) =
s + a s = jω a + jω
−2 t
1 1 4
2. −2 t
e= e u (t ) + e u= 2t
(−t ) + =
s + 2 s = jω s + 2 s =− jω 4 + ω 2
3. e 2 t u(t ) n’existe pas car pas intégrable .
10 10
4. e −=
t
[sin(10 t )] u(t ) =
( s + 1) + 102 s = jω −ω 2 + 2 jω + 101
2
e − t sin(10 t ) 10 10
5. =
+
−ω 2 + 2 jω + 101 −ω 2 − 2 jω + 101
22 Transformée de Fourier de fonctions périodiques
j ω0t − j ω0t
e + e
ω0 ))π ]
−1 [(δ (ω − ω0 ) + δ (ω += = cosω0t
2
2πδ (ω − ω0 ) ,
e j ω0t = 2πδ (ω + ω0 )
e − j ω0t =
[ sin ω=
0t ] j π δ (ω + ω0 ) − δ (ω − ω0 )
23 Transformée de l’échelon unité
1+sign(t )
u (t )=
2
sign (t ) + 1 2πδ (ω ) 1
=[u (t )] = +
2 2 jω
1
[u=(t ) ] πδ (ω ) +
jω
jω0t 1
u (t )e = πδ (ω − ω0 ) +
j ( ω − ω0 )
1 1 1
u (t ) cos (ω0t=
) πδ (ω − ω0 ) + + πδ (ω + ω0 ) +
2 j (ω − ω0 ) j (ω + ω0 )
π jω
= [δ (ω − ω0 ) + δ (ω + ω0 )] + 2 2
2 ω0 − ω
π ω0
u (t )sin (ω0t=
) j [δ (ω + ω0 ) − δ (ω − ω0 )] +
2 ω02 − ω 2
25 Transformées de fonctions périodiques à temps positif
F (ω )
f (t )u (t ) ↔
2
+‹ [f (t )u (t )] s = j ω
26
f (t ) = 1 F (ω ) = 2πδ (ω )
f (t ) = u ( t )
1
F (ω ) πδ (ω ) +
=
jω
ω0 π
+ j
f (t ) = ( sin ω 0 t ) u ( t ) ω02 − ω 2 2
δ (ω + ω 0 )
−δ (ω − ω 0 )
27 Propriétés de la transformée de Fourier
f (t ) F (ω )
1
Échelle de temps f ( at ) F (ω / a )
*a*
Inversion du temps f ( −t ) F ( −ω )
28 Transformées de Fourier : paires usuelles
δ (t ) 1
δ (t − t0 ) e − jωt0
e jω0t 2πδ (ω − ω0 )
1 2πδ (ω )
cos ω0 t π [δ (ω − ω0 ) + δ (ω + ω0 )]
sin ω0 t − jπ [δ (ω − ω0 ) − δ (ω + ω0 )]
29 Transformées de Fourier : paires usuelles
x (t ) X (ω )
1
u (t ) πδ (ω ) +
jω
1
u (−t ) πδ (ω ) −
jω
2
sign t
jω
1
e − at u (t ), a > 0
jω + a
2a
e − at , a > 0
a2 + ω 2
30 Transformées de Fourier : paires usuelles
x (t ) X (ω )
1
π e − aω
a2 + t 2
1
t e − at u (t ), a > 0
( jω + a ) 2
1 , * t *< a sin ω a
pa (t ) = 2a
0 , * t *> a ωa
sin at 1 , * ω *< a
Pa (ω ) =
πt 0 , * ω *> a
∞ ∞
2π
∑ δ (t − kT )
k = −∞
ω0 ∑ δ (ω
k = −∞
− k ω 0 ) , ω 0 =
T
31 Propriétés de la transformée de Fourier
f (t ) F (ω )
Dualité F (t ) 2π f ( −ω )
df (t )
Dérivée en temps jω F (ω )
dt
dF (ω )
Dérivée en fréquence − jt f (t )
dω
t 1
Intégration ∫−∞
f (t ')dt ' π F (0)δ (ω ) +
jω
F (ω )
Convolution en temps f1 ( t ) ∗ f 2 ( t ) F1 (ω ) F2 (ω )
32 Propriétés de la transformée de Fourier
f (t ) F (ω )
1
Convolution en fréquence f1 ( t ) f 2 ( t ) F1 (ω ) ∗ F2 (ω )
2π
Signal réel f (t ) F ( −ω ) =
F ∗ (ω )
Signal complexe x ∗ (t ) X *( −ω )
∞ 1 ∞
Théorème de Parseval ∫
−∞
* f (t ) *2 dt
2π ∫
−∞
* F (ω ) *2 d ω
33 Distorsions linéaires et non-linéaires
− H ( jω )
tp = ∠
ω
Un filtre avec une caractéristique de phase non linéaire va
causer une distorsion de phase du signal. Si les
composantes spectrales subissent un retard de phase qui
n’est pas proportionnel à leur fréquence, leurs relations
harmoniques vont être altérées ce qui est indésirable dans
beaucoup d’applications.
36
Signal de sortie pour un canal de transmission introduisant
37 des distorsions en basses fréquences. L’atténuation des basses
fréquences donne un signal à valeur continue plus faible et à
variations rapides.
38
Signal de sortie pour un canal de transmission introduisant
des distorsions en hautes fréquences. L’atténuation des hautes
fréquences donne un signal plus lissé.
Exemple de distorsion de phase. Chaque composante a un décalage de –
39 pi/2 introduit par le canal de transmission. Une réponse en phase non
linéaire du canal de transmission est désastreuse car le potentiel électrique
instantané de g(t) peut être plus important que celui de f(t) (Notez la valeur
crête supérieure à 1). On peut détériorer le matériel de réception si aucune
précaution n’est prise.
40 Train d’impulsions
δ= ∑ δ (t − kT )
∞
T
(t ) k = −∞
1 T /2 1
∫
− jmω0t
=cm = δ (t )e dt
T − T / 2 T
41 Train d’impulsions
∞
e jmω0t ∞
2π (δ (ω − mω0 ) )
t) ∑
δ T (= ↔ δ T (ω=
) ∑
m = −∞ T m = −∞ T
δ T (ω )
2 π /T
∞
= (t ) δT (t )
y (t ) x= ∑ x (nT )δ (t − nT )
n =−∞
44 Échantillonnage
∞
= (t ) δT (t )
y (t ) x= ∑ x (nT )δ (t − nT )
n =−∞
X (ω ) ∗ δT (ω )
[ y (t )] [ x (t=
Y (ω) =
= ) δT (t )]
2π
∞
ejkω0t
δ T (t ) = ∑
k=−∞ T
ejkω0t
∞ ∞
2πδ (ω − kω 0 )
δ T (ω ) ∑
= = ∑
k=−∞ T k=−∞ T
X (ω ) ∗ δT (ω )
[ y (t )] [ x (t=
Y (ω) =
= ) δT (t )]
2π
2π
∞
X ω − k
Y (ω ) = ∑ T
k =−∞ T
46 Échantillonnage
Ce spectre consiste en une série infinie de répétitions du spectre X(ω)
du signal continu échantillonné.
