Vous êtes sur la page 1sur 309

RT 722:

Traitement numérique
1

avancé des signaux.


Signaux: continus, déterministes, périodique
2
Les signaux continus sont définis pour toute valeur de t sur
l’intervalle [ −∞ , ∞ ] .
Un signal est déterministe s’il est connu sans aucune incertitude.
De tels signaux sont entièrement prévisibles.

Une fonction f (t) , réelle ou complexe, est périodique si pour


tout t : s(t) = s (t+kP)
La plus petite valeur de P est la période fondamentale du signal:
P = 2π / ω0
La fréquence fondamentale est: ω 0 = 2π / P en rad/s
f = 1/ P en Hz

Lorsque le signal n’est pas périodique, on dit qu’il est apériodique


3 Signaux d’énergie

L’énergie totale E d’un signal est :


∞ ∞
= ∫= ∫
* 2
E s (t )s (t )dt s (t ) dt
−∞ −∞

Fondamentalement, un signal est dit


d’énergie si son énergie totale E est
finie.
4 Signaux de puissance

La puissance moyenne Pmoy d’un signal


sur t ∈ [t 1 ,t 2 ]
t2
1
= ∫
2
Pmoy s( t ) dt
t 2 − t 1 t1

Un signal est dit de puissance, si sa


puissance moyenne P est finie mais
n'est pas nulle :
2
1 T
T →∞ 2T ∫− T
P= lim s(t ) dt= M < ∞
5 Série complexe de Fourier

Un signal périodique réelle x de période P, continue et dérivable


par intervalles peut se décomposer en une somme pondérée de
fonctions exponentielles complexes.

s (t ) = ∑
m = −∞
cm e jmω0t
les cm sont des constantes réelles ou complexes

• Le signal s(t) peut être décrit comme une combinaison linéaire


infinie de signaux périodiques complexes (ejm ω0 t) pondérés par les
cm .
6 Spectre de fréquences

Les coefficients complexes {cm} sont calculés par.

1 2π
P <∫P>
− jmω0t
=cm = s( t ) e dt , P
ω0

L’ensemble des {cm} est unique et il représente f (t)


entièrement. En fait, il constitue une forme alternative de
représentation du signal. Donc si s1(t) et s2(t) ont le même
spectre alors s1(t)=s2(t).

Les cm révèlent le contenu en fréquence de s (t) et


apparaissent à des valeurs discrètes (mω0) de la fréquence ω
sur l’intervalle [ −∞ < ω < ∞ ] .
L’ensemble {cm} est le spectre de fréquences discrètes de s
(t).
7 Série trigonométrique
Un signal périodique réelle s(t) de période P, continue et dérivable par
intervalles peut se décomposer en une somme pondérée de fonctions
sinusoïdales simples connue par la série trigonométrique et elle
est sous la forme suivante :


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.

Les coefficients de la série sont :

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

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

Pour une fonction périodique, la puissance moyenne :


1 2 1
P <P∫ > ∫
=Pmoy = f (t ) dt f (t )f ∗ (t )dt
P <P >

1
= ∫ f (t )∑c me jmω0t dt

P <P > −∞

1 ∞ ∞ ∞
= ∑ c m ∫ f ∗ (t =
)e jmω0t dt ∑
= ∗

2
c c m m cm
P −∞ <P > m = −∞ m = −∞

Selon Parseval, on peut interpréter que la puissance d’un


signal est répartie sur ses composantes spectrales selon la
formule : 2

1
f (t ) dt ∑ cm
2
= Pmoy = ∫
P < P> m =−∞
15 Transformée de Fourier


F (ω ) = ∫ f (t ) e − j ωt dt
−∞

1 ∞
f (t ) =
2π ∫
−∞
F (ω )e j ωt d ω

•F (ω) est la transformée de Fourier de f (t ) et aussi son


spectre de fréquence.
• f (t) est la transformée inverse de F (ω).
• f (t) et F (ω) constituent une paire de transformées
souvent représentée par la notation :

f (t ) ↔ F (ω )
16

=F ( w) a ( w) cos(α w) + jb( w)sin(α w)


 R ( w)e jα w
17 Lien entre Série et Transformée de Fourier

•La T.F du signal suppose que le signal est stationnaire.

•On a un spectre de raies lorsque le signal est périodique.

•Lorsque la période P tend vers l’infini, la fonction devient


apériodique et sa fréquence fondamentale ω0 tend vers zéro.

•L’intervalle ω0 entre les composantes spectrales diminue et le


nombre de composantes augmente.

•L’amplitude des cm tend vers zéro mais le produit cmP


demeure fini et indépendant de la période.

•Éventuellement, lorsque P = ∞, le spectre devient une


fonction continue de ω.
18 Paires de transformées

• 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

• Fonction signe : Sign (t )


Sign( t )
 1 pour t > 0
= =
s (t ) Sign(t) 
 −1 pour t < 0 1

s(t ) =−1 + 2u(t ) t


-1

d s (t )  d s (t ) 
= 2δ (t )  = 2= j ωS(ω )
dt  dt 

2
 [s=
(t )] S=
(ω)

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  =

 [cosω0t=] π δ (ω − ω0 ) + δ (ω + ω0 )

 [ 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 ) +

Cette transformée n’est pas la transformée de Laplace dans


laquelle on substitue s=jω car elle comporte un terme
additionnel. L’échelon ou les fonctions périodiques ne sont
pas des fonctions intégrables en valeur absolue et dans
ces cas, la transformée unilatérale de Laplace n’est pas
utilisable.
24 Transformées de fonctions périodiques causales

À partir des deux derniers paragraphes

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

D’une manière générale, on peut démontrer que pour toute


fonction périodique à temps positif f (t )u (t )

F (ω )
f (t )u (t ) ↔
2
+‹ [f (t )u (t )] s = j ω

La transformée de Fourier de ces fonctions est égale à la


moitié de la transformée de fonction périodique définie sur t
 [-¥ , ¥] à laquelle on ajoute sa transformée unilatérale
de Laplace où on pose s=jω .
f (t ) = δ (t ) F (ω ) = 1

26

f (t ) = 1 F (ω ) = 2πδ (ω )

f (t ) = u ( t )
1
F (ω ) πδ (ω ) +
=

f (t ) = sin ω 0 t jπ δ (ω + ω0 ) − δ (ω − ω0 )

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 )

Linéarité af1 (t ) + bf 2 (t ) aF1 (ω ) + bF2 (ω )

Décallage dans le temps f (t − t0 ) e − jω t0 F (ω )

Décallage en fréquence e jω0 t f (t ) F (ω − ω0 )

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 ) +

1
u (−t ) πδ (ω ) −

2
sign t

1
e − at u (t ), a > 0
jω + a
2a
e − at , a > 0
a2 + ω 2
30 Transformées de Fourier : paires usuelles

x (t ) X (ω )

1
π e − aω
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
∞ ∞

∑ 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 )

t 1
Intégration ∫−∞
f (t ')dt ' π F (0)δ (ω ) +

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 )

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

Un filtre (canal) sans distorsions est caractérisé par :


• un spectre d’amplitude qui est plat : |H(w)|=constante
• et spectre de phase proportionnel à ∠H ( jω ) = −ωtd

Contrairement aux distorsions linéaires qui modifient les composantes spectrales


existantes, la distorsion non linéaire introduit de nouvelles composantes
spectrales.
34 Caractéristiques de phase

La caractéristique de phase des filtres est généralement importante.


Pour éviter la distorsion de phase, un filtre devrait idéalement avoir une
caractéristique de phase linéaire dans la bande passante, c’est à
∠H ( jω ) = −ωtd
dire une caractéristique telle que :

td étant une constante. Dans ce cas, le retard de groupe, en anglais


“Group delay”, défini comme: − d ∠H ( jω )
= t g = td

est constant sur la bande passante.
Si tg n’est pas constant on a une D.L en phase.
35 Caractéristiques de phase

On définit le retard de phase tp comme étant :

− 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 = −∞

Ce signal est périodique de période T et de fréquence


fondamentale ω0 = 2π /T

d’où δ T (t ) = ∑
m =−∞
cm e jmω0t

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

−3ω0 −2ω0 −ω0 ω0 2 ω0 3 ω0 ... 3mω0 ω

δ T (ω ) est un train d’impulsions dans le domaine des


fréquences
42 Échantillonnage

Soit un train d’impulsions de Dirac :



δT (t )
= ∑ δ (t − nT )
n =−∞

Le signal échantillonné y(t) est obtenu en faisant le produit du signal


continu x(t) avec ce train d’impulsions :
y(t ) = x(t ) δ T (t )
 ∞ 
= x(t )  ∑ δ ( t − nT )
 n=−∞ 

= ∑ x(nT )δ (t − nT )
n=−∞
43 Échantillonnage

Le signal y(t) est un train d’impulsions dont les poids


respectifs correspondent aux valeurs de x(t) au moment de
chaque impulsion.


