TD#1: ( Transformées en Z et Z inverse)

Ex #1 :
a) Pour chaque signal analogique xa(t), calculer sa transformée en Z (T.Z).
- xa(t)=u(t) avec u(t)=1 pour t>0 et 0 ailleurs
- xa(t) = e-at
- xa(t)=tu(t)

b) Pour chaque signal numérique x(n) calculer sa sa T.Z.

- x(n)= anu(n)
- x(n)=n –5
- x(n) = n+1
- x(n)=-bnu(-n-1)
- x(n) = (n + 2)²
- x(n) = 2nn2

Ex #2 :
(a) Calculer la T.Z inverse de la fonction suivante utilisant
- La méthode des fractions rationnelles (partial-fraction expansion method).
- La méthode de la série en puissnace (power-series method).
- La méthode de l’inversion de la formule (la méthode des résidus : inversion formula
method).
(1 − e − aT ) z
H ( z) =
( z − 1)( z − e −aT )
(b) Calculer la T.Z inverse de la fonction suivante utilisant la méthode des fractions
rationnelles
6 − 9 z −1
H ( z) =
1 − 2.5 z −1 + z −2
(c) Calculer la T.Z inverse de la fonction suivante utilisant la méthode des résidus
1 − 2 z −1 + z −2
H ( z) =
1 − z −1 + 0.356 z −2
(d) Calculer la T.Z inverse de la fonction suivante utilisant la méthode en série de puissance
1
H ( z) =
1 − az −1

46
 TD#2 :( Filtres numériques RII : gabarits de Butterworth et Chebyshev)

Ex#1 :
On veut concevoir un filtre numérique passe-bas à partir d’un filtre analogique de Butterworth
en utilisant la méthode de transformation bilinéaire. Les spécifications du filtre analogique
sont les suivantes :
- Une atténuation de 3dB à Ω =0.25 π
- Une atténuation de 10dB à Ω =0.45 π

Ex#2 :
On veut concevoir un filtre numérique passe-bas à partir d’un filtre analogique de Butterworth
en utilisant la méthode basée sur la méthode de l’invariance impulsionnelle. Les spécifications
du filtre analogique sont les suivantes :
- Une atténuation de 1dB à Ω =0.25 π
- Une atténuation de 10dB à Ω =0.45 π

Ex#3 :
On veut concevoir un filtre numérique passe-bas à partir d’un filtre analogique de Chebyshev
en utilisant la méthode de l’invariance impulsionnelle. Les spécifications du filtre analogique
sont les suivantes :
- Une atténuation de 3dB à Ω =0.2 π
- Une atténuation de 10dB à Ω =0.4 π
Calculer N, Ω c et les pôles dont la partie réelle est négative ainsi que la fonction de transfert
du filtre analogique et numérique en supposant que les spécifications de la bande passante
sont satisfaites.

Ex#4 :
On veut concevoir un filtre numérique passe-bas à partir d’un filtre analogique de Chebyshev
en utilisant la méthode basée sur la transformation bilinéaire. Les spécifications du filtre
analogique sont les suivantes :
- Une atténuation de 1dB à Ω =0.25 π
- Une atténuation de 10dB à Ω =0.45 π

47
 Solutions de la série de TD #2
Ex #1 :
La conception du filtre numérique à partir du gabarit de Butterworth par la méthode de la
transformation bilinéaire repose sur les cinq étapes suivantes :
 H a ( jΩ p ) ≥ −3dB, avec Ω p = 0.25π
Les spécifications sont : 
 H a ( jΩ s ) ≤ −10dB , avec Ω s = 0.45π
(1) Calcul de Ω c et N :
La méthode de la transformation bilinéaire est basée sur
2 1 − z −1 2 1 − e − jω 2 e jω / 2 e − jω / 2 − e − jω / 2 e − jω / 2 2 e jω / 2 − e − jω / 2
s= = = =
T 1 + z −1 T 1 + e − jω T e jω / 2 e − jω / 2 + e − jω / 2 e − jω / 2 T e jω / 2 + e − jω / 2
 e jx − e − jx
sin( x) = sin(ω / 2)
 2j
Utilisant  et avec T=1, on obtient s = = 2 j tan(ω / 2)
 e +e
jx − jx cos(ω / 2)
cos( x) = 2
Le module du filtre analogique de Butterworth est donné par

(
H a ( jΩ ) = 1 + ( Ω / Ω c ) 2 N )
−1 / 2

(
20 log10 ( H a ( jΩ) ) = −10 1 + (Ω / Ω c ) 2 N )
D’après les spécifications désirées du filtre, nous avons