2π
−π 0 π ω
∞
X ω − k
T
T T
Y( ω)
Y (ω ) = ∑
T
A
k =−∞ T
−3 π −π 0 π 3π
ω
T T T T
47 Théorème d’échantillonnage
−π 0 π
ω
T T
Y( ω)
A
T
−3 π −π 0 π 3π
ω
T T T T
48 Théorème d’échantillonnage
−π 0 π ω
-T 0 T 2T 3T t T T
y(t)
[x( T)]
Y (ω )
A
T T
−3π −π π 3π
-T 0 T 2T 3T t 0 ω
T T T T
x[n]
X ( e jωT )
A
T
−3π −π π 3π
-1 0 1 2 3 n 0 ω
T T T T
51 Transformée de Fourier des signaux
discrets-TFSD
x [ n ] ↔ X ( e jθ )
X ( e jθ )e jnθ dθ (TFISD)
1 π
x [n ] = ∫π
2π −
52 TFSD
∞
Impulsion Unité δ [n ] ↔ ∑ h [n ] e
n =−∞
− jnθ
=
1
h [n ] = δ [n ] H (e jθ
)
n θ
53 TFSD
∞
Impulsion retardée h [ n ]= δ [n − 3] ↔ ∑ h [n ] e
n =−∞
− jnθ
= e − j 3θ
H ( e jθ )
h [=
n ] δ [ n − 3]
θ
∠H (e jθ )
n θ
54 TFSD
Exponentielle =h [n ] a n u [n ] ; a < 1
∞
H (e jθ
)=
∑ h [ n] e − jnθ
1 + ae − jθ + a 2 e − j 2θ + a 3e − j 3θ
=
n = −∞
=1 + b + b 2 + b3 + ....., b = ae − jθ
1
= ; b= a < 1
1− b
H (e )
1
= jθ
↔ a n
u [n ]
1 − ae − jθ
55 TFSD
1
Exponentielle a u [ n] ↔
n
, a <1
1 − ae − jθ
=h [n ] a n u [n ] a <1 H ( e jθ )
θ
∠H (e jθ )
n θ
56 TFSD
Échelon unité : u [n ]
u [n ]
( e ) 1 − e− jθ + πδ (θ )
U= jθ 1
57 TFSD
Impulsion discrète : PN ( n )
(Fonction de
PN [=
n] u [ n + N ]
Dirichlet) PN ( e jθ )
− u [ n − N + 1]
θ
n
58 TFSD
Sinus cardinal
−θ 0 θ0 θ
59 TFSD de signaux périodiques
Exponentielle complexe :
( e jθ ) 2πδ (θ − θ0 )
X= −π ≤ θ 0 ≤ π
X ( e jθ )
1 π
x [ n=
] ∫π θ e jnθ0
2πδ (θ − θ 0 )e jnθ d=
2π −
2πδ (θ − θ 0 )
Nous avons une nouvelle
paire de TFSD :
e jnθ0 ↔ X ( e jθ ) =
x [n ] = 2πδ (θ − θ 0 ) θ0 θ
60 TFSD de signaux périodiques
Cosinus discret :
e jnθ0 ↔ 2πδ (θ − θ 0 )
cos [nθ 0 ]
π [δ (θ + θ 0 )] π [δ (θ − θ 0 )]
−θ 0 θ0 θ
61 Propriétés de la TFSD
∞ ∞
x [n − i ] ↔ ∑
n =−∞
x [ n − i ] e=
− jnθ
∑
n =−∞
x [ n − i ] e − j ( n −i )θ e − jiθ
x [ n − i ] ↔ e − jiθ X ( e jθ )
62 Propriétés de la TFSD
Convolution de deux séquences discrètes dans le temps
x1 [ n ] ∗ x2 [ n ] ↔ X 2 ( e jθ ) X 1 ( e jθ )
X 2 (e jθ ) ⊗ X 1 (e jθ )
x1 [ n ] x2 [ n ] ↔
2π
Théorème de Parseval
∫ π X (e )
1 π
E ∑ x [n ]
2 2
jθ
= = dθ
n =−∞ 2π −
Transformée en Z
65
Transformée en Z
66 Transformées
Dans l’étude des systèmes continus, la fréquence réelle ω ou
la fréquence complexe s sont utilisées dans la fonction de
transfert T(s) ou H(s) et la fonction de transfert sinusoïdale
H(ω).
Définition :
Exemples
δ [n ]
∞
δ [n ] ↔ ∑ x [n ] z
n=-∞
−n
=
1
∞
δ [n − k ] ↔ ∑ x
n=-∞
[ n ] z −n
=
z −k
δ [n − 3]
Transformée en Z
70
Exemples:
∞
PN [ n ] ↔ ∑ x [n ] z −n
= z N + z N −1 ..... z + 1 + z −1 + ......... z − N
n=-∞ PN [n ]
PN [ n ] ↔ z N (1 + z −1 + z −2 + ........ + z −2 N )
z N (1 − z −2 N −1 )
PN [ n ] ↔
(1 − z )
−1
−10 −N 0 N 10 n
Remarque importante
Lorsque X(z) prend la forme d’un polynôme en z-1, alors le
coefficient de z-n est x[n] . On peut ainsi interpréter z-1 comme
un opérateur de délai unitaire et z comme une avance.
Transformée en Z
71 Domaine de convergence
Exemples: Exponentielle
∞
1 az + ( az ) 1
a u [n ] ↔
n
∑ x [n ] z
n=-∞
−n
=+ −1 −1 2
+ ..... =
1 − az −1
,
région de convergence R, ou
RDC de la transformée en z,
c’est à dire le domaine du plan
z où cette transformée existe.
Transformée en Z
72 Domaine de convergence
Exemples:
∞
1 z
1) u [n ] ↔ ∑
n=-∞
x [ n ] z −n
=1 + z −1
+ z −2
+ ... =
1− z −1
=
z −1
, z −1
<1 ⇒ z >1
∞
2) − u [ − n − 1] ↔ ∑ x [n ] z
n=-∞
−n
=− z − z 2 − z 3 ....
=− z (1 + z + z + .... ) =− z
1 z
2
= , z <1
1− z z −1
u [n ] Im {z}
1
R
1
Re {z}
n
Im {z}
−u [ −n − 1]
R
1 Re {z} n
−1
Transformée en Z
74 Domaine de convergence
x [n ] X (z)
Im { z}
X X X
a b c Re { z}
Transformée en Z
78
Exemple:
n jnε n − jnε
a e + a e b n
+ b n*
x [n] a= n
cos [ nε ] u[n] = u[n] u[n]
2 2
1 1 1 1 1 1
a n cos [ nε ] u[n] ↔ + = +
2 1 − bz −1 1 − b* z −1 2 1 − ae jε z −1 1 − ae − jε z −1
z ( z − a cos ε )
z 2 − 2az cos ε + a 2 n
z >a
Transformée en Z
79
Exemples:
De la même manière:
az −1 sin ε
1 − 2az −1 cos ε + a 2 z −2
z >a
a sin [ nε ] u [ n ]
n
↔ az sin ε
z 2 − 2az cos ε + a 2
Récapitulation:
x [n ] X (z)
1 δ [n ] 1
2 δ [n − i ] z −i
3 u [n ] z / ( z − 1)
4 a n u [n ] z / (z − a)
nu [ n ] z / ( z − 1)
2
5
n 2 u [ n ] z ( z + 1) / ( z − 1)
3
6
8 x [n − i ] z −i X ( z )
9 a n x [n ] X (z / a)
Transformée en Z
81
Récapitulation:
x [ n] X (z)
z ( z − a cos ε )
9 a u [ n ] cos [ nε ]
n
z 2 − 2az cos ε + a 2
az sin ε
10 a n u [ n ] sin [ nε ]
z 2 − 2az cos ε + a 2
z 2 sinψ + az sin ( ε −ψ )
11 a n u [ n ] sin [ nε + ψ ]
z 2 − 2az cos ε + a 2
ln ( z / ( z − 1) )
1
12 u [ n − 1]
n
dX ( z )
13 nx [ n ] −z
dz
Transformée en Z
82 Propriétés de la transformée en z
1. Linéarité :
x [n ] ↔ X ( z )
x1 [n ] ↔ X 1 ( z )
x2 [ n ] ↔ X 2 ( z )
ax1 [n ] + bx2 [n ] ↔ aX 1 ( z ) + bX 2 ( z )
a n x [n ] ↔ X ( z / a )
4. Convolution dans le temps :
x1 [ n] ∗ x2 [ n] ↔ X 1 ( z) X 2 ( z)
Transformée en Z
84 Propriétés de la transformée en z
Exemple
x [n ] = a n u [n ]
y [n ] = δ [n ] − bδ [n − 1]
[ n ] x [n ] ∗ y [n ]
w=
1 1 − bz −1 1 bz −1
X (z) = −1
, Y (z) = 1 − bz , W ( z ) =
−1
−1
= −1
−
1 − az 1 − az 1 − az 1 − az −1
w [ n ] =a n u [n ] − ba n −1u [n − 1]
Note Importante
La convolution d’une séquence avec une impulsion
produit un décalage de la séquence correspondant au
décalage de l’impulsion.
Transformée en Z
85 Résumé:
3! 5! n
(2n + 1)!
2 4 2n
x x x
cos( x) =− + ... =∑ (−1)
n
1
2! 4! n
(2n)!
2 3 n
x x x
e =1 + x + + ... = ∑
x
2! 3! n! n
( jθ ) ( jθ )
2 3
⇒ e =+
θj
1 jθ + + + ..
2! 3!
⇒ e=θj
cos(θ ) + j sin(θ ).
Transformée en Z
87 Formes de la transformée en z
Exemples
z −2 z −3
... = ln (1 − z −1 ) , z > 1
1
a) x [n ] = u [n − 1] ↔ X ( z ) = z +
−1
+
n 2 3
selon Taylor
1
n ! n = 1,3,5...
−3 −5
b) x [n ] = ... = sinh ( z −1 )
z z
↔ X ( z ) = z −1 + +
3! 5!
0 n = 0,2,4...