= (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 =−∞

Ce signal, défini pour tout temps, peut être transformé pour


établir ses propriétés spectrales :

X (ω ) ∗ δT (ω )
[ y (t )]  [ x (t=
Y (ω) =
= ) δT (t )]

La transformée du produit de deux fonctions du temps se traduit par la


convolution dans l’espace ω de leurs transformées respectives
45 Échantillonnage


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 

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.

Chaque répétition est décalée de 2π/T, c’est à dire la fréquence


d’échantillonnage, par rapport à la précédente.

Son amplitude est pondérée par le facteur 1/T


(a) X( ω)

 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

Si la fréquence où X(ω) devient nul n’est pas inférieure à π/T,


les répétitions de X(ω) se recouvrent l’une sur l’autre et le
contenu de Y(ω) pour certaines valeurs de ω est déterminé par
plus d’une répétition de X(ω) .

Si ce phénomène, connu sous le nom de repliement de bande


se produit, on est incapable de reconstruire X(ω) à partir de Y(ω).
X( ω)
(b)
A

−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

D’où le théorème d’échantillonnage :

Si le spectre d’un signal continu s(t) ne


contient aucune composante de fréquence
supérieure à ωmax=2πfmax , toute l’information
de s(t) est contenue dans ses échantillons
pourvu que la fréquence d’échantillonnage
fe= 1/T >2 fmax.

La fréquence minimale d’échantillonnage 2 fmax est connue sous le nom


de fréquence de Nyquist.
49 TFSD

1 ∞  k 2π 
X (e=) ∑ [ ]
jωT
x nT e = ∑
− jnωT
X  ω − =    y ( t ) 
n =−∞ T k =−∞  T 
Observations :

Cette expression définit la transformée de Fourier des signaux


discrets, ou TFSD, d’une séquence x[nT ] .

La TFSD de x [ n ] est notée sous la forme X ( e )


jωT
et correspond
exactement au deuxième membre ci-dessus.

La TFSD d’un signal discret peut être obtenue par transformation du


signal échantillonné par un train d’impulsions.

La TFSD établit la relation entre le spectre d’un signal continu et celui


de sa séquence d’échantillons.
50 x(t)
TFSD
X (ω )
A

−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 )

Il est commode d’utiliser la fréquence discrète relative θ = ω T


afin de simplifier les expressions de la TFSD :

X (e jθ
) = ∑ x [n ] e − jnθ
(TFSD)
n =−∞

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 )

1 pour n ≤ N sin ( 2 N + 1)θ / 2 


PN [ n ]  N (e )

= ↔ P
=
0 pour n > N sin (θ / 2 )

(Fonction de
PN [=
n] u [ n + N ]
Dirichlet) PN ( e jθ )
− u [ n − N + 1]

θ
n
58 TFSD
Sinus cardinal

θ0  nθ  sin ( nθ 0 ) 1 pour θ <θ 0


x [n] = sinc  0  ( )

↔ X e =

π  π  nπ 0 pour θ >θ 0

−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 )

Par extension : cos [ nθ 0 ] ↔ π [δ (θ − θ 0 ) + δ (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

Décalage dans le temps ou délai

∞ ∞
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 )

La convolution de deux signaux discrets dans l’espace du temps


correspond à la multiplication de leurs spectres dans l’espace des
fréquences.
63 Propriétés de la TFSD
Convolution dans l’espace des fréquences

X 2 (e jθ ) ⊗ X 1 (e jθ )
x1 [ n ] x2 [ n ] ↔

Cette convolution est complexe et elle s’effectue uniquement


sur l’intervalle de θ de -π à π, c’est à dire sur un cycle des
spectres.

On l’appelle la convolution complexe ou convolution


cyclique
64
Distribution de l’énergie - théorème
de Parseval

Théorème de Parseval

∫ π X (e )
1 π
E ∑ x [n ]
2 2

= = 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).

Il est avantageux de décrire les systèmes continus dans


l’espace des fréquences ce qui permet de tirer un certain
nombre de conclusions concernant leurs propriétés.

La transformée en z, basée sur l’utilisation d’une fréquence


complexe z, va procurer des avantages similaires pour les
systèmes DLI. La transformation en z transforme l’espace
du temps discret en un espace de fréquences z.
Transformée en Z
67

La transformée en z est très facile à utiliser en plus d’être très


commode.

•La transformée en z (TZ) de la réponse impulsionnelle d’un


système DLI est sa fonction de transfert.

•Il existe une relation directe entre la TZ et la TFSD.

•La TZ permet la solution directe des équations aux


différences de la même façon que la transformée de Laplace
avec les équations différentielles.

•La TZ est une méthode générale pour l’étude des systèmes


discrets.
Transformée en Z
68

Définition :

La transformée en z d’un signal discret x[n] est :



X (z) = ∑ x [n ] z
n =−∞
−n

dans laquelle z, une variable complexe, peut prendre toute


valeur sur le plan complexe appelé, en l’occurrence, plan z.
Transformée en Z
69

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
,

lorsque az −1 < 1 c`est à dire z > a


1 Im {z}
a n u [n ] ↔ −1
, z>a
1 − az
Re {z}
La condition z > a définit la a

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

Seules, les régions de convergence, ou RDC, spécifiques à chacune


de deux TZ permettent de les distinguer et éventuellement de retrouver
les séquences originales. En somme, il faut connaître la région de
convergence de chaque TZ pour pouvoir retrouver les séquences.
Transformée en Z
73 Domaine de convergence
Exemples:

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(z) n’a de sens que pour des valeurs de z se trouvant dans


R, le domaine de convergence ou RDC. Il faut formellement
définir cette région.
En pratique, la convergence pose rarement des problèmes.

Mais ces conditions sont parfois essentielles pour effectuer la


transformation ou la transformation inverse comme dans
l’exemple suivant.
Transformée en Z
75 Domaine de convergence
En pratique, tous les signaux sont nuls pour
des valeurs de n inférieures à une certaine
limite. Dans ce cas, la région de convergence
est toujours située à l’extérieur d’un cercle de
rayon particulier centré sur l’origine.

Si la région de convergence inclut le point z=∞,


alors le signal est nécessairement à temps
positif.

Par définition, la région de convergence ou


RDC ne peut inclure un pôle de la TZ. En fait,
la RDC est bornée soit par les pôles, soit par
l’infini.
Transformée en Z
76 Domaine de convergence

x [n ] X (z)

x[n] est borné à gauche, i.e. X(z) converge pour tout z


x[n] =0 pour tout n inférieur à situé à l’extérieur d’un cercle
un n0 particulier de rayon particulier
x[n] est borné à droite, i.e. X(z) converge pour tout z
x[n] =0 pour tout n > n0 situé à l’intérieur d’un cercle
de rayon particulier
x[n] a une longueur finie, i.e. X(z) pour toute les valeurs
x[n] =0 pour tout n<n1 et tout de x sauf éventuellement en
n>n2 avec n1<n2 z=0 et en z=∞
x[n] n’est borné ni à gauche, Si X(z) converge, la RDC
ni à droite se situe entre deux cercles.
Transformée en Z
77 Trouver les ROC possibles?

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 

 1 − az −1 cos ε a n cos [ nε ] u[n ]


1 + a 2 z −2 − 2az −1 cos ε
a cos [ nε ] u[n ] ↔ 
n

 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

La TZ est ici présentée sous les deux formes d’expressions


habituelles de puissance positives et de puissances négatives.
La RDC est aussi définie.
Transformée en Z
80

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 )

2.Décalage dans le temps :


x [n − i ] ↔ z − i X ( z )
On réfère à z-1 comme étant l’opérateur de décalage
unitaire.
Transformée en Z
83 Propriétés de la transformée en z

3. Multiplication par une suite exponentielle


∞ ∞ −n
z
a n x [n ] ↔ ∑a
n =−∞
n
x [n ]z − n = ∑ x [n ]  
n =−∞ a
= X (z / a)

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:

Les transformées en z sont généralement des fonctions


rationnelles en z. Mais ce n’est pas toujours le cas. Les situations
suivantes peuvent se présenter pour une séquence à temps positif
donnée :
•La TZ n’existe pas parce qu’il est impossible de définir une région de
convergence.
•La transformée en z existe mais ne peut être mise sous forme
concise. La plupart des séquences aléatoires et des signaux
arbitraires tombent dans cette catégorie.
•La TZ existe et peut être mise sous forme concise d’une fonction
rationnelle en z . Ce type de signal est définitivement le plus répandu
et le plus important.
•La transformée existe mais celle-ci n’est pas une fonction rationnelle
en z.
Transformée en Z
86 Rappel math.