(
− 10 log10 1 + (2 tan(Ω p / 2) / Ω c ) 2 N ≥ −3 ) (2 tan(Ω p / 2) / Ω c ) 2 N ≤ 10 3 /10 − 1
 ⇒
(
− 10 log10 1 + (2 tan(Ω s / 2) / Ω c ) 2 N ≤ −10) (2 tan(Ω s / 2) / Ω c ) 2 N ≥ 1010 / 10 − 1

La solution de ces deux équations donne

N=
1 [
log (10 − 1) /(10 0.3 − 1) ]
=1.5215
2 log[tan(0.45π / 2) / tan(0.25π / 2)]
On prend N=2. On considère l’équation qui désigne la 2ème spécification, on trouve
Ω c = 2 tan(0.45π / 2)9 −1 / 2 N =0.9862=0.3139 π
Alors, les spécifications de la bande passante sont dépassées et les spécifications de la bande
d’arrêt sont maintenues ou satisfaites. Im
π /2
(2) Calcul des pôles de Ha(s) :
s1
On a deux pôles (N=2) à parties réelles négatives dans le cercle
Ωc Re
ci-contre de rayon Ω c = 0.9862 . On fait des projections sur
les deux axes, on obtient
s2

48
  Ω
 s1 = c ( 2 + j 2 )
s1 = Ω c (cos(π / 4) + j sin(π / 4))  2
 ⇒
s
 2 = Ω c (cos(π / 4) − j sin(π / 4)) s = Ω c ( 2 − j 2 )
 2 2
(3) Calcul de la F.T analogique Ha(s) :
La F.T générale en S est obtenue par
N − sk Ω cN
H a (s) = Χ =
k =1 ( s − s k ) ( s − s1 )( s − s 2 )...( s − s N )
On a N=2, la F.T devient
Ω c2 0.9726
H a (s) = =
s + 2Ω c s + Ω
2 2
c
s + 1.3947 s + 0.9726
2

(4) Calcul de la F.T numérique H(z) :

H ( z ) = H a ( s ) s =21− z −1
1+ z −1

Y ( z) Ω c2 (1 + z −1 ) 2
H ( z) = =
X ( z ) 4(1 − z −1 ) 2 + 2 2Ω c (1 − z − 2 ) + Ω c2 (1 + z −1 ) 2
Ω c2 + 2Ω c2 z −1 + Ω c2 z − 2
=
(4 + 2 2Ω c + Ω c2 ) + (2Ω c2 − 8) z −1 + (4 − 2 2Ω c + Ω c2 ) z −2
0.9726 + 1.9452 z −1 + 0.9726 z − 2
=
7.7620 − 6.0548 z −1 + 2.1832 z − 2
0.1253 + 0.2506 z −1 + 0.1253 z − 2
=
1 − 0.7801z −1 + 0.2813 z − 2

(5) Calcul de la sortie du filtre numérique y(n) :

Nous avons
a 0 = 1, a1 = −0.7801 et a 2 = 0.2813
N M

∑ a k y (n − k ) = ∑ bk x(n − k ) où et
k =0 k =0
b = 0.1253, b = 0.2506 et b = 0.1253
 0 1 2

Utilisant un calculateur, l’algorithme du filtre numérique résultant est finalement donné par
y (n) = 0.1253 x(n) + 0.2506 x(n − 1) + 0.1253 x(n − 2) + 0.7801 y (n − 1) − 0.2813 y (n − 2)

x(n) y(n)
h(n)
Ex #2 :
La conception du filtre numérique à partir du gabarit de Butterworth par la méthode de
l’invariance impulsionnelle repose sur les 5 étapes suivantes :

49
  H a ( jΩ p ) ≥ −1dB, avec Ω p = 0.25π
Les spécifications sont : 
 H a ( jΩ s ) ≤ −10dB , avec Ω s = 0.45π

(1) Calcul de Ω c et N :
D’après les spécifications désirées du filtre, nous avons
  0.25π 
2N

1 +   = 101 / 10
(
− 10 log10 1 + (Ω p / Ω c ) 2N
) ≥ −1   Ωc 
 ⇒
(
− 10 log10 1 + (Ω s / Ω c ) 2 N ) ≤ −10   0.45π 
2N

1 +   = 1010 / 10
  Ωc 
La solution de ces équations mène à

=
[
1 log (10 − 1) /(101 / 10 − 1) ]
≥ 3.0185
 N
 2 log((0.45π ) /(0.25π ))
Ω = 0.45π 9 −1 / 2 N = 0.9824 = 0.3127π
 c
Cependant, on doit prendre une valeur entière de N. D’où
N = 4
 ⇒ Les spécifications de la bande passante sont
Ω c = 0.45π 9 = 1.0742 = 0.3419π
−1 / 2 N

dépassées et la spécifications de la bande d’arrêt sont satisfaites.