Transformée en Z inverse (TZI)
88
Définition: La transformée en z inverse permet de retrouver la
séquence x[n] à partir de sa transformée . La base de la TZI
est l’intégrale de Cauchy selon laquelle :
1 1 , k = 0
∫
k −1
z dz =
2π j Γ 0 , k ≠ 0
Γ étant un contour d’intégration en sens anti-horaire
renfermant l’origine. Nous avons les relations suivantes
1 1 ∞ − n k −1 1 ∞
= ∫
2π j Γ
X ( z ) z k −1
dz = ∫ ∑
2π j Γ n =−∞
x [ n ] z
z dz ∫ ∑
2π j Γ n =−∞
x [ n ] z − n + k −1
dz
∞
1
= ∑
=
n =−∞
x [ n ] ∫
2π j Γ
z − n + k −1
dz x [k ]
Transformée en Z inverse (TZI)
89
φi ( z )
1 d φi ( z )
k −1
=X (z) z = n −1
, ρi
( z − pi)
k
( k − 1) ! dz k −1
z = pi
ρi = φi ( pi )
x ( n) = ∑ρ
residu i
Transformée en Z inverse (TZI)
91
z
X (z)
Exemple:= , z >a
z−a Γ
n
z R
X ( z ) z n −1 = a des pôles à z =a
z−a
et pour n <0, aussi à z =0. Tout Γ avec z > a
encercle tous ces pôles. Pour n ≥ 0, il y a un seul pôle à
= =
z a et ρ z=
n
an
z =a
1 1
Pour n=-1, ρ1 =− a −1 = , ρ2 = =a −1 , x [ −1] =− a −1 + a −1 =0
= z−a z 0= zza
1 −1 −1 1 1
Pour n=-2, φ (=
z) ρ1
,= = , ρ
= = , x [ −=
2] 0
z (z − a) (z − a)
2 2 2 2 2 2
a z z =a a
z =0
( 2 z − 1) z Y ( z) =
1
X ( z) =
2 ( z − 1)( z + 1) (
2 ( z − 1) z + 1
2 )
Transformée en Z inverse (TZI)
93
Quatre méthodes
−2 −1
Exemple 1 X ( z ) = z + 2 z +2
z −1 + 1
1èreméthode : Division suivant les puissances croissantes de z-
1
2 + 2 z −1 + z −2 / 1 + z −1
2 + 2 z −1 2 + z −2 − z −3 + z −4 .. 0 , n<0
z −2 →=
x [n ] 2 = , n 0
( ) , n ≥ 2
−
n
− z −2 z −3 1
− z −3 ..
Transformée en Z inverse (TZI)
96 TZI séquences causales
−2 −1
Exemple 1: X ( z ) = z + 2 z +2
z −1 + 1
2èmeméthode : Expansion en fractions partielles
z −2 + 2 z −1 + 2 /z −1 + 1
− z −2 z −1 z −1 + 1
z −1 + 2
−1
z +1
1
1
⇒ X ( z )= z −1 + 1 + ↔ = δ + δ − + ( − ) u [n ]
n
−1
x [ n ] [ n ] [ n 1] 1
1+ z
Transformée en Z inverse (TZI)
97 TZI séquences causales
z −1
Exemple 2: X (z) =
3 −1 1 −2
1− z + z
4 8
Expansion en fractions partielles : Multiplions d’abord le
numérateur et le dénominateur par z2
X (z) 1 1 4 4
= = = −
z 3
z2 − z +
1 1 1 1 1
− − − −
8
z z z z
4 2 4 2 4
Exemple 3:
1 − z −1 − 5 z −2 − 3 z −3
X (z) =
1 − 3 z −1 1 − z−1 − 5z−2 − 3z−3 / 1 − 3z−1
−1 ± 3z−1 1 + 2z−1 + z−2
2z−1 − 5z−2
−2z−1 + 6z−2
z−2 − 3z−3
] δ [n ] + 2δ [n − 1] + δ [n − 2]
x [n=
Transformée en Z inverse (TZI)
99 Propriétés de la transformée en z
1 z2
=
Exemple: X (z) = , z > 0.9
1 − 0.9 z −1 + 0.81z −2 z 2 − 0.9 z + 0.81
z za sin ε
est de la forme X ( )
z =
a sin ε z 2 − 2az cos ε + a 2
dans laquelle a = 0.9, cos ε = 0.5 ⇒ ε = π / 3, a sin ε = 0.7794
0.7794 z
d’où X ( z ) = 1.2830 z
z 2 − 2az cos ε + a 2
et, en tenant compte de l’avance unitaire,
( n + 1) π ( n + 1) π
x [n ] 1.2830 (=
0.9 ) sin u [n + 1] 1.1547 ( 0.9 ) sin
n +1 n
u [n ]
3 3
( n + 1) π
dans laquelle u[n+1] a été changé en u[n] puisquesin =0
3 n =−1
Exemple 4 : 2z2 − z
X (z) = 2
z − 3z + 16
X (z) 2z −1 2 ( z − 0.5)
= =
z z 2 − 3z + 16 z 2 − 3z + 16
Transformée en Z inverse (TZI)
101
Exemple 4 : X ( z ) 2z −1 2 ( z − 0.5)
= =
z z 2 − 3z + 16 z 2 − 3z + 16
En comparant le dénominateur de cette transformée avec celle
des paires 9 et 10, nous pouvons poser que :
= cos ε 3/
a 4, = = 8, ε 1.1864 rad. , =
a sin ε 3,7081, =
a cos ε 1.5
X (z) z − 1.5 1 z − 1.5 2 3.7081
=2 2 +2 2 =2 2 +
z z − 3z + 16 z − 3z + 16 z − 3z + 16 3.7081 z 2 − 3z + 16
z ( z − az cos ε ) az sin ε
X (z) 2 2 + 0.54
z − 2az cos ε + a 2 z 2 − 2az cos ε + a 2
x [n ] { n n
}
2 ( 4 ) cos [1.1864n ] + 0.54 ( 4 ) sin [1.1864n ] u [ n ]
Transformée en Z (TZ)
102 Propriétés de la transformée en z
5.Convolution en z : Soit le produit de deux séquences
x [n ] = x1 [n ] x2 [n ]
X ( z)* X ( z) 1
=X ( z) =1 2
Γ∫ X (ν ) X ( z /ν )ν dν
−1
2π j 2π j
1 2
X ( e jθ ) =
1
2π Γ∫
X 1( e jϕ
) X 2 e(j (θ −ϕ )
)
dϕ
6. Théorème de Parseval :
∑ X (υ ) X (υ ) υ
2π j ∫
2 1 −1 −1
x [ n] = dυ
n = −∞ Γ
∫ π X (e )
1 π
∑
2
jθ
x [n ] = dθ
2
n =−∞ 2π −
H (z)
z = e jθ
H (z)
z = e jθ
θ =π
π
θ=
Re {z} 2
θ =0
Im {z}
θ
Relation entre la TFSD et la TZ
106
La TFSD et la TZ sont
H (z)
rigoureusement z = e jθ
identiques au dessus
du cercle unité. On
explique ainsi aisément
la périodicité de la θ = ±π
TFSD.