 Le D.L limité (formule de Mac Laurin) de qlq fonctions :


3 5 2 n +1
x x x
sin( x) =x − + ... =∑ (−1)
n

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

La transformée en z inverse est donc établie comme étant :


1
x [n ] = ∫ X ( z ) z n −1
dz
2π j Γ
Il s’agit d’une intégrale fermée sur un contour Γ se situant dans
le plan z entièrement dans la zone de convergence. Γ
effectué en sens anti-horaire, doit renfermer l’origine z =0. Or
lorsque X(z) est une expression rationnelle en z , selon le
théorème des résidus de Cauchy,
1
x [n ] = ∫
2π j Γ
X ( z ) z n −1
dz ∑ρ
i
i

les ρi é tan t les résidus évalués aux pôles de X ( z ) z n-1 à l'intérieur de Γ.


Transformée en Z inverse (TZI)
90
Supposant k pôles à z = pi , on peut écrire :

φi ( z )
1 d φi ( z )
k −1

=X (z) z = n −1
, ρi
( z − pi)
k
( k − 1) ! dz k −1
z = pi

En général, k=1, et pour chacun des pôles

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

et ainsi de suite. Donc tel qu’anticipé x [n ] = a n u [n ]


Transformée en Z inverse (TZI)
92

Corollaire: Si pour une fonction de


transfert en z, le degré du
polynôme au numérateur est ≤ à
celui du dénominateur alors x[n]=0
pour tout n<0.
Trouver la TZI avec la méthode
d’inversion générale (résidu):

( 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

Très souvent, il suffit d’analyser des signaux et de concevoir des


systèmes à temps discret à partir de la transformée en z sans avoir à
les convertir en séquences.

Lorsque nécessaire, on peut effectuer l’inversion à partir de l’intégrale


de Cauchy mais en général des méthodes plus simples sont possibles.

Si la région de convergence inclut z = ∞, i.e. si R est de la forme z > r

alors la séquence est causale. Si de plus X(z) est une fonction


rationnelle en z : N (z) b0 + b1 z −1 + b2 z −2 + ...bN z − N
=
X (z) =
D ( z ) 1 − a1 z −1 − a2 z −2 − .... − a M z − M

on peut utiliser l’une des quatre méthodes suivantes :


Transformée en Z inverse (TZI)
94 TZI séquences causales

Quatre méthodes

•On peut utiliser un développement en éléments simples et se


ramener à des transformées en z connues.

•Dans certains cas, une division suivant des puissances


croissantes de z–1 est suffisante.

•Il est possible de se référer à des tables de paires de transformées


en z telles que citées ci-dessus.

•On peut recourir à des techniques de Matlab et Maple.


Transformée en Z inverse (TZI)
95 TZI séquences causales

−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

selon la méthode habituelle des résidus. D’où


n n
4z 4z 1 1
X ( z=
) − ] 4   u [n ] − 4   u [n ]
↔ x [n=
 1  1 2 4
 z −   z − 
 2  4
Transformée en Z inverse (TZI)
98 TZI séquences causales

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

Ce résultat est conforme à la zone de convergence qui inclut z =∞


ce qui force la séquence à être causale.
Transformée en Z inverse (TZI)
100

Exemple 4 : 2z2 − z
X (z) = 2
z − 3z + 16

Soit à trouver la transformée inverse d’une expression en z


dont le dénominateur présente des racines complexes. Il est
toujours plus facile de travailler à l’inversion de X(z) car les
techniques se rapprochent alors de celles des transformées de
Laplace. Comme première étape, posons :

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

définit la convolution dans le plan z . En particulier, si nous


supposons que cette intégrale de contour est effectuée sur le
cercle de rayon unité, nous pouvons poser :

= z e= , ν e jϕ =
, dν j e jϕ dϕ

X ( e jθ ) =
1
2π Γ∫
 X 1( e jϕ
) X 2 e(j (θ −ϕ )
)

qui est la convolution dans l’espace des fréquences. Exécutée


sur le cercle unité, on appelle celle-ci, la convolution
circulaire. ( Un exemple sera étudié en séance TD)
Transformée en Z (TZ)
103 Propriétés de la transformée en z

6. Théorème de Parseval :

Si x[n] est réelle, d’après la convolution complexe en Z et



en prenant z = e , on obtient le Théorème:

∑ X (υ ) X (υ ) υ
2π j ∫
2 1 −1 −1
x [ n] = dυ
n = −∞ Γ

qui devient, si l’on pose υ = e jθ

∫ π X (e )
1 π

2

x [n ] = dθ
2

n =−∞ 2π −

qui est l’expression de Parseval avec la TFSD.


Relation entre la TFSD et la TZ
104
Nous avons deux transformées :

X (z) = ∑
n =−∞
x [n ]z − n ( TZ )

X (e jθ
) = ∑ x [n]e − jnθ
( TFSD )
n =−∞

On trouve donc que X ( e jθ ) = X ( z ) z =e jθ



c’est à dire qu’il suffit de poser z = e (r=1) dans la TZ avec θ défini
sur l’intervalle−π ≤ θ ≤ π,pour trouver la TFSD. En d’autres termes on
trouve la TFSD en évaluant la TZ pour toutes les valeurs de z se
situant sur le cercle unité dans le plan z .
Relation entre la TFSD et la TZ
10
5

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

Une propriété importante de la transformée en z est l’équivalence de


la convolution dans l’espace des temps discrets à la multiplication
dans l’espace z :
x1 [n ]* x2 [n ] ↔ X 1 ( z ) X 2 ( z )

Soit l’output y[n] d’un système LIT :



y [ n ] = h [n ] ∗ x [n ] = ∑ h [i ]x [n − i ]
i =−∞

∞ ∞
 ∞  −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

Nous avons démontré l’équivalence de la convolution dans


l’espace des temps discrets à la multiplication dan l’espace z
y [ n ] =h [n ] ∗ x [n ] ↔ Y ( z ) =H ( z ) X ( z )

Dans le cas d’un système linéaire avec X comme entrée et Y


comme sortie, H(z) représente la transformée en z de la
réponse impulsionnelle du système et sa fonction de
transfert.
Fonction de transfert
110

La fonction de transfert est est le rapport de la transformée


de l’output sur celle de l’input.
Y ( z ) Transformée en z de l'output
=
H (z) =
X ( z ) Transformée en z de l'input

Par ailleurs H ( e ) est la fonction de transfert évaluée dans


le plan z au dessus du cercle unité c’est à dire pour z = 1.


Fonction de transfert
111 Calcul de la Fonction de transfert

3 méthodes pour établir H(z) :


1. TZ de h [n] et ensuite utiliser les

propriétés ou la définition de TZ
H ( z ) = ∑ h [n ]z − n
n =−∞

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

Tel que suggéré par la dernière méthode, l’équation aux


différences peut être représentée dans l’espace z en
dessinant un schéma où apparaissent les signaux transformés
et les délais qui prennent la forme de cellules mémoires
accomplissant la fonction z-1 . Le schéma dans l’espace z
pour l’exemple considéré est tracé ci-dessous

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

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

Le schéma qui suit illustre le module A ( e jθ


) = H ( e jθ
) et la
phase ϕ ( e jθ ) = ∠H ( e ) de cette fonction de transfert

sinusoïdale sur l’intervalle fondamental de -π< θ < π avec


diverses valeurs de a1 et a2.
Fonction de transfert
117
20log( A ( e jθ ) ) ϕ ( e jθ )
40 dB IV
IV π
III
2
II
III a = .99 I π
II −π θ
I

−π π θ

a=[1 -0.94 0.5; 1 -1.16 0.7 ; 1 -1.34 0.9 ; 1 -1.41 0.99]


figure(1);subplot(221);zplane(1,a(1,:));
a1 a2
subplot(222);zplane(1,a(2,:));
subplot(223);zplane(1,a(3,:)); I -0.94 0.5
subplot(224);zplane(1,a(4,:));pause;
figure(2); [H,W] =freqz(1,a(1,:)); plot(abs(H));hold; II -1.16 0.7
[H,W] =freqz(1,a(2,:)); plot(abs(H), 'r');
[H,W] =freqz(1,a(3,:)); plot(abs(H), 'g'); III -1.34 0.9
;
[H,W] =freqz(1,a(4,:)); plot(abs(H), 'c'); pause ;
figure(3); [H,W] =freqz(1,a(1,:)); plot(angle(H));hold; IV -1.41 0.99
[H,W] =freqz(1,a(2,:)); plot(angle(H), 'r');
[H,W] =freqz(1,a(3,:)); plot(angle(H), 'g');
[H,W] =freqz(1,a(4,:)); plot(angle(H), 'c');
Fonction de transfert
118 Pôles et zéros des systèmes DLI: forme générale

À partir de la forme générale de N M

l’équation aux différences que y [n ] ∑ bi x [n − i ] + ∑ ai y [n − i ]