(2) Calcul des pôles de Ha(s) :

On a 4 pôles car N=4 à parties réelles négatives espacés d‘un angle de π / 4 et de
rayon Ω c = 1.0742 comme montré dans le cercle ci-dessous. On fait des projections sur les
deux axes, on obtient
s1, 2 = −Ω c (cos(3π / 8) ± j sin(3π / 8)) s1, 2 = −0.4111 ± j 0.9924
 ⇒
s3, 4 = −Ω c (cos(π / 8) ± j sin(π / 8)) s3, 4 = −0.9924 ± j 0.4111
π /4
s1 Im
3) Calcul de la F.T analogique Ha(s) :
s3
La F.T générale en S est obtenue par Ωc Re
N − sk Ω cN
H a (s) = Χ = s4
k =1 ( s − s k ) ( s − s1 )( s − s 2 )...( s − s N )
On a N=4, la F.T devient s2

Ω c4 1.3315
H a (s) = = 2
( s − s1 )( s − s 2 )( s − s3 )( s − s 4 ) ( s + 0.8222 s + 1.1539)( s 2 + 1.9848s + 1.1539)
En simplifiant, on trouve

50
 1.3315
H a (s) =
s + 2.8070 s + 3.9397 s 2 + 3.2390 s + 1.3315
4 3

Maintenant, on doit exprimer Ha(s) en une somme de fractions (partial fraction expansion).
b( s ) bm s m + bm −1 s m −1 + ... + b1 s + b0
H a (s ) = = + k ( s)
a ( s ) a n s n + a n −1 s n −1 + ... + a1 s + a 0
N Ak  A A2 A3 A4 
=∑ =  1 + + + 
k =1 s − s k  s − p1 s − p 2 s − p3 s − p 4 
On utilise la commande Matlab suivante, on obtient
>> b = [1.3315];
>>a = [1 -2.8070 3.9397 -3.2390 1.3315];
>> [r,p,k] = residue(b,a),
 1.3315
 A1 = = 0.4963 - j1.1978
 ( s − s 2 )( s − s 3 )( s − s 4 ) s = s1

A = 1.3315
= 0.4963 + j1.1978  p1 = −0.9924 + j0.4111
 2
( s − s1 )( s − s 3 )( s − s 4 ) p = - 0.9924 - j0.4111
 s = s2  2
 et 
A = 1.3315  p3 = - 0.4111 + j0.9924
 3 ( s − s )( s − s )( s − s ) = −0.4963 + j0.2056  p4 = − 0.4111 - j0.9924
 1 2 4 s = s3

 1.3315
 A4 = = −0.4963 - j0.2056
 ( s − s1 )( s − s 2 )( s − s 3 ) s = s4

(4) Calcul de la F.T numérique H(z) :

H(z) est obtenue directement par la méthode de l’invariance impulsionnelle comme
N Ak 0.4963 - j1.1978 0.4963 + j1.1978
H ( z) = ∑ = -0.9924 + j0.4111 −1
+ +
k =1 1 − e
sk T −1
z 1− e z 1 − e -0.9924 − j0.4111 z −1
− 0.4963 + j 0.2056 − 0.4963 − j 0.2056
+
1 − e −0.4111+ j 0.9924 z −1 1 − e −0.4111− j 0.9924 z −1
0.6810 − 1.1424 z −1 + 0.2310 z − 2 0.2886 - 0.2092z -1 + 0.1268 z −2
= +
1 − 0.6796 z −1 + 0.1374 z −2 1 − 0.7248 z −1 + 0.4395 z − 2
Après simplification, on obtient (i.e., la commande Matlab u=[], v=[], conv(u,v),)
0.9696 - 2.0413 z −1 + 1.6669 z −2 - 0.7844 z −3 + 0.1189 z −4
H ( z) =
1 − 1.4044 z −1 + 1.0695 z − 2 − 0.3983 z −3 + 0.0604 z − 4

(5) Calcul de la sortie du filtre numérique y(n) :