θ =0 correspond à z =1
et θ = + ou -π , à z =-1. π
θ=
Re {z} 2
θ =0 Im {z}
10 Partie2
7
Fonction de transfert
108
∞ ∞
∞ −n ∞ ∞
(z)
Y= ∑
n =−∞
−n
y [n ]=
z ∑
n =−∞
∑ h [i ] x [n − i ]=
i =−∞
z ∑ ∑ h
n =−∞ i =−∞
[i ] z −i
x [ n − i ]z − ( n −i )
∞ ∞
= ∑ h [i ]z
i =−∞
−i
∑
n =−∞
− i ]z − ( n −i ) H ( z ) X ( z )
x [n=
Fonction de transfert
109
n
z
2. Division de la réponse y [n] du système DLI par lorsque son
excitation est
x [n ] = z n
∞ ∞
h [ n ]* z n
y [ n ]= h [n ]* x [n ]= ∑ h [i ]z = z ∑ h [i ]z = H ( z ) z ⇒ H ( z )=
n −i n −i n
n
i =−∞ i =−∞ z
( z ) terme
Ypar Transformée en z de l'output
3. Transformation H=(z) =
terme de l’équation aux différences en
X (décalage
utilisant la propriété de z ) Transformée en z de l'input
Fonction de transfert
112
Exemple 1 : ay [n ]
T a y [n=
] ay [n − 1] + x [n ]
ay [n − 1] h [n ] = a n u [n ]
y [n ]
x [n ] +
∞
1 z
• 1ère H (z)
méthode : = ∑ a n u=
n =−∞
[n ]z − n =
1 − az −1
z−a
, z >a
•2ème méthode :
y [ n ] = H ( z ) z n = aH ( z ) z n −1 + z n ⇒ H ( z ) (1 − az −1 ) z n = z n ⇒ H ( z ) =
1
1 − az −1
Fonction de transfert
113
Exemple 1 : ay [n ]
T a
ay [n − 1]
y [n ]
x [n ] +
•3ème méthode : Transformation directe de l’équation aux différences
y [n=
] ay [n − 1] + x [n ] Y ( z ) az −1Y ( z ) + X ( z )
=
Y (z) 1
⇒ H (z) = =
X ( z ) 1 − az −1
Fonction de transfert
114
z −1 a
aY ( z )
Y (z)
X (z) +
Y ( z ) az −1Y ( z ) + X ( z )
=
Fonction de transfert
115
x [n ] T T T T
b1 b2 b3 -a2 -a1
y [n ]
+ Espace
temps
X (z) z −1 z −1 z −1 z −1
b1 b2 b3 - -
a2 a1
Espace
+ Y (z) Z
Y ( z ) =( b0 + b1 z −1 + b2 z −2 ) X ( z ) − ( a1 z −1 + a2 z −2 ) Y ( z )
C’est la forme générale de la
Y ( z ) b0 + b1 z + b2 z −1 −2
=
H (z) = fonction de transfert d’un système
X ( z ) 1 + a1 z −1 + a2 z −2 de deuxième ordre.
Fonction de transfert
116
jθ
Par substitution de z = e dans la fonction de transfert du système
de deuxième ordre qui précède, , on obtient sa réponse en fréquence .
Pour chaque combinaison des paramètres , on trouve une fonction
différente. Par exemple, si on pose b=
0 1, b=
1 b=
2 0, on obtient un
cas particulier pour lequel :
jϕ ( e jθ )
H (e ) = A(e ) e
jθ 1 jθ
= − jθ − j 2θ
1 + a1e + a2 e
−π π θ
=
H (z) = i =0
générale de la fonction de transfert X (z) M
1 z2
H (z) =
1 + a1 z −1 + a2 z −2 z 2 + a1 z + a2
III IV
2x 2x
Fonction de transfert
121 Pôles et zéros des systèmes DLI
Im {z}
Re {z}
p <1
Le système est stable à la condition que (cercle unité),
sinon l’exponentielle diverge et h [n] n’est pas sommable en
valeur absolue: ceci nous conduite à une première propriété
sur la configuration pôles-zéros.
Fonction de transfert
124 Configuration pôles-zéros
1èreobservation :
Dans un système stable, tous les pôles sont situés à
l’intérieur du cercle unité. Les zéros peuvent se trouver à
l’intérieur ou à l’extérieur de ce cercle. Cette règle s’applique à
tous les pôles et constitue notre première observation sur le lieu
des pôles dans le plan z.
2èmeobservation : H ( e jθ )
Il est possible d’évaluer graphiquement. L’amplitude
z = e jθ en divisant le produit de toutes les distances entre
est obtenue
les zéros et le point par le produit de toutes les longueurs
entre ce dernier point et les pôles. La phase est obtenue en
additionnant toutes les contributions des zéros et en soustrayant
celles des pôles.
Fonction de transfert
125 Configuration pôles-zéros
illustrée ,
R3 R1
β1
β3
( e jθ ) A ( e jθ ) ∠ϕ ( e jθ )
1
H=
R4 θ
R2 1
A ( e jθ ) = 1 2
RR
Re {z}
R3 R4 β2
β4
ϕ ( e jθ ) = β1 + β 2 − β 3 − β 4
Simulation pôles-zéros
Fonction de transfert
127 Configuration pôles-zéros
3èmeobservation :
Si tous les zéros sont à l’intérieur du cercle unité, on a un
réseau à phase minimale. On peut projeter les zéros vers
l’intérieur du cercle, et changer ainsi la caractéristique de
phase sans changer la caractéristique d’amplitude à une
jθi
constante près. Cette projection implique que ri −1el’on substitue
jθi
pour chaque zéro re
i à à l’extérieur, un autre zéro à
. Ce processus est illustré dans la figure qui suit. On constate
que la caractéristique de phase du système à phase
minimale varie beaucoup moins et que le temps de
propagation de groupe est plus petit. C’est une règle
générale.
128 Configuration pôles-zéros
Réseau à phase minimale
Im {z}
Re {z}
θ θ θ
Plan z A ( e jθ ) ϕ ( e jθ ) d G ( e jθ )
Im {z}
Re {z}
θ θ θ
129 Configuration pôles-zéros
Im {z}
Re {z}
4èmeobservation :
Pour un réseau décaleur de phase, aussi appelé passe-tout,
H ( e jθ=
) 1 −π ≤ θ ≤ π
Im {z}
Re {z}
131 Configuration pôles-zéros
6èmeobservation :
Un système qui, à l’exception de l’origine, ne possède que des
zéros et que ceux-ci sont symétriques par rapport au cercle
unité ou situés sur le cercle unité, est un système à phase
linéaire: donc le délai de groupe est une constante.
Im {z}
Re {z}
132 Configuration pôles-zéros
7èmeobservation :
Les pôles et les zéros des systèmes en cascade se
superposent. Si un pôle et un zéro coïncident, ils s’annulent
mutuellement.
u(n)
x(n) y(n)
H1(z) H2(z)
H(z)= H(z)1x H2(z)
133 Configuration pôles-zéros
8èmeobservation :
Dans un système causal, le nombre de pôles est égal ou supérieur au
nombre de zéros, y inclus les pôles et les zéros à l’origine. Pour un
système d’ordre M, c0 z N + c1 z N −1 + .........cN
H (z) = M
z + d1 z M −1 + ......d M
en supposant que c0 ≠ 0 et que cN et dM ne sont pas tous les deux nuls.
On peut sous cette forme diviser le numérateur par le dénominateur et
ainsi exprimer H(z)
H ( z ) = e0 z N − M + e1 z N-M-1 + e2 z N-M-2 .........
La réponse impulsionnelle devient
] e0δ [n + N − M ] + e1δ [n + N − M − 1] + e2δ [n + N − M − 2].........
h [n=
Le système est causal siM ≥ N et . M − N est l’excédent pôles-
zéros.
134 Configuration pôles-zéros
9èmeobservation :
Tout système à temps discret DLI dérivé d’un système à temps
continu est causal.
135 Configuration pôles-zéros
10èmeobservation : réponse impulsionnelle
Les figures qui suivent illustrent la relation entre la position des
pôles et des zéros et la réponse impulsionnelle
Im {z}
Re {z}
Im {z}
Re {z}
Im {z}
Re {z}
Im {z}
Re {z}
Im {z}
Re {z}
2cos (θ 0 ) −1
2cos (θ 0 ) y [n ]
− y [n − 1]
y [ n ]= x [n − 1] + 2 y [ n − 1] cosθ 0 − y [ n − 2]
Y (z) =
z −1 X ( z ) + 2 z −1Y ( z ) cosθ 0 − z −2Y ( z )
Y (z) z −1
=
H (z) =
X ( z ) 1 − 2 z −1 cosθ 0 + z 2
p1,2 = cosθ 0 j sin θ 0
sin nθ 0
h [n ] = u [n ]
sin θ 0
141 y [n ]
x [n ]
+ T T
2cos (θ 0 ) −1
2cos (θ 0 ) y [n ]
− y [n − 1]
Determiner l’équation du
filtre representé sur la figure
ci-dessus
142 Oscillateur discret
Im {z}
Re {z}
Filtrage numérique
143
Signal analogique
T
Traitement
Bloqueur CAN
numérique
CNA
T T
Filtre de reconstruction Filtre
Signal analogique
144 Filtres DLI
FDNR RIF
FDR RII
14
7 Réseau canonique
Définition:
Un filtre DLI est dit canonique s’il contient le nombre
minimum d’éléments de retard nécessaires pour réaliser la
réponse en fréquence désirée.