=
=i 0=i 1
nous avons développée N M
précédemment, nous pouvons, par= Y ( z ) ∑ bi z X ( z ) + ∑ ai z − iY ( z )
−i

transformation terme à terme avec =i 0=i 1


N
utilisation de la propriété de
décalage, identifier la forme Y (z) ∑ bi z −i

=
H (z) = i =0
générale de la fonction de transfert X (z) M

pour les systèmes DLI. 1 − ∑ a


i =1
i z −i
Fonction de transfert
119 Pôles et zéros des systèmes DLI
La forme générale de la fonction de transfert peut être modifiée
pour faire ressortir sa structure au moyen de ses pôles et
zéros, soit respectivement les racines de son dénominateur et
son numérateur. On écrit alors
( z − z1 )( z − z2 ) ... ( z − z N )
H (z) = z M −N
b0
( z − p1 )( z − p2 )( z − p3 ) ... ( z − pM )
Les quantités complexes zi et pi sont les zéros et les pôles de
H(z). La fonction de transfert, sauf pour le facteur b0 est
entièrement déterminée par ses pôles et ses zéros que l’on
représente selon la convention habituelle sur le plan complexe
des z.
H ( zi ) = 0 H ( pi ) = ∞
Fonction de transfert
120 Pôles et zéros des systèmes DLI
La configuration des pôles et des zéros pour les quatre
systèmes de deuxième ordre dont les caractéristiques en
fréquence sont illustrées dans le schéma qui précède, apparaît
sur la figure (a) du schéma qui suit. Nous sommes en
présence de deux zéros à l’origine et, en l’occurrence, de deux
pôles complexes avec :
I II
2x 2x

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}

Configuration pôles-zéros arbitraire


Fonction de transfert
122 Configuration pôles-zéros
La valeur des racines (pôles et zéros) pour toutes les valeurs de
z sur le cercle unité correspond à la réponse en fréquence du
système DLI. De ce point de vue, le cercle unité est comparable
avec l’axe imaginaire dans le plan s pour les systèmes à temps
continu. Il est nécessaire comme nous le verrons ci-dessous de
situer les pôles par rapport à ce cercle.

Puisque les coefficients de la fonction de transfert sont réels,


les pôles et les zéros sont soit réels ou en paires complexes
conjuguées. Dans ce dernier cas, ils sont nécessairement
symétriques par rapport à l’axe réel.
Fonction de transfert
123 Configuration pôles-zéros

Soit un système à un seul pôle, c’est à dire dont la fonction de


transfert est de la forme :
z 1
(z)
H= = −1
, z > p
z − p 1 − pz
Le pôle est réel et la réponse impulsionnelle , par TZI, est
h [n ] = p n u [n ]

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

Dans la configuration Im {z}

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

Il suffit de calculer H(eiΘ)


et de déduire le module et
la phase.
Fonction de transfert
126 Configuration pôles-zéros

La gamme de fréquence où l’influence des pôles et des zéros


est considérable se situe sur la partie du cercle unité qui est la
plus rapprochée de ces pôles et ces zéros. Cette influence est
d’autant plus grande que ceux-ci se situent près du cercle
unité. Dans le cas exceptionnel où le pôle se situe sur le
cercle unité, l’amplitude de la fonction de transfert devient
infinie en passant par ce point et la phase y fait un saut de π
radians. Pour un zéros sur le cercle, elle devient nulle avec un
saut de phase de π radians.

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

Pour obtenir ce résultat, il faut situer les pôles à l’intérieur du


cercle unité et les zéros à des positions symétriques à
l’extérieur (donc annulation mutuelle).
130 Configuration pôles-zérosC
5èmeobservation :
Un système qui ne possède que des pôles (à l’exception des
zéros à l’origine)est un système tout-pôle.

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}

Causal pour(M=1,N=1) car M >=N


Et Stable car p<1.
136 Configuration pôles-zéros

Im {z}

Re {z}

Causal pour(M=1,N=1) car M >=N


Et Instable car p>1.
137 Configuration pôles-zéros

Im {z}

Re {z}

Non Causal pour(M=1,N=2) car M < N Et stable car p<1.


Preuve: Z1= eiΘ= ejπ/2 et Z2= e-iΘ= e-jπ/2 et p1=0
H(z)= (z-z1)(z-z2)/z on obtient H(z)=(z-j) (z+j)/z= z+1 +z-1
138 Configuration pôles-zéros

Im {z}

Re {z}

Causal pour(M=2,N=2) Et stable car pi<1


(voir la TZ de ancos(nx))
139 Configuration pôles-zéros

Im {z}

Re {z}

Causal pour(M=2,N=1) Et stable car pi<1


(voir la TZ de ansin(nx))
140 y [n ] Oscillateur discret
x [n ]
+ T T

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

La réponse impulsionnelle est une réponse stable (limite) dont


l’amplitude dépend de l’impulsion de départ. Nous avons
supposé que le contenu des mémoires est initialement nul pour
n < 0. Ce système est linéaire et stable et il n’aura pas de
sortie sans entrée.

Im {z}

Re {z}
Filtrage numérique
143
Signal analogique

Filtre Filtre de anti-recouvrement

T
Traitement
Bloqueur CAN
numérique
CNA

T T
Filtre de reconstruction Filtre

Signal analogique
144 Filtres DLI

•Les filtres constituent la grande majorité des systèmes DLI.

•Un filtre est un circuit ou un algorithme convertissant un


signal en un autre signal.

•Le spectre de l’input est relié au spectre de l’output sans


décalage de fréquence.

•Le spectre de l’output est égal au spectre de l’input


multiplié par le spectre de la réponse impulsionnelle.

•L’objectif de l’ingénieur est de concevoir cette réponse en


fréquence selon ses spécifications.
145 Classifications des filtres DLI

Classifications des filtres DLI : 2 approches

a) Selon la nature de leur réponse impulsionnelle : filtres


à réponse impulsionnelle de durée infinie ou RII et filtres à
réponse impulsionnelle finie ou RIF. Cette classification donne
peu d’information sur la structure des filtres.

b) Selon leur structure : Filtres en filtres discrets non-


récursifs FDNR ou filtres discrets récursifs FDR. Les premiers
sont sans boucle de rétroaction alors que les seconds
comportent de tels boucles.
146 Classifications des filtres DLI
Bien que ce soit généralement le cas, on aurait tort de croire
que les filtres RIF ont automatiquement une structure FDNR et
qu’une structure FDR donne toujours une RII.

En particulier, il est possible d’avoir une combinaison RIF et


FDR si tous les pôles coïncident avec des zéros.

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)

Caractéristiques des Filtres discrets non-récursifs

Sans boucle de rétroaction, c’est à dire sans boucle de retour


de à partir de l’output, ces filtres ont nécessairement une
réponse impulsionnelle dont la durée ne peut excéder le
nombre d’éléments de retard augmenté de un sur le chemin le
plus long de l’entrée à la sortie (à réponse impulsionnelle finie).
149 Filtres discrets non-récursifs
(FDNR) cas canonique
Avec deux éléments de retard, le filtre ci-dessous, donne une
réponse impulsionnelle de durée égale à trois.

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 ]

Donner une structure canonique de ce filtre?


152 Filtres discrets non-récursifs
(FDNR)
Dans un filtre transversal, les seules valeurs mises en mémoire
correspondent à des valeurs passées du signal d’origine x[n]
(très populaire en pratique: télécommunications, parole,
signal.. ).
x [n − 1] x [n − 2] x [n − N ]
x [n ] T T T T

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 ]

Dans un filtre transversal, la réponse impulsionnelle toujours


finie, de longueur N + 1, s’écrit directement sous la forme:

N
=
h [n ] ∑ b δ [n − i ]
i =0
i
154 FDNR: fonction de transfert

La fonction de transfert d’un filtre discret non-récursif causal


s’exprime sous la forme générale :
N N N −i
b z
H (z) ∑
= = bi z − i ∑ i N
=i 0=i 0 z
Les FDNR ont seulement des zéros, sauf pour les N pôles
à l’origine.
155 Filtres discrets non-récursifs
(FDNR)
•Pour générer une RII, il faut avoir au moins un pôle en dehors
de l’origine.

•Une bonne approximation de presque tout système peut être


obtenue avec un filtre qui n’a que des zéros en prenant comme
réponse impulsionnelle, un nombre fini mais suffisant
d’échantillons(convergence!).

•En pratique, on peut avoir des FDNR comprenant des


centaines de zéros, c’est à dire dont la réponse impulsionnelle
comporte aussi des centaines d’échantillons.
156 Filtres discrets non-récursifs
(FDNR)
Les FDNR sont toujours stables :

1) Ils n’ont pas de pôles en dehors du cercle unité .

2) Leur réponse impulsionnelle est sommable en valeur


absolue (espace temps).
157 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 telle qu’illustrée ci-dessous :

ϕ ( e jθ )

π
−π
−θ1 θ1 π θ

−π

Saut de pi donc présence


d’un zéro en ce point
158 Filtres à phase linéaire

Pour de tels filtres, le délai de groupe est une constante en


fonction de θ :

τ g (e ) =


d ϕ ( e jθ
) =
Constante

•Cette propriété est importante dans certaines applications.


•Elle implique que les composantes spectrales du signal sont
retardées également.
•En conséquence, celui-ci préserve sa forme en passant au
travers du filtre.