A partir de l’équation précédente avec a0=1, la sortie du filtre est donné par

51
y (n) = b0 x(n) + b1 x(n − 1) + b2 x(n − 2) + b3 x(n − 3) + b4 x(n − 4)
− a1 y (n − 1) + a 2 y (n − 2) + a 3 y (n − 3) + a 4 y (n − 4)
Utilisant un calculateur, l’algorithme du filtre numérique résultant est finalement donné par
y (n) = 0.9696 x(n) + -2.0413 x(n − 1) + 1.6669 x(n − 2) + 0.7844 x(n − 3) + 0.1189 x(n − 4)
+ 1.4044 y (n − 1) − 1.0695 y (n − 2) + 0.3983 y (n − 3) − 0.0604 y (n − 4)

x(n) y(n)
h(n)
Ex #3 :
La conception du filtre numérique à partir du gabarit de Chebyshev par la méthode de la
l’invariance impulsionnelle repose sur les cinq étapes suivantes :
 H a ( jΩ p ) ≥ −3dB, avec Ω p = 0.2π
Les spécifications sont : 
 H a ( jΩ s ) ≤ −10dB , avec Ω s = 0.4π

(1)Calcul de Ω c , ε et N :
D’après le filtre analogique de Chebyshed, on peut écrire
1
H a ( jΩ ) =
2

1 + ε V (Ω / Ω c )
2 2
N

( )
20 log10 H a ( jΩ p ) ≥= −3

20 log10 ( H a ( jΩ s ) ) ≤ −10

Pour calculer ε , on considère Ω = 0 ce qui donne

( )
− 20 log10 1 + ε 2 cosh 2 ( N .0 ) ≥= −3 , on sait que cosh 2 ( N .0 ) = 1 ⇒ ε 2 = 10 3 / 10 − 1 =0.9976

Pour assurer les spécifications de la bande passante, on doit prendre Ω c = Ω p =0.6283.

Maintenant, pour calculer N, on utilise le système d’équations suivant. D’où

ε 2 = 103 / 10 − 1
 2 2
(
ε cosh N cosh (Ω s / Ω p ) ≥ 10
−1
)
10 / 10
−1

On obtient

(
cosh N cosh −1 (Ω s / Ω p ) ≥ ) 1010 / 10 − 1
⇒ N ≥
( )
cosh −1 (10 − 1) /(10 0.3 − 1)
≥ 1.3404
100.3 − 1 cosh −1 (Ω s / Ω p )

On prend N=2. Alors les paramètres du filtre sont

ε = 0.9976

Ω c = 0.6283
N = 2


52
(2) Calcul des pôles de Ha(s) :
On a 2 pôles car N=2 à parties réelles négatives espacés d‘un angle de π / 2 sur une ellipse de
rayons mineur et majeur. Im
π Plan-S

α = ε −1 + 1 + ε −2 = 2.4183 2


a = α
2
(
1 1/ N
)
− α −1 / N = 0.4560 s1


(
1 1/ N
b = 2 α )
+ α −1 / N = 1.0991
bΩ c

Re
Les projections sur les deux axes sont :
aΩ c
s1, 2 = − aΩ c cos(π / 4) ± jbΩ c sin(π / 4))
= −0.2026 ± j 0.4883 s2

3) Calcul de la F.T analogique Ha(s) :

La F.T générale en S est obtenue par
N −s
 1
 ∏ k
2 k =1 s − s
, N pair
 1+ ε
H a (s) = 
k

∏ − s k
N
N impair
 k =1 s − s k

1 2 − sk 1 s1 s 2
Dans notre cas, N=2, alors la F.T devient H a ( s ) = ∏ =
1 + ε 2 k =1 s − s k 1+ ε 2 ( s − s1 )( s − s 2 )

0.2795
H a (s) = ?
( s + 0.4052 s + 0.2795)
2

Maintenant, on doit exprimer Ha(s) en une somme de fractions (partial fraction expansion).