14
8 Filtres discrets non-récursifs
(FDNR)
x [n ] T a
b + T
c d e
+ y [n ]
150 Filtres discrets non-récursifs (FDNR)
y [ n=
] cx [ n ] + bdx [ n ] + bex [ n − 1] + adx [ n − 1] + aex [ n − 2]
Y (z)
H (z) = =( c + bd ) + ( be + ad ) z −1 + aez −2
X (z)
x [n ] h( n ) = ( c + bd ) δ [n ] + ( be + ad ) δ [n − 1] + aeδ [n − 2]
ax [n − 1]
T a
bx [ n ] + ax [ n − 1]
bx [n ]
b + T
c d e bex [n − 1] + aex [n − 2]
bdx [ n ] + adx [ n − 1]
+
y [n ]
cx [n ]
151 Filtres discrets non-récursifs
(FDNR)cas non-canonique
Filtre non-canonique puisque sa réponse impulsionnelle est de
durée un alors qu’il comporte deux éléments de retard.
x [n ] T a
b T + y [n ]
b0 b1 b2 bN-1 bN
+ y [n ]
153 FDNR: réponse impulsionnelle
x [n − 1] x [n − 2] x [n − N ]
x [n ] T T T T
b0 b1 b2 bN-1 bN
+ y [n ]
N
=
h [n ] ∑ b δ [n − i ]
i =0
i
154 FDNR: fonction de transfert
ϕ ( e jθ )
π
−π
−θ1 θ1 π θ
−π
τ g (e ) =
jθ
−
d ϕ ( e jθ
) =
Constante
dθ
Discontinuité de π Discontinuité de π
h [n] de durée L
radians à θ = 0 radians àθ=π
Non Non Symétrique, L
impaire
Non Oui Symétrique, L
paire
Oui Oui Antisymétrique, L
impaire
Antisymétrique, L
Oui Non paire
161 Filtres à phase linéaire
h1 [ n ] h2 [ n ]
L=9 L=8
h3 [ n ] L=9 h4 [ n ] L=8
162 Filtres discrets récursifs (FDR) avec h[n]
infinie
ν [n ] 1
x [n ] y [n ]
+ T
0 n
Exemple 1
Y ( z ) az −1Y ( z ) + z −1 X ( z )
=
[n ] ay [n ] + x [n ]
ν=
Y (z) z −1 z
y [=
n ] ν [ n − 1] =
H (z) = = z −1
X ( z ) 1 − az −1 z−a
y [ n=
] ay [n − 1] + x [n − 1] h [n ] a n −1u [n − 1]
=
Exemple 2: h[n]? ν [n ]
+ T y [n ]
ν [n ] =− a 4 x [n − 4] + x [n ] + ay [ n ]
y [ n ] =− a 4 x [n − 5] + x [n − 1] + ay [ n − 1] a
Y (z) =
− a 4 z −5 X ( z ) + z −1 X ( z ) + az −1Y ( z )
z −1 (1 − a 4 z −4 ) ( z 4
− a 4
)
H ( z=
)
1 − az −1
= z −4
( z − a )
= z −4
( z 3
+ az 2
+ a 2
z + a 3
)
=z −1 + az −2 + a 2 z −3 + a 3 z −4
h [n ]= δ [n − 1] + aδ [n − 2] + a 2δ [n − 3] + a 3δ [n − 4]
Il s’agit d’un filtre FDR à RIF.
164 Filtres discrets récursifs (FDR)
Commentaires :
0 n
165 Filtres discrets récursifs (FDR)
Commentaires :
+ a 2δ [n − 3] + a 3δ [n − 4]
ν [n ]
+ T y [n ]
a
166 Filtres discrets récursifs (FDR)
Commentaires :
4) Il faut toujours supposer que les registres ont un état initial nul
lorsque le système est mis sous tension de sorte que la réponse
du système est entièrement déterminée par l’excitation.
a >1
Il peut même arriver, comme dans le cas ci-dessus avec
qu’un système stable au départ devienne instable.
167 Structure des réseaux
b0 b1 b2 bN
+ Y (z)
aM aN a1
Réseaux parallèles:
Ex: décomposer la fonction H(z) en une somme de fraction
simple.
x [n ] h1 [n ] + y [n ]
[n ] h1 [n ] + h2 [n ]
h=
=
H ( z ) H1 ( z ) + H 2 ( z ) h2 [n ]
x [n ] h2 [ n ] + y [n ]
[ n] h2 [ n] + h1 [ n]
h=
H ( z ) H 2 ( z ) + H1 ( z )
= h1 [ n ]
170
Structure des réseaux
X (z) H1 ( z ) H2 ( z ) Y (z)
H ( z ) H1 ( z ) H 2 ( z ) ⇒
= = h [n ] h1 [n ]* h2 [n ]
171 Structure des réseaux
Boucle fermée ou rétroaction
G (z)
E (z) F (z)
H (z) =
1− F ( z)G ( z)
172 Structure des réseaux
H1 ( z )
Exemple
X (z) H2 ( z ) + H3 ( z ) Y (z)
+
H4 ( z )
à vérifier?
173 Structure des réseaux: forme
directe 1
M N
y [n ]
= ∑ a y [ n − i ] + ∑ b x [n − i ]
i
i 1 =i 0
i
X (z)
z-1 z-1 z-1
b0 b1 b2 bN
M N
Y (z) ∑ i
a z −i
i 1 =i 0
Y ( z ) + ∑ i X (z)
b z −i
Y (z)
+
N
Y (z) ∑i
b z −i
aM aN a1
=
H ( ) =
z i =0
i =1
La forme directe 1
174
•Le réseau dérivé de la forme
générale de la fonction de transfert
s’appelle la forme directe 1 .
X (z)
z-1 z-1 z-1
•Cette structure non canonique
comporte N + M retardateurs. b0 b1 b2 bN
A( z ) Y (z)
N M
+
B ( z ) = ∑ bi z − i A ( z ) = ∑ ai z − i
i =0 i =1 aM aN a1
A( z ) B(z)
H (z) =
1 − A( z )
176 La forme directe 2
x [n ] +
aM a M −1 aN a1
T T T T
ν [n − N ] ν [n − 1] ν [n ]
T T
Les deux séries
bN b1 b0
d’éléments mémoire
contiennent exactement
le même signal ν [n − i ] + y [n ]
177
La forme directe 2
X (z) +
aM a M −1 aN a1
bN b1 b0
+ Y (z)
178 La forme directe 2
x [n ] T x [n ] +
b0 b1
−a1
y [n ]
+ T
b1 b0
−a1
b0 + b1 z −1
T H (z) = + y [n ]
1 + a1 z −1
+ y [n ]
T T
b2 b1 b0
−a2 −a1
T T + y [n ]
b0 + b1 z −1 + b2 z −2
H (z) =
1 + a1 z −1 + a2 z −2
182 Réseaux en cascade
Soit à réaliser une fonction de transfert de la forme :
H ( z ) = H1 ( z ) H 2 ( z ) H 3 ( z ) ........H k ( z )
X (z) H1 ( z ) Hk ( z ) Y (z)
dans lesquelles les coefficients sont réels et les pôles et le zéros sont
soit réels ou bien par paires conjuguées. En pratique on combine
autant que possible les pôles et les zéros réels pour constituer un
terme quadratique ce qui facilite à la fois la notation et la réalisation.
183
Question
x [n ] + +
−0.5 −0.6 −0.4
T T T
+ + y [n ]
← Premier ordre → ← Deuxième ordre →
Donner la transmittance
H(z)du filtre representer sur la
figure ci desous
184 Réseaux en cascade
Exemple 1 x [n ] + +
−0.5 −0.6 −0.4
0.5 + 0.5z −1
H1 ( z ) = T T T
1 + 0.5z −1
0.5 0.5 3.8 3.4 4.6
z = −1
= −0.37 0.83 j
23 + 40 z −1 + 36 z −2 + 19 z −3
H (z) =
10 + 9 z −1 + 8 z −2 + 3z −3 p = −0.2 0.75 j
= −0.5
185 Réseaux en cascade
x [n ]
+ +
Exemple 2
−0.6 −0.3 −1.1
T T T
1 + z −1 + z −2 + z −3
H (z) =
1 + 1.7 z −1 + 0.96 z −2 + 0.18 z −3
y [n ]
+ +
H (z) =
( 1 + z )(1 + z )
−1 −2
Les pôles et les zéros des structures élémentaires dans les réseaux
en cascade constituent exactement les pôles et les zéros de la
fonction de transfert globale. Il n’en est pas ainsi pour la forme
parallèle de réalisation.
186 Réseaux en parallèle
H ( z ) =H ( z ) + H ( z ) ... + H ( z )
0 1 k
−0.5 T
+
y [n ]
+
−23/15
+
−0.4 T 1/15
+ T
−0.6
donc on obtient
+ y [n ]
G ( z )= H ( z )= 1 − z
N −N
−π π θ
G ( e jθ )
2
−π π θ
192 Filtres à échantillonnage en fréquence
Lorsque le filtre en peigne précédent est mis en cascade avec
un réseau récursif dont certains pôles coïncident avec des
zéros du filtre en peigne, on obtient un filtre dit à
échantillonnage de fréquence réalisant des valeurs choisies
de fonction de transfert à des fréquences précises.