•Illustration: pistes de course et départ des coureurs


Filtres à phase linéaire
159
ϕ ( e jθ )
•Une caractéristique de phase linéaire
π
a une pente constante mais elle peut
comporter des sauts de π radians qui
correspondent à la présence de zéros π
−π
sur le cercle unité. −θ1 θ1 π θ

•En ces fréquences, la réponse en


fréquence est nulle et en conséquence −π

il n’est pas significatif que ϕ ne soit


pas défini. Im ( z)

•Les sauts apparents de 2π ne θ1


correspondent à rien sinon au fait que Re( z)
nous limitons l’amplitude de la phase à
l’intervalle −π ≤ ϕ ≤ π
160 Filtres à phase linéaire

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

Les FDR comportent au moins une boucle de rétroaction.

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]
=

Cette réponse impulsionnelle infinie est illustrée ci-dessus.


Filtres discrets récursifs (FDR) avec h[n]
163
finie x [n] T T T T
−a 4

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 :

1) Chaque boucle fermée ou boucle de rétroaction doit


comporter au moins un élément retardateur sinon les
compteurs et les multiplicateurs devraient effectuer des
opérations sur des nombres non encore disponibles
puisqu’ils sont en train de les calculer.
2) Certaines valeurs des coefficients dans les boucles
fermées peuvent causer des instabilités. Par exemple a > 1
dans le schéma ci-dessous.
1
x [n ] y [n ]
+ T

0 n
165 Filtres discrets récursifs (FDR)
Commentaires :

3) Dans les deux derniers exemples, une réponse


impulsionnelle est de durée finie alors que l’autre est de
durée infinie. Dans le cas de la RIF, on note qu’à n = 4, la
contribution de la boucle fermée est exactement annulée par
celle de la partie non-récursive ce qui en pratique exige une
très grande précision, probablement impossible à réaliser.
x [n ] T T T T
h [n ]= δ [n − 1] + aδ [n − 2]
−a 4

+ 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.

Si on ne satisfait pas cette condition, la sortie dépend alors aussi


des conditions initiales des registres qui peuvent continuer à
l’affecter indéfiniment dans le cas d’un système RII.

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

La réalisation concrète d’un système DLI, qu’elle prenne la


forme d’un schéma bloc, d’un algorithme ou d’un circuit VLSI
est spécifiée par un réseau qui décrit les opérations à effectuer.

Le choix du réseau est critique pour l’économie des opérations


à effectuer et l’efficacité du système.

L’effet de la quantification, c’est à dire l’erreur introduite par la


limitation de la longueur des mots, est directement affectée
aussi par le choix de la structure.
168 Structure des réseaux: directe
•Une structure de réseau (au moins) peut être déduite directement
de la fonction de transfert du système ou par l’équation aux
différences.
•Réciproquement, la fonction du système découle directement de
la structure du réseau: AR, AM, ARMA

X (z) z-1 z-1 z-1

b0 b1 b2 bN

+ Y (z)

aM aN a1

ARMA z-1 z-1 z-1


169 Structure des réseaux

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

Structure série ou cascade

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

X (z) E (z) + F (z) Y (z)

G (z)

La fonction de transfert est égale à la fonction en boucle


ouverte divisée par le facteur « 1 moins la fonction de boucle »

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 )

Dans le réseau ci-dessus,


( H1 + H 2 ) H 3
H ( z) =
1 − H 2H 4

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

X (z) M z-1 z-1 z-1


1 − ∑ ai z −i

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

•À la sortie N + M +1 signaux Y (z)


doivent être additionnés. +

•La forme directe 1 réalise aM aN a1


directement la fonction de transfert
z-1 z-1 z-1
et/ou l’équation aux différences.

•Les zéros de H(z) sont réalisés


dans la partie non récursive et les
pôles dans la partie récursive.
175 La forme directe 1
•On peut représenter la forme directe 1 comme deux éléments en
cascade.
•On obtient le même résultat si on inverse l’ordre des deux sections :
vers la forme directe 2
X (z)
z-1 z-1 z-1
X ( z) B(z) + Y ( z)
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

z-1 z-1 z-1


X ( z) + B(z) Y ( z)

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

Ils peuvent être combinés pour obtenir la forme directe 2 :

X (z) +

aM a M −1 aN a1

z-1 z-1 z-1 z-1

bN b1 b0

+ Y (z)
178 La forme directe 2

•La forme directe 2 contient M éléments de mémoire et elle est


canonique.
•Tous les zéros sont réalisés dans une partie du circuit et tous
les pôles dans l’autre.
•Une variation de l’un des coefficients entraîne une variation
soit de tous les pôles ou de tous les zéros.
•Cette variation d’un seul paramètre risque d’affecter
sensiblement la réponse en fréquence du réseau.
•Ces structures ont une sensibilité aux paramètres élevée.
•Cet effet peut être réduit par l’utilisation de structures en
cascade et en parallèle résultant de la division de la fonction de
transfert en sections plus petites qui sont soit additionnées ou
multipliées selon le cas.
179 Structures de premier et deuxième ordre

Les structures élémentaires dans les réseaux en cascade et


en parallèle sont des réseaux de premier ordre ou, plus
généralement, de second ordre.

À partir de leurs équations, on trace facilement les réseaux


sous forme directe 1 ou 2.
180 Structures de premier ordre

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

Forme directe 1 Forme directe 2


181 Structures de deuxième ordre
x [n ] T x [n ]
T +
b0 b1 b2
−a2 −a1

+ y [n ]
T T
b2 b1 b0
−a2 −a1

T T + y [n ]

Forme directe 1 Forme directe 2

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 )

au moyen de structures élémentaires de premier ou deuxième ordre.

X (z) H1 ( z ) Hk ( z ) Y (z)

On choisit l’une des formes suivantes :


1 + ci z −1 1 + ci z −1 + d i z −2
Hi ( z ) = −1 ou Hi ( z ) =
1 + di z 1 + ei z −1 + f i z −2

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

0.5 0.5 3.8 3.4 4.6

+ + 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

4.6 + 3.4 z −1 + 3.8 z −2


H2 ( z ) = y [n ]
1 + 0.4 z −1 + 0.6 z −2 + +
← Premier ordre → ← Deuxième ordre →

 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

(1 + 0.6 z )(1 + 1.1z + 0.3z )


−1 −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

 Dans ce cas, H(z) est considérée comme la somme


de k sous-fonctions

H ( z ) =H ( z ) + H ( z ) ... + H ( z )
0 1 k

 Où H0 est une constante et les H1,H2,..sont des


structures de 1 ou 2 ordre.
187 Réseaux en parallèle
Exemple
23 + 40 z −1 + 36 z −2 + 19 z −3
Soit H ( z ) = d’où
( 2 + z −1 )(5 + 2 z −1 + 3z −2 )
H ( z ) 23z 3 + 40 z 2 + 36 z + 19  z1 =
−1, z2,3 =
−.37  .83 j
= 
z z ( 2 z + 1) ( 5z 2 + 2 z + 3)  p1 =−0.5, p2,3 =
−.2  .75 j
19 5 az + b
=− + 2
3z 2 z + 1 5 z + 2 z + 3
En posant
z =−1 ⇒ 8 =− a + b 

−22  ⇒b= 1/ 3, a =−23/ 3 et finalement
z=1⇒ =
a+b 
3 
19 5z −23z 2 + z 19 2.5 −23/15 + 1/15 z −1
H (z) = − + =− +
3 2 z + 1 3 ( 5z + 2 z + 3) 3 1 + 0.5 z
2 −1
(1 + .4 z −1 + .6 z −2 )
188 Réseaux en parallèle
Réalisation 19 / 3
x [n ]
−2.5

−0.5 T

+
y [n ]

+
−23/15

+
−0.4 T 1/15

+ T
−0.6

19 5z −23z 2 + z 19 2.5 −23/15 + 1/15 z −1


H (z) = − + =− +
3 2 z + 1 3 ( 5z + 2 z + 3) 3 1 + 0.5 z
2 −1
(1 + .4 z −1 + .6 z −2 )
189 Filtres en peigne
H1 ( e jθ )
Un filtre en peigne est obtenu à
partir de tout filtre discret arbitraire
de fonction de transfert H(z) dont
chaque élément retardateur est −π π θ
remplacé par N cellules mémoires
H 2 ( e jθ )
(éléments retardateurs) en cascade.
On a un filtre nouveau dont la fonction
est G(z)=H(zN). Comme zN prend
uniquement des valeurs qui situent sur
−π π θ
le cercle unité, ce facteur correspond à
H 3 ( e jθ )
une valeur de z qui est avancée N fois
et ainsi la réponse en fréquence est
répétée N fois dans l’intervalle
fondamental. Le résultat est illustré
pour N = 3 et N = 4. −π π θ
190 Filtres en peigne
Exemple 1 2 N −1 N
x [n ] T T T T
Soit H ( z ) = 1 − z
−1
−1

donc on obtient
+ y [n ]
G ( z )= H ( z )= 1 − z
N −N

Ce filtre non-récursif transformé en filtre à peigne à N cellules


possède N zéros sur le cercle unité dont z = 1. Ce filtre a une
réponse en fréquence, illustrée ci-dessous, qui est toujours
nulle pour θ k = 2π k / N
191 Filtres en peigne
H ( e jθ )
2

−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

D’où H (z) = (1 − z )  1 − e j 2π / 5 z −1 + 1 − e− j 2π / 5 z −1 


−5  3/ 5 3/ 5

=
(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}


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

Étant donné un filtre discret arbitraire réalisé avec un réseau donné,


on peut obtenir un autre réseau dont la fonction de transfert est
identique à celle du premier réseau en transposant celui-ci, c’est-à-
dire:
a) En inversant l’entrée et la sortie (l’entrée devient la sortie et vice
versa).
b) Les additionneurs sont remplacés par des nœuds et les nœuds par
des additionneurs.