La partie récursive du filtre est réalisée avec des sections de
deuxième ordre. (Parfois avec une section de premier ordre si
l’on requiert un pôle en z = 1 ou z = -1).
Les fréquences choisies sont espacées régulièrement sur
l’intervalle c’est à dire pour N pair,
2π 4π N − 2 2π
θ = 0, , ,.....
N N 2 N
ou, pour N impair,
2π 4π N − 1 2π
θ = 0, , ,.....
N N 2 N
193 Filtres à échantillonnage en fréquence
La figure qui suit illustre le schéma fonctionnel d’un tel filtre
pour N impair. Dans ce schéma, Hi peut être nul pour certaines
valeurs de i.
H0 / N
1 − z −1
H1 / N H −1 / N
+
1 − z −1 e j 2 π / N 1 − z −1 e − j 2 π / N
X (z) 1 − z−N Y (z)
+
H2 / N H −2 / N
+
1 − z −1 e j 4 π / N 1 − z −1 e − j 4 π / N
Hk / N H −k / N
+
1 − z −1e jk 2π / N 1 − z −1e − jk 2π / N
194 Filtres à échantillonnage en fréquence
Exemple de réalisation avec N = 5
H=0 H= −2 H= 2 0 et H= 1 H= −1 3
=
(1 − z ) (6 − 6z
−5 −1
cos 2π / 5)
5 1 − 2 z −1 cos 2π / 5 + z −2
=
( z 5 − 1) ( 6 z − 1.854 )
5z 4 ( z 2 − 0.62 z + 1)
Ce système possède quatre zéros et quatre pôles, ces
derniers étant à l’origine. La réponse en fréquence demeure
zéro aux fréquences qui ne sont pas compensées (θ = 0 et θ
=±4π/5). Aux fréquences compensées, la réponse est égale à
H1=H-1=3. Les On aurait pu choisir toute valeur complexe
désirée si on désire aux fréquences compensées un déphasage
précis.
195 Filtres à échantillonnage en fréquence
3/ 5 3/ 5
X (z) 1− z −5
+ Y (z)
1 − z −1 e j 2 π / 5 1 − z −1 e − j 2 π / 5
A ( e jθ ) 3 Im {z}
2π
5
−π π θ Re {z}
4π 2π 2π 4π
− −
5
( )
5 ϕ e jθ 5 5
θ
196 Filtres à échantillonnage en fréquence
Ce type de filtre est une solution attrayante pour un filtre à
bande étroite, N étant alors assez grand et le réseau récursif
très simple. En pratique, la compensation parfaite est
problématique et de plus le filtre est facilement instable si
les pôles sont au delà du cercle unité. Alors que l’on peut
facilement réaliser les zéros, c’est plus difficile pour les pôles
car, au mieux, on peut les placer dans le voisinage des zéros.
On situe donc les zéros et les pôles à l’intérieur du cercle unité
en localisant les zéros au moyen de H ( z ) = 1 − (α z −1 )
N
où α
est légèrement inférieur à un.
Observons que les conditions initiales non nulles peuvent
avoir un effet durable sur la réponse du filtre puisque les pôles
sont près du cercle unité.
197 Transposition
(a ) x [n ] (b) y [n ]
T T
a c
+ T + T
b
a b c
+ y [n ] x [n ]
(a ) x [n ]
Transposition
T T
198
a b c
a) Filtre transversal
+ y [n ]
simple
(b)
b) Version transpo- y [n ]
sée de ce filtre
+ T + T
transversal.
a b c
c) Version transpo-
sée dessinée x [n ]
avec l’entrée à (c)
droite.
x [n ]
c b a
T + T + y [n ]
199
x [n ] + + y [n ]
α3 α1
T T
T T −1
α4 α2
+ +
α3 α2 α1
−α 3 −α 2 −α1
+ T + T + T
β0 β1 β2 β3
y [n ]
+
Filtre en treillis avec des pôles et zéros
20
3
particulièrement si une δ2
θb θc π θ
caractéristique de phase linéaire est 0
requise.
Spécifications
20
5
A ( e jθ )
Bande de
transition
1 + δ1
1
1 − δ1
Bande affaiblie
Bande passante
δ2
0 θb θc π θ
•La caractéristique désirée ne doit pas passer par les zones hachurées.
Bande affaiblie
Bande passante
δ2
0 θb θc π θ
•Elle est de d2 dans la bande affaiblie, alors que dans la bande de transition,
aucune spécification n’est donnée. La courbe ci-dessus satisfait
exactement la spécification.
207 Processus de conception
−3π −π 0 π 3π θ
A2 ( e jθ )
Passe-haut
−3π −π 0 π 3π θ
A3 ( e jθ )
Passe-bande
−3π −π 0 π 3π θ
A4 ( e jθ )
Coupe-bande
−3π −π 0 π 3π θ
209 Filtres non classés
D’autres filtres que ceux mentionnés ci-dessus sont parfois utiles dont
H D ( e jθ ) ϕ D ( e jθ )
π
π 2
−π
θ
π
θ π
−π π −
0 2
210 Filtres non classés
b) L’intégrateur est défini par la relation :
H I ( ejθ ) 1/ jθ ,
= θ ≤π
H I ( e jθ ) ϕ I ( e jθ )
π
2
θ
−π π
π
−π π θ −
0 2
211 Filtres non classés
j 0≤θ ≤π
c) Transformateur de Hilbert : HH (e ) =
jθ
− j −π ≤ θ ≤ 0
ϕ H ( e jθ )
H H ( e jθ ) π
2
θ
−π π
π
θ −
−π 0 π 2
θ
−π −.4π .4π π n
⇓ ⇑ Décalage
hd [n] h f [n]
⇒
n n
TFISD Fenêtrage
216 Conception par TFSD et fenêtre
∞
Rappelons ici que : H (e jθ
) = ∑ h [ n ]e − jnθ
(TFSD)
n = −∞
L −1
=∑ h [ n ]e − jn θ
n =0
D’autre part :
H ( ejθ ) ejnθ dθ
1 π
h[ n] = ∫π ( TFISD )
2π −
217 Conception par TFSD et fenêtre
dualité temps-fréquence
n=0
0 ailleurs sin θ / 2
Ainsi : ( e jθ ) W ( e jθ ) ⊗ H d ( e jθ )
H=
n −.4π .4π θ
w [ n] W ( ejθ )
n θ
H (e jθ
)
h[ n]
n −π −.4π .4π π θ
Et quoi à propos du décalage: n’affecte pas |H()|
Et W()=δ() que peut-on déduire?
221 réponse en fréquence de la Fenêtre
rectangulaire
W ( ejθ )
dB
w [ n]
n
222
Filtre à fenêtre rectangulaire
H ( ejθ )
1.09
h[ n]
Filtre passe-bas à
fenêtre rectangulaire
avec
= θ 0.4
d = π , L 20
Filtre passe-bas à
fenêtre rectangulaire A ([en)]
h jθ
Bande de
avec 1 + δ1
transition
=θ d 0.4
= π , L 20 1
1 − δ1
Bande affaiblie
Bande passante
δ2 n
0 θb θc π θ
w [ n]
2n L −1
L −1 0 ≤ n ≤
2
Fenêtre de Bartlett : w [ ]
n =
2 − 2n L−1
< n ≤ L −1
L−1 2
1 2π n
Hanning : w [=
n ] 1 − cos 0 ≤ n ≤ L −1
2 L −1
0
ailleurs
227 Fenêtres
Hamming :
2π n
0.54 − 0.46cos 0≤ n ≤ L −1
w [ n] = L −1
0 ailleurs
Blackman :
− 2π n + .08cos 4π n 0≤ n ≤ L −1
0.42 0.5cos
w [ n] = L − 1 L − 1
0 ailleurs
228 Fenêtres
w [ n]
230 Filtre à fenêtre de Hanning
H ( ejθ )
dB
h[ n]
=θ d 0.4
= π , L 20
231 Fenêtre de Hamming
W ( ejθ )
dB
w [ n]
Fenêtre de H amming
232 Filtre à fenêtre de Hamming
H ( ejθ )
dB
h[ n]
W ( ejθ )
dB
w [ n]
Fenêtre de Blackman
234 Filtre à fenêtre de Blackman
H ( ejθ )
dB
h[ n]
w [ n] =
(
I 0 β 1 − ( 1 − 2n/ L )
2
)
I0 (β )
dans laquelle I0 est une fonction de Bessel de premier ordre et β est
un facteur de forme qui détermine le compromis entre la largeur de la
bande passante et le lobe maximum dans la bande affaiblie.
Typiquement, 4 < β < 9 alors que I0 est exactement calculée à partir
de la série :
2
∞ ( x / 2) m
I 0 ( x )= 1 + ∑
m=1
m!
dont il suffit, la plupart du temps, de prendre les quinze premiers termes.
Fenêtres de Kaiser
238
w [ n]
β
A 1
B 2
C 3
D 4
E 5
F 6
G 7
1
Formules de Kaiser empiriques : 1 − δ1
Kaiser a aussi développé des formules empiriques pour calculer β et L à
partir des valeurs désirées de la bande de transition et du lobe maximum
Bande passante
Bande affaiblie de
(θ − θ ) A = −20log(δ 2 )
0 θ θ π θ
∆θ = c b
b c
2π
A est l’atténuation dans la bande affaiblie, ( on s’attend ici à ce queδ 1 ≈ δ 2 ).
Alors selon Kaiser, l’ordre du filtre est
A − 7.95
L=
14.36 ∆θ
alors que le facteur β est donné par :
0.1102( A − 8.7) pour A ≥ 50
β =
0.5842( A − 21)0.4
+ .07886 ( A − 21) pour 21<A <50
Ces valeurs sont précises à 1% près.
241 Utilisation de fenêtres
Exemple
Soit à réaliser un filtre passe-bas de spécifications :
= A 50dB, = θ b 0.2π=, θ c 0.3π donc =∆θ .05
Hamming
Dans la table en page 39, la fenêtre de Hamming permet une
atténuation de 53 dB dans la bande affaiblie. Dans cette table
la bande de transition est donnée par
2π 3.3
θ c − θ b = 3.3 c'est àdire que L = = 66
L ∆θ
Le passe-bas idéal doit avoir une fréquence de coupure à
θ d = 0.25π puisque la bande de transition est centrée sur cette
fréquence de coupure.
242 Utilisation de fenêtres
hd [n] devient : H d ( ejθ )
H d ( e jθ ) e jnθ dθ
1 π
hd [ n ] = ∫π
2π −
.25π
−π −.25π .25π π θ
1
∫
jnθ
= e dθ
2π −.25π hd [n]
1 e jnθ
= .25
( e jn.25π − e − jn.25π )
.25π
h1 ( n − L/ 2) ↔ e− jθ L/ 2 H 1 ( ejθ )
Le résultat est présenté dans la Fig. 47
244 Filtre à fenêtre de Hamming
H ( ejθ )
dB
A = 50dB,
=θ b 0.2
= π , θ c 0.3π
L=66
245 Filtre à fenêtre de Kaiser
Kaiser:
Pour la fenêtre de Kaiser, on obtient que :
50 − 7.95
=
L β .1102 ( 50 − 8.7
≈ 59, = = ) 4.55
14.36 (.05)
Dans ce cas :
h1 [ n ] = .25sinc.25 ( n − 29 ) , h [n ] = h1 [ n ].* Kaiser(59,4.55)′
H ( ejθ )
dB
A = 50dB,
=θ b 0.2
= π , θ c 0.3π
L=59, β =4.55
Échantillonnage de fréquences
247
(Utilisation de la TFD et la TFDI)
Dans la conception de filtres RIF par échantillonnage de
fréquences, on part du principe que L valeurs de la fonction de
transfert dans le domaine de la fréquence, dans l’intervalle
fondamental, doivent permettre, avec la TFDI, d’obtenir les n
valeurs de la réponse impulsionnelle h [n] du filtre à concevoir.
H p [ k]
TFDI
h[ n] k
TFSD A ( e )
jθ n
ϕ ( ejθ )
249 Échantillonnage de fréquences:
importance de la phase!!!
Dans quelle mesure réussit-on à approcher la caractéristique
souhaitée H d ( e ) ?
jθ
0 ailleurs
On obtient une caractéristique de phase qui correspond
exactement au décalage de L/2 de h [n] , donc le même
décalage utilisé dans la méthode des fenêtres.
250 Échantillonnage de fréquences
2π
Ainsi on pose: θ = k
L
H p [ k]
h[ n] k
A ( ejθ )
n
ϕ ( ejθ )
252 Échantillonnage de fréquences:
avec phase ignorée
Par contre si on pose simplement:
1 ,0 ≤ k ≤ 8, 25 ≤ k ≤ 33
H p [ k] =
0 ailleurs
h[ n]
n
A ( ejθ )
ϕ ( ejθ ) θ
θ
25
4 Échantillonnage de
fréquences
On peut améliorer la méthode de conception par
échantillonnage de fréquences en réduisant la valeur des
échantillons de H p [ k] près des zones de transition. De ce fait,
on élargit la zone de transition, au profit d’une réduction des
erreurs et de l’augmentation de l’atténuation dans la bande
affaiblie.
La figure qui suit illustre le résultat lorsqu’on pose
H p [ 8] H
= = p [ 25] 1 (courbe I)
et autrement
H p [ 8] H
= = p [ 25] .3904 ( courbe II ).
25
5 Échantillonnage de
fréquences
H ( ejθ )
dB
I
II
25
6 Filtres à ondulations
constantes
Dans ces filtres, les écarts par rapport à la caractéristique
désirée sont réparties uniformément sur toutes les fréquences.
En fait, l’erreur maximale est minimisée mais elle se reproduit
plusieurs fois dans chaque bande sous la forme d’ondulations
d’où le nom de ce type de filtre.
25
7 Filtres à ondulations
constantes
δ1 peut être différent de δ2 selon la pondération imposée par
le concepteur. Le calcul d’un filtre à ondulations constantes
nécessite un algorithme relativement lourd à exécuter. Un tel
algorithme, celui de Parks-McLellan est disponible dans Matlab
avec le fichier exécutable remez.m dans lequel il faut spécifier
les plateaux d’amplitude, les plages de fréquence et la
pondération relative de δ1 et δ2 .
25
8 Filtres à ondulations
constantes
Il faut aussi préciser l’ordre du filtre estimé selon la formule
empirique de Kaiser :
(10log10 (δ1δ 2 ) + 15 )
L= − +1
14 ∆ θ
où
θ − θb
∆θ =c
2π
Le schéma suivant illustre un exemple de filtre calculé avec
Parks-McLellan dans lequel
= =
L 51, θ b 0.2π=
, θ c 0.3π=
, δ 1 4δ 2
Filtres à ondulations constantes
25
9
H ( ejθ )
dB
H ( ejθ )
h[n]
26
0 Filtres à phase linéaire
Une propriété importante des FDNR, aussi applicable de façon
générale aux RIF, est qu’ils peuvent présenter une caractéristique
de phase linéaire :
ϕ ( e jθ )
π
−π
−θ1 θ1 π θ
−π
26
1 Filtres à phase linéaire
Discontinuité Discontinuité h [n] de durée L
de π radians de π radians
àθ=0 àθ=π
Non Non Symétrique, L
impaire
Non Oui Symétrique, L
paire
Oui Oui Antisymétrique, L
impaire
Antisymétrique, L
Oui Non paire
262 Filtres à phase linéaire
ha [n]
hb [n]
•Les filtres RIF à phase
linéaire sont importants.
Symétrique Symétrique
L impair
•Il existe quatre types de L pair
filtres RIF à phase
linéaire selon la
hc [n] hd [n]
symétrie de leur
réponse impulsionnelle
et le nombre de ses
A ntisymétrique A ntisymétrique
échantillons.
L impair L pair
263 Filtres à phase linéaire
Symétrique L −1
L impair Ha (e
jθ
) = ∑a e − jnθ
ha [n] a a1
n
a3 a2 1 a2 a n =0
3
= aM + aM −1e− jθ ......
aM aM −1 aM −1 aM
+ a1e− j ( M −1)θ +
a0 a0e− jM θ + a1e− j ( M +1)θ
+.... + aM e− j ( L−1)θ
H ( ejθ ) L −1
M= (L −1)/ 2
− ji θ
a0 + ∑ ai (e + e )
2 − jM θ ji θ
=
e
i =1
(L −1)/ 2
=θ e − jM θ a0 + 2 ∑ ai cos i θ
i =1
264 Filtres à phase linéaire
a (e ) ∑ H a (e )=∑ ( −1) h [ n ] ≠ 0
jπ
H= h [ n ] ≠ 0 et
j0 n
n = −∞ n = −∞
( L −1) / 2
a (e ) a0 + 2 ∑ ai cos iθ
=
H jθ
e − jM θ
i =1
265 Filtres à phase linéaire
hb [n]
b3
b2 b1 b1 b2
b3 Symétrique H b ( ejθ ) =
bM + bM −1e− jθ + .....