(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

Compléments de filtres discrets RIF


200 Filtres en échelle et en treillis

Dans les filtres en échelle ou en treillis, l’unité de base


(identifiée par un pointillé) comporte deux entrées et deux
sorties. On peut connecter en cascade un nombre arbitraire de
ces unités de base caractérisées par une structure
entrecroisée.

Ces filtres ont une bonne correspondance avec les modèles


pour la parole humaine, une stabilité déterminée par la valeur
des coefficients séparés et une insensibilité aux paramètres.

Ils sont utilisables dans les filtres auto-adaptatifs dont les


paramètres sont ajustés automatiquement pour satisfaire à
certains critères.
201 Filtres en échelle et en treillis

x [n ] + + y [n ]

α3 α1
T T

T T −1
α4 α2
+ +

Filtre en échelle avec des pôles seulement.


202 Filtres en échelle et en treillis
x [n ] + + +

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

Conception de filtres discrets RIF


204 Spécifications
•La conception d’un filtre discret
commence en général par la
spécification de la réponse en
fréquence requise: diagramme de
tolérance
A ( e jθ )
Bande de
transition
•Cette spécification porte 1 + δ1
1
généralement sur l’amplitude. 1 − δ1

•Parfois la phase est spécifiée Bande passante


Bande affaiblie

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.

•Puisque la réponse impulsionnelle du filtre h[n] est nécessairement


réelle, H ( ejθ ) est nécessairement paire et il est donc suffisant de
spécifier la caractéristique sur l’intervalle 0 ≤ θ ≤ π .
206 Spécifications
A ( e jθ )
Bande de
transition
1 + δ1
1
1 − δ1

Bande affaiblie
Bande passante

δ2
0 θb θc π θ

•Dans la bande passante, la tolérance, c’est à dire l’erreur autorisée est de


d1.

•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

En général, le processus de conception est itératif et comprend


les étapes suivantes :

a) Choix de type de filtre, soit RII ou RIF.


b) Choix de l’ordre du filtre et calcul de ses coefficients.
c) Réalisation de la structure du filtre en tenant compte des
effets de quantification sur le signal d’entrée, le signal de
sortie et les coefficients.
d) Vérification des résultats et itération s’il y a lieu, c’est à dire
reprise de la procédure.
208 Classification des filtres
Intervalle
fondamental
A1 ( e jθ )
Passe-bas

−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

a) Le différentiateur défini par :


H D ( ejθ ) jθ ,
= θ ≤π

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 ) = 

− j −π ≤ θ ≤ 0

ϕ H ( e jθ )
H H ( e jθ ) π
2
θ
−π π
π
θ −
−π 0 π 2

d) Le décaleur de phase utilisé pour corriger une caractéristique


de phase :
=
H F ( ejθ
) 1, θ < π
Conception de filtres discrets
212

•La réponse impulsionnelle h[n] des filtres RIF, par définition,


de longueur finie, est au cœur du processus de conception des
filtres RIF.

•Celle-ci permet de tracer une forme de réalisation directe, soit


le filtre transversal.

•La forme de h[n] permet en partie de voir directement si l’on


a une caractéristique de phase linéaire.
•Méthodes: 1) Conceptions par TFSD et fenêtre
•2) Echantillonnage en fréquence
213 Conception par TFSD et fenêtre:
Contexte théorique
Soit H d ( e ) une caractéristique idéale de filtre

Principe:
que l’on souhaite reproduire le mieux possible. À l’aide de la
TFISD, on peut déduire hd [n] .

Problèmes: Cependant, on ne peut réaliser un filtre


directement à partir de hd [n] pour deux raisons :

a) hd [n] n’est pas de durée finie

b) hd [n] n’est pas causale.


214 Conception par TFSD et
fenêtre: Solutions
Il faut dans ce contexte :

a) Limiter la longueur de hd [n] à un nombre d’échantillons


acceptable L..

b) Introduire un décalage suffisant pour obtenir une réponse


impulsionnelle h[n] causale. Le décalage est ainsi de L / 2.

Ces étapes sont illustrées dans la figure qui suit.


215 Conception par TFSD et fenêtre

Spécification de la réponse désirée


H d ( ejθ ) h[n]

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

lorsque h[n] est causale et de longueur finie L.

D’autre part :

H ( ejθ ) ejnθ dθ
1 π
h[ n] = ∫π ( TFISD )
2π −
217 Conception par TFSD et fenêtre
dualité temps-fréquence

• H ( e ) est une fonction périodique de θ , (θ = ωT), de période 2π.


•Cette périodicité suggère qu’il est possible de faire sa


représentation par une série de Fourier.

•C’est cette expansion qui est faite par la TFISD.

•Cependant le fait de tronquer la séquence infinie introduit une


génération des oscillations sur les bandes passante et affaiblie:
Phénomène de Gibbs.
218 •la caractéristique d’amplitude obtenue avec L = 11, 21, 31 :
L −1
H (e jθ
) =∑ h[n]e
− jnθ

n=0

•Les oscillations persistent peu importe la taille de L


•Quand L ⇑, l’amplitude des oscillations diminue sur les bandes mais
reste le même (conservation) au voisinage de la bande de transition:
Phénomène de Gibbs
Conception par TFSD et fenêtre:
219 Explication du Phénomène de Gibbs

Écrivons h [n ] sous la forme :


h [n ] = hd [ n ].w [ n ]

1, − ( N − 1)/ 2 ≤ n ≤ ( N − 1)/ 2 sin ( L + 1)θ / 2


w [ n] = ; W (e )

 0 ailleurs sin θ / 2

Ainsi : ( e jθ ) W ( e jθ ) ⊗ H d ( e jθ )
H=

C’est à dire le résultat d’une convolution cyclique puisque


H d ( ejθ ) et W ( ejθ ) sont périodiques de période 2p
220 Conception par TFSD et fenêtre
hd [n] H d ( ejθ )

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

•Avec L=20, on constate la présence du dépassement


caractéristique de 9% à la fois dans la bande passante et dans la
bande affaiblie.
•Ce dépassement, reste sensiblement le même lorsque L devient
très grand.
223 Filtre à fenêtre rectangulaire
H ( ejθ )
dB

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

L’ondulation minimale pour un filtre à troncation simple est de


0,75 dB au dessus de 0 dB alors que l’atténuation associée avec
le premier lobe de la bande affaiblie est de -21 dB.
224 Fenêtres
•Le problème fondamental avec la fenêtre rectangulaire est la
rapidité de la troncation ~ à une transition trop étroite dans H ( ejθ )

•On peut employer des fenêtres à transition progressive qui


produisent des ondulations restreintes au prix d’une bande de
transition élargie.

•Celle-ci cependant peut être contrôlée dans une certaine


mesure en faisant croître le nombre des échantillons L.

•Il existe dans la littérature des études approfondies des


fonctions fenêtres.
225 Fenêtres

w [ n]

Fonctions fenêtre largement utilisées : I) Rectangulaire.