L pair
....b1e− j ( M −1)θ + b1e− j ( M )θ
bM bM +....bL−1e− j ( L−1)θ
− j ( M −1/ 2)θ
Hb (e jθ
)
=e [ bM ej ( M −1/ 2)θ ....
L
M= + b1ejθ / 2 + b1e− jθ / 2 .......
2
j ( M −1/ 2)θ
bM e− ]
M
= 2e − j ( M −1/ 2)θ
∑ b cos( i − 1/ 2)θ
i =1
i
∞ ∞
Hb (e jπ
) =∑ ( −1) h[ n] = = b (e ) ∑ h[n] ≠ 0
n j0
0 H
n=−∞ n=−∞
c (e ) ∑ ∑ ( −1) h[n] =
n
=
H j0
= h[ n] 0 0
n=−∞
n=−∞
θ ∞
H d ( ejπ ) =
∞
d (e ) ∑ ∑ ( −1) h[n] ≠ 0
n
H= j0
= h[ n] 0
n=−∞
n=−∞
Méthode 1
Conception des filtres IIR par
Invariance impulsionnelle
Rappel: Échantillonnage
27
4 Echantillonner un signal x(t) consiste à le multiplier par un train
d’impulsions de période :
∞
= (t ) δT (t )
y (t ) x= ∑ x (nT )δ (t − nT )
n =−∞
Sa transformée est :
X (ω ) ∗ δT (ω )
[ y (t )] [ x (t=
Y (ω) =
= ) δT (t )]
2π
2π
∞
X ω − k
Y (ω ) = ∑
T
(a) X( ω)
k =−∞ T
A
Si la fréquence
d’échantillonnage est
t −2π / T 2π / T ω
trop basse, le filtre
discret ne reproduit pas
hd [n]
H a ( ejθ )
A
les qualités du filtre T
analogique.
T
n −2π 2π θ
277 Invariance impulsionnelle: Relation
entre les pôles cas continu et
discret?
Partons de la fonction de transfert analogique exprimée sous
la forme d’une somme de fractions partielles :
M
Ak
H a ( s) = ∑
k=1 s − sk
M
ha ( t ) = ∑ Ak eskt
k=1
278 Invariance impulsionnelle
ρ k = eα T
k φ k = β kT
•Le module du pôle discret est entièrement déterminé par la
partie réelle du pôle analogique et sa phase par la partie
imaginaire de ce pôle.
Solution eBT T
ha (t ) = A e Bt u −1 (t )
h [ nT ] A=
= e BnT u [ n ] hd [ n ]
A
H d (z ) = p 1 = e BT
1 − e BT z −1
Le schéma-bloc du réseau discret est illustré
282 Invariance impulsionnelle
2 ( s + a) 1 1
Exemple 2 H ( s)
= = +
( s + a)2 + b2 s + a + jb s + a − jb
1 1
Solution
= Hd ( z ) +
1 − z −1e − aT e − jbT 1 − z −1e − aT e + jbT
1 − z −1e − aT e + jbT + 1 − z −1e − aT e − jbT
=
(1 − z −1e− aT e− jbT )(1 − z −1e− aT e+ jbT )
2 z ( z − e − aT cos bT ) 2 z ( z − e − aT cos bT )
=
( z − e− aT e− jbT )( z − e− aT e+ jbT ) z 2 − 2 ze− aT cos bT + (e− aT )2
Les pôles discretsp i = e si T ont un rayon ρ = e
− aT
et une phase
φ = bT . Le zéro en s = −a devient z = e− aT cosbT et sa
valeur dépend des pôles.
283 Invariance impulsionnelle
2 s + 22
Exemple 3 H (s) =
( s + 1) ( s 2 + 4 s + 13)
Solution
2 as + b 2 2s + 4
H ( s) = + 2 = − 2 H(z) possède des
s + 1 s + 4 s + 13 s + 1 s + 4 s + 13
pôles en
2 2 ( s + 2)
= − h(t ) = 2e-t
- 2e-2t
cos(3t ) p1 = e − T ,
s + 1 ( s + 2) + 3
2 2
p2 = e −2T e j 3T ,
2 1 1 p3 = e −2T e − j 3T
=− −
s +1 s + 2 + 3 j s + 2 − 3 j
et des zéros en
2 1 1 z1 = 0
H ( z ) = −1 − T − −
1− z e 1 − z−1e−2T e−3 jT 1 − z−1e−2T e3 jT − e−3T + e−2T cos3T
z2 =
=
{
2z e−T − e−2T cos3T z + e−4T − e−3T cos3T } 1 − e− T cos3T
( z − e−T )( z2 − 2ze−2T cos3T + e−4T )
284 Invariance impulsionnelle:
influence de T=1/fe
Exemple 3
T = 0.2
T = 0.5
T =1
t t t
285
Invariance impulsionnelle: Influence
de T
Exemple 3
H d (ω )
H a (ω )
2pi
ω
286 Méthode 2:
Transformation bilinéaire
2 − sT 2 + sT
=z−1 = ou z
2 + sT 2 − sT
Im [ s] Im [ z]
s= 0
0 Re[ s] 1 Re[ z]
s =± j ∞
289 Transformation bilinéaire
Aussi, lorsque Re{s} < 0 , avec s =− a + jb, a > 0 ,
2 − aT + jbT ( 2 − aT )2 + ( bT )2
=z = <1
2 + aT − jbT ( 2 + aT ) + ( bT )
2 2
Im [ s] Im [ z]
s= 0
0 Re[ s] 1 Re[ z]
s =± j ∞
290 Transformation bilinéaire
Im [ s] Im [ z]
s= 0
0 Re[ s] 1 Re[ z]
s =± j ∞
291 Transformation bilinéaire
Posonss = jω a dans la définition de la transformation bilinéaire.
Alors z = 1 et on peut écrire que
2 + j ωaT
jθ ω aT
=
z e= et θ = 2tan −1
2 − j ωaT 2
laquelle définit la relation non linéaire entre la fréquence
analogique ωa et la fréquence discrète θ telle qu’illustrée.
θ = ω dT
π
−10 −5 5 10 ω aT
−π
292 Transformation bilinéaire
θ = ω dT
π
−10 −5 5 10 ω aT
−π
293 Transformation bilinéaire
θ = ω dT
π
H d ( ejθ )
ω aT
−π
H a (ω )
ω aT
295 Transformation bilinéaire
H a (ω T )
H d ( ejθ )
θ
ωT
299 Transformation bilinéaire
aussi.
H d ( z ) = H a ( s ) s = 2 z −1
T z +1
302 Pré-gauchissement
303 Transformation bilinéaire
a
Exemple 1 H (s) =
s+a aT
= (1 + z −1 ) 2 + aT
a
Solution Hd ( z=
)
2 z −1 2 − aT −1
+a 1− z
T z +1 2 + aT
H a (ω )
ωa
H d ( ejθ )
ωd
305 Transformation bilinéaire
s+b
Exemple 2 H (s) = k
s+a
Solution 2 z −1 2 − bT
+b z−
T z +1 bT + 2 2 + bT
=H d ( z ) k= k
2 z −1
+ aT + 2 z − 2 − aT
a
2 + aT
T z +1
∏ (s− s )
m
H a ( s) = m=1
Ma
sm et sk étant respectivement les zéros
∏ s− s k
et les pôles de H a ( s) .
k=1
307 Transformation bilinéaire des pôles-zéros
On peut ensuite simplement poser que
Na
∏ (1 − z−1
zm )
( z) b0 (1 + z
Hd= )
−1 M a − N a m=1
Ma
∏ (1 − z
k=1
−1
pk )
2 + smT 2 + skT
=
Avec zm = , pk
2 − smT 2 − skT
On voit ici apparaître un certain nombre de zéros à z = -1
lesquels correspondent à autant de zéros de Ha(s) à ω = ∞.
Le facteur d’échelle b0 est calculé avec l’identité :
H a ( 0) = H d (1)
308 Transformation bilinéaire des pôles-zéros
Exemple a 2 − aT
H ( s) = , sk = − a, pk =
s+ a 2 + aT
( z) b0 (1 + z−1 ) 2 − aT ,
a
Hd=
1− z−1
2 + aT
2ab0 2T
H a ( 0) =1 =H d (1) = ⇒ b0 =
2 − aT 2 + aT
1−
2 + aT
aT
) (1 + z−1 ) 22 +− aT
H d ( z= aT
1− z−1
2 + aT
conformément au résultat qui précède.
Conception de filtre RII par
transformation bilinéaire
309