II) Bartlett . III) Hanning. IV) Hamming. V) Blackman
226 Fenêtres
1 0≤ n ≤ L −1
Fenêtre rectangulaire (Boxcar ) : w [ n] = 
0 ailleurs

 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

La fenêtre de Hanning est en fait de longueur L – 2 puisque


ses valeurs aux extrémités sont nulles. Son premier lobe dans
la bande affaiblie est à –31 dB (Fig.32). Pour la fenêtre
rectangulaire, ce premier lobe est à –13 dB (Fig.23). La
convolution de la fonction de transfert W ( e ) de la fenêtre de

Hanning avec H d ( e ) produit un H ( e ) avec une ondulation


jθ jθ

à –44 dB dans la bande affaiblie (Fig. 33) à comparer avec –


21 dB pour la fenêtre rectangulaire (Fig. 25). Toutefois, la
bande de transition a plus que doublé .
229 Fenêtre de Hanning
W ( ejθ )
dB

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]

Filtre à fenêtre de H amming


=θ d 0.4
= π , L 20
233 Fenêtre de Blackman

W ( ejθ )
dB

w [ n]

Fenêtre de Blackman
234 Filtre à fenêtre de Blackman

H ( ejθ )
dB

h[ n]

Filtre à fenêtre de Blackman


=θ d 0.4
= π , L 20
235 Fenêtres
La fenêtre de Hamming n’a pas d’extrémités nulles. Son
troisième lobe est à –41 dB (Fig. 34). L’ondulation maximum
dans la bande affaiblie du filtre est de –53 dB (Fig. 35) et la
bande de transition est sensiblement la même que celle de la
fenêtre de Hanning.
Pour la fenêtre de Blackman, le lobe maximum dans la bande
affaiblie est à –57 dB (Fig. 36) et l’ondulation est à –74 dB pour
le filtre. (Fig. 37)
236 Propriétés des fenêtres

Lobe Bande de Ondulation


Fenêtre secondaire transition de la bande
de la bande (2π/L) affaiblie(dB)
affaiblie (dB)
Rectangul. -13 0.9 -21
Hanning -31 3.1 -44
Hamming -41 3.3 -53
Blackman -57 5.5 -74
237 Fenêtres de Kaiser
Ces fenêtres constituent une famille très flexible et on les considère
pratiquement comme optimales. On les définit comme suit :

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

Fenêtres de Kaiser pour diverses valeurs de


β.
239 Fenêtres de Kaiser
L ’effet de β est illustré dans la tableau qui suit, lequel a été
compilé par Kaiser lui-même:

β Lobe secondaire Bande de Ondulation de la


maximum (dB) transition (2π/L) bande affaiblie(dB)
2.0 -19 1.5 -29
3.0 -24 2.0 -37
4.0 -30 2.6 -45
5.0 -37 3.2 -54
6.0 -44 3.8 -63
7.0 -51 4.5 -72
8.0 -59 5.1 -81
9.0 -67 5.7 -90
10.0 -74 6.4 -99
Fenêtres de Kaiser
A ( e jθ )
Bande de
240 1 + δ1
transition

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

la bande affaiblie. Soit : δ 2

(θ − θ ) A = −20log(δ 2 )
0 θ θ π θ
∆θ = c b
b c


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

2π jn −.25π 2 jnπ (.25)


n
= .25sinc.25n
243 Utilisation de fenêtres
Pour la rendre causale, il faut retarder cette réponse et la tronquer à
l’aide de la fenêtre de Hamming de longueur 66. Le délai dans ce cas
est de 33. D’où on pose :
=h1 [ n] 0.25sinc.25 ( n − 33)

Cette fonction discrète est ensuite multipliée par wM [n] d’où ,


h [n ] = h [n ].* w n ′
1 M [ ]
opération très facilement exécutée dans Matlab. Le délai de L/2 introduit
un déphasage dans H 1 ( e ) car selon la TFSD,

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)′

Le résultat est présenté en Fig. 49.


246 Filtre à fenêtre de Kaiser

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.

Cette méthode est illustrée ci-dessous pour un filtre passe-bas


=
avec θ d π= / 2, L 33 . La TFDI des 33 échantillons de
c’est à dire de H p [ k] , résulte en 33 valeur de H d ( e ) et il

faut poser que h[n ] = h p [ n ] pour 0 ≤ n ≤ 33 et h[n ] = 0


ailleurs transformant ainsi le signal périodique hp [n] en RIF

Finalement la TFSD de h[n ] , soit A ( ejθ )/φ ( ejθ ) = H ( ejθ )


définit la réponse en fréquence .
248 Échantillonnage de fréquences
H d ( ejθ )

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 ) ?

D’abord, il n’y a pas d’erreur aux valeurs des échantillons.


Cependant, entre ces valeurs, l’erreur peut être considérable
particulièrement si on ne choisit pas la phase de façon
appropriée. Dans l’exemple qui précède, on a choisi
 e− jθ ( L−1)/ 2 , 0 ≤ θ ≤ π / 2
Hd (e ) = 

 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 

 − j L2−1  2Lπ k  2π k 


− j16
 e = 
H p [k ] =  , 0 ≤ k ≤ 8, 25 ≤ k ≤ 32
   33 
e
 0 ailleurs
et on obtient le résultat qui suit.
Échantillonnage de fréquences
25
1
H d ( ejθ )

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

On obtient le résultat qui suit et qui est insatisfaisant . La TFSD


de h [n] correspond exactement aux valeurs des échantillons
mais entre ces valeurs, les erreurs sont considérables.
Échantillonnage de fréquences (sans
25
correction de phase)
3

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 

θ − θb
∆θ =c

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

) = ∑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

•La phase est rigoureusement proportionnelle à θ dans le cas


qui précède.
•Dans ce cas, on observe aussi que :
∞ ∞

a (e ) ∑ H a (e )=∑ ( −1) h [ n ] ≠ 0

H= h [ n ] ≠ 0 et
j0 n

n = −∞ n = −∞

• H a ( e ) ne possède pas de zéro à θ = 0 et θ = π et donc H a ( e )


jθ jθ

est une caractéristique de type coupe-bande.

 ( 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=−∞

Avec un zéro à z = -1 , ce filtre à phase linéaire est de type passe-


bas
266 Filtres à phase linéaire
hc [ n] A ntisymétrique
H c ( ejθ ) =
c2
c1
L impair cM + cM −1e− jθ + ..
−cM −1
cM cM −1 c0
−cM ...c1e− j ( M −1)θ
n
L −1 − c1e− j ( M +1)θ − ...
M= −c1
2 −c2
.. − cM e− j 2 M θ
H c ( ejθ ) jM θ jθ
− jM θ
 c e + ...c e 
=e
M 1
 − jθ − jM θ 
 .. − c1e ... − c M e 
M
=e − jM θ
( 2 j ) ∑ ci sin iθ
θ i =1

H c ( ejπ ) =

c (e ) ∑ ∑ ( −1) h[n] =
n
=
H j0
= h[ n] 0 0
n=−∞
n=−∞

Avec des zéros à θ = π et θ = 0 , H c ( ejθ ) est de type passe-


bande.
267 Filtres à phase linéaire
hd [n] d2 − d1 A ntisymétrique H d ( ejθ ) =
dM + dM −1e− jθ + ..
L pair
dM − dM ..d1e− j ( M −1)θ − d1e− j ( M )θ − ..
n
.. − dM e− j ( 2M −1)θ
L
d1 − d2 M=
= e− j ( M −1/ 2)θ (dM ej ( M −1/ 2)θ + ..
2
H d ( ejθ ) ..d1ejθ / 2 − d1e− jθ / 2 − ..
.. − dM e− j ( M −1/ 2)θ
M
= 2 je − j ( M −1/ 2)θ
∑ d sin ( i − 1/ 2)θ
i =1
i

θ ∞
H d ( ejπ ) =

d (e ) ∑ ∑ ( −1) h[n] ≠ 0
n
H= j0
= h[ n] 0
n=−∞
n=−∞

Avec un zéro à z = 1, ce réseau est de type passe-haut


268 Filtres à phase linéaire
Les filtres à phase linéaire, sauf
pour les zéros à z=±1, et les
pôles à l’origine, possèdent
seulement des zéros :
1. En paires symétriques par
rapport au cercle unité sur
l’axe réel.=z a=, z 1/ a
2. En paires complexes
conjugués sur le cercle
unité.
3. Par groupe de quatre en
=z z=
1 ,z 1/ z=
1 ,z z1=
*, z 1/ z1 *
269

Conception de filtres discrets RII


270 Conception de filtres
discrets RII
•Les filtres RII se distinguent des filtres RIF essentiellement par
le fait que leur fonction de transfert comporte des pôles en plus
des zéros.

•Certains filtres RII sont réalisés à partir de filtres continus


préalables, notamment les filtres de Butterworth, de Bessel, de
Chebyshev, de Cauer ou elliptiques.
271 Conception de filtres
discrets RII
•En raison de la présence de pôles, les réalisations de ces
filtres RII font toujours appel à des vérifications de stabilité car
il suffit qu’un pôle soit situé hors du cercle unité pour que le
filtre soit instable.
•Les filtres RII ne sont pas spécifiés d’avance en termes de
phase. En général, on conçoit d’abord un filtre RII avec une
caractéristique d’amplitude souhaitée que l’on fait suivre
ensuite, si nécessaire, d’un décaleur pour corriger sa
caractéristique de phase.
272 Spécifications
La conception d’un filtre discret
commence en général par la
spécification de la réponse en A ( e jθ )
fréquence requise. La Bande de
transition
spécification peut prendre la 1 + δ1
1
forme d’un diagramme de 1 − δ1

tolérance tel qu’indiqué . Dans


la bande passante, la tolérance, Bande passante
Bande affaiblie

c’est à dire l’erreur autorisée, est δ2


d1. Elle est de d2 dans la bande 0 θb θc π θ

affaiblie, alors que dans la


bande de transition, aucune
spécification n’est donnée.
273

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 

X  ω − k 
Y (ω ) = ∑  
T
(a) X( ω)
k =−∞ T
A

−π 0 π ω une série infinie de répétitions du


spectre X(ω) du signal continu
T T
Y( ω)

A échantillonné. Chaque répétition


T
est décalée de 2π/T.
−3π −π 0 π 3π
ω
T T T T
275 Invariance impulsionnelle
Soit un filtre continu de réponse impulsionnelle ha (t )et de
réponse en fréquence H a (ω ) , donc de fonction de transfert H a ( s )
La méthode d’invariance impulsionnelle permet de réaliser des
filtres discrets dont la réponse impulsionnelle discrète hd [ n ]
représente exactement la séquence des valeurs
échantillonnées de ha (t ) . On obtient le résultat :
[ n] h=
hd= a (t nT )
T étant la période d’échantillonnage du système discret.

En termes spectraux, avec θ = ω T , il s’ensuit que d’après le


principe d’échantillonnage que:
 2π 

H a ω − k 
Hd (e ) = ∑ 
jθ T 
k =−∞ T
276 Invariance impulsionnelle
À cause de l’échantillonnage, le spectre de la fonction continue se
trouve répété autour de chaque multiple de la fréquence d’échantillonnage
et son amplitude est divisée par T.
ha ( t )
Le facteur limitatif de H a (ω )
cette méthode est le
repliement de bande : 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

Nous pouvons alors écrire la réponse impulsionnelle, par


transformation de Laplace inverse, comme une somme de
termes exponentiels, chacun faisant appel à une fréquence
naturelle correspondant aux pôles du système :

M
ha ( t ) = ∑ Ak eskt
k=1
278 Invariance impulsionnelle

Puisque l’invariance impulsionnelle est recherchée, il faut que


M M
hd [ n] ∑ ∑ Ak ( ak ) u [n]
n
= = sknT
Ak e u [ n]
=k 1=k 1

dont la transformée en z, la fonction de transfert recherchée, est :


M M
Ak Ak
H d ( z) ∑
= = −1 ∑ −1 skT
= 1
k 1= − ak z k 1 1 − z e
Donc la fonction de transfert obtenue par invariance impulsionnelle
comporte le même nombre de pôles M que la fonction de transfert
analogique qu’elle tente de reproduire.
279 Invariance impulsionnelle

Les pôles pk de la fonction de transfert discrète, sont obtenus


très facilement par transposition des pôles analogiques avec la
formule : p = e skT
k

Si sk est complexe, c’est à dire si , s=


k αk + j βk
( k k )
α +jβ T
α k T j βk T
=
alorsp k e= e= e ρ k e j φk
α T
avec ρ k = e k φ k = β kT
280 Invariance impulsionnelle
(α k + j β k )T αk T
s=
k αk + j βk pk = =
e skT p k e= e= e j βk T ρ k e j φk

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.

•Si le système est stable, α k < 0 etρ k < 1

•Un système analogue stable engendre donc par invariance


impulsionnelle un système discret stable.

•Notons que les zéros de Ha(s) ne se transforment pas dans le


plan des z de façon aussi simple que ses pôles.
281 Invariance impulsionnelle
Exemple 1
Soit à réaliser par invariance impulsionnelle, un filtre discret à
partir du filtre analogique dont la fonction de transfert est :
A
H a ( s) = x [n ] y [n ]
s− B A +

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

h(t ) = 2e- t - 2e-2t cos(3t )

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

La méthode la plus utilisée pour la réalisation de filtres discrets


à partir de filtres analogues est la transformation bilinéaire.

Elle met en cause une autre façon de transformer le plan des


s en plan des z éliminant le problème de repliement de bande
rencontré dans la méthode d’invariance impulsionnelle.
287 Transformation bilinéaire

La transformation bilinéaire est définie par les relations :


2 1 − z−1 2 z − 1
=s =
T 1 + z−1 T z + 1
ou, réciproquement, après transformation de cette équation :

2 − sT 2 + sT
=z−1 = ou z
2 + sT 2 − sT

Lorsque s =0 ⇒ z =1, s =∞ ⇒ z =−1 donc l’axe des jω est


entièrement appliqué sur le demi cercle unité défini par e j θ , 0 ≤ θ ≤ π
L’axe - jω est appliqué sur le demi cercle unité inférieur.
288 Transformation bilinéaire
Lorsque Re{s} = 0
2 + sT 2 + j ωaT
=
z ⇒ =
z = 1
2 − sT 2 − j ωaT
dans laquelle ωa représente la fréquence analogique, ou si l’on
veut, l’axe jω dans le plan des s.

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

La moitié gauche du plan s correspond à la région à l’intérieur


du cercle unité alors que la région à l’extérieur de celui-ci
correspond au demi-plan droit. Avec cette méthode on obtient
des systèmes discrets stables à partir de systèmes continus
stables.

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

La fréquence discrète θ varie de 0 à π lorsque ωa varie de 0 à


l’infini.
2 θ
On a aussi, réciproquement, ω a = tan
T 2
2 ωT 2 ωT
=
et en posant θ = ω dT ωa = tan d ωd tan −1 a
T 2 T 2

θ = ω dT
π

−10 −5 5 10 ω aT

−π
293 Transformation bilinéaire

La relation non linéaire entre les fréquences analogiques et les


fréquences discrètes lors de la transformation bilinéaire d’un
filtre analogique en filtre discret et vice versa résulte en un
gauchissement des caractéristiques en fréquence des filtres
transformés.
294 Transformation bilinéaire
θ = ω dT

θ = ω dT
π

H d ( ejθ )

ω aT

−π

H a (ω )

ω aT
295 Transformation bilinéaire

Le grand avantage du gauchissement est qu’il élimine le


repliement de fréquence qui a été observé dans la méthode à
invariance impulsionnelle. On remarque cependant qu’en basse
fréquence, 2 ω T 2 ω aT
=ωd tan −1 a ≈ = ωa
T 2 T 2
L’effet du gauchissement est beaucoup moindre en basse
fréquence.
296 Transformation bilinéaire

Aussi, l’utilisation de ω aT et θ rend la caractéristique


indépendante de T. Dès lors, on peut utiliser T = 1, ou toute
autre valeur, dans la transformation et le pré-gauchissement en
autant que la même valeur soit utilisée dans toutes les
opérations.
297 Transformation bilinéaire

La relation non-linéaire entre les fréquences analogiques et


discrètes a un effet de gauchissement dans la transformation
de la fonction de transfert H a (ω ) enH d (e ) .

298 Transformation bilinéaire

H a (ω T )

H d ( ejθ )

θ
ωT
299 Transformation bilinéaire

H a (ω ) est comprimée en fréquence par la transformation


mais, autrement, elle préserve toutes ses caractéristiques.

En particulier, si H a (ω ) est à ondulation constante dans la


bande passante et dans la bande affaiblie, alors H d (e ) l’est

aussi.

Cette caractéristique de la transformation bilinéaire la rend très


utile pour la conversion des filtres classiques linéaires en filtres
digitaux.
300 Pré-gauchissement
Pour obtenir une fonction de transfert avec un θ c et θ d donnés,
il faut en premier lieu que ces fréquences soient pré-gauchies
avec la relation
θ
ω aT = 2tan
2

laquelle est indépendante de T.

De cette façon, on s’assure que les caractéristiques du filtre


analogique soient adéquates pour obtenir les caractéristiques
désirées par transformation bilinéaire de ce filtre.
301 Pré-gauchissement

Le filtre analogique est ensuite conçu et le filtre discret est


obtenu du filtre analogique en posant :

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 ( j ∞) =0 donc H d ( ejθ ) comporte un zéro à z = -1.


Elle comporte aussi un pôle à
2 − aT
p=
2 + aT
Le pôle analogique s = − a a été transformé bilinéairement. La
fonction de transfert analogique et sa transformation bilinéaire
sont illustrées ci-dessous avec a = 1000, T = 1/1000.
304 Transformation bilinéaire

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

Le zéro, comme le pôle, est transformé bilinéairement.


306 Transformation bilinéaire des pôles-zéros
La transformation bilinéaire d’un filtre analogique en un filtre
discret est défini par la relation :
H d ( z) = H a ( s) s= 2  z−1 
 
T  z+1 

Cependant, cette procédure est laborieuse et il est en pratique


plus facile de procéder à la transformation bilinéaire directe des
pôles et zéros. À cette fin, on pose d’abord sous la forme :
Na

∏ (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

Le processus de conception de filtre RII par transformation


bilinéaire est le suivant :
θ
1. Pré-gauchissement deθ c et θ d avec la relation ω aT = 2tan
2
pour avoir les spécifications du filtre analogique.
2. Calcul des valeurs de δ 1 et δ 2 et de l’ordre du filtre.
3. Élaboration du filtre analogique.
4. Transformation des pôles et des zéros.
5. Calcul de b0.
6. Conversion éventuelle de H d ( z) à un autre filtre discret
par conversion spectrale lorsque nécessaire.