H a (s ) =
A1 A2
+ + k ( s)
s − p1 s − p 2
On obtient
 0.2795
 A1 = = − j0.2862
 (s − s2 ) s = s1  p1 = −0.2026 + j0.4883
 et 
 A = 0.2795  p 2 = - 0.2026 - j0.4883
 2 (s − s ) = j0.2862
 1 s = s2

− j0.2862
H a (s ) =
j0.2862
+ + k (s )
s + 0.2026 − j0.4883 s + 0.2026 + j0.4883
(4) Calcul de la F.T numérique H(z) :
H(z) est obtenue directement par la méthode de l’invariance impulsionnelle comme suit

53
 N Ak − j0.2862 j0.2862
H ( z) = ∑ s k T −1
= − 0.2026 + j0.4883 −1
+ − 0.2026 − j0.4883 −1
k =11 − e z 1− e z 1− e z
−1
− 0.2165 z
=
1 − 1.4423 z −1 + 0.6668 z − 2
(5) Calcul de la sortie du filtre numérique y(n) :
A partir de l’équation précédente avec a0=1, la sortie du filtre est donné par
y (n) = b0 x(n) + b1 x(n − 1) − a1 y (n − 1) + a 2 y (n − 2)
= −0.2165 x(n − 1) + 1.4423 y (n − 1) − 0.6668 y (n − 2)

x(n) y(n)
h(n)

Ex #4 : (devoir)

54
 TD#3 :( Filtres numériques RIF : méthode de fenêtrage)
Ex #1 :
Calculer la réponse impulsionnelle d’un filtre passe-bas RIF (Fig. 1) à phase linéaire avec les
hypothèses suivantes :
N=8, ω c =0.25 π et l’utilisation de la fenêtre de Hamming ci-dessous

 2πn 
w(n) = 0.54 − 0.46 cos  , 0 ≤ n < N −1
 N −1
H d (e jω )

− ωc ωc ω

Fig. 1 : Filtre passe-bas RIF

Ex #2 :
On veut aussi concevoir un filtre passe bas RIF à phase linéaire (Fig. 1) mais avec l’utilisation
de la fenêtre de Hanning avec
N= 7, ω c =0.2 π
1) Calculer les coefficients de la réponse impulsionnelle.
2) Calculer la phase et l'amplitude de la réponse fréquentielle.

Ex #3 :
On veut concevoir un filtre passe-bande RIF (Fig. 2) à phase linéaire en utilisant la fenêtre de
Hamming avec
N= 7, ω c 1=0.2 π et ω c 2=0.4 π

1) Calculer les coefficients de la réponse impulsionnelle.

2) Calculer la phase et l'amplitude de la réponse fréquentielle.

H d (e jω )

− ω 2 - ω1 ω1 ω 2 ω

Fig. 2 : Filtre passe-bande RIF

Solutions de la série de TD #3

55
Ex #1 :
La méthode fenêtrage d’un filtre passe-bas RIF est comme suit
h(n) = hd (n) w(n)

1 ωc jω (n -α ) sin (ω c (n − α ) )
hd (n ) = ∫ e dω. = avec α = ( N − 1) / 2 H d (e jω )
2π −ωc π (n − α )
La fenêtre de Hamming s’écrit par
 2πn 
w(n) = 0.54 − 0.46 cos 
 N − 1 − ωc ωc ω
La réponse impulsionnelle est donnée par
sin[ω c (n − ( N − 1) / 2)]   2πn 
h ( n) =  0.54 − 0.46 cos  , n=0, …, N-1
π (n − ( N − 1) / 2)   N − 1 
A.N
N=8; n=0:7;
h=(0.54-0.46*cos(2*pi*n./(N-1))).*sin(0.25*pi*(n-(N-1)/2))./(pi*(n-(N-1)/2))
h(n)=[0.0028 0.0298 0.1259 0.2325 0.2325 0.1259 0.0298 0.0028] ;
On remarque que h(n) est symétrique par rapport à (N-1)/2. la F.T en Z du filtre RIF est
H ( z ) = 0.0028 + 0.0298 z −1 + 0.1259 z −2 + 0.2325 z −3 + 0.2325 z −4
+ 0.1259 z −5 + 0.0298 z −6 + 0.0028 z −7
Alors la sortie du filtre devient
y (n) = 0.0028 x(n) + 0.0298 x(n − 1) + 0.1259 x(n − 2) + 0.2325 x(n − 3) + 0.2325 x(n − 4)
+ 0.1259 x(n − 5) + 0.0298 x(n − 6) + 0.0028 x(n − 7)

x(n) y(n)
h(n)
0.25

Ex #2 : 0.2

1) Coefficients de la réponse
h(n)

0.15

impulsionnelle du filtre RIF passe-bas : 0.1

0.05
Utilisant la fenêtre de Hannig, la conception du filtre
0
0 1 2 3 4 5 6 7
RIF passe-bas est obtenue par le calcul de n

h(n) = hd (n) w(n)

où

56
 1 ωc jω (n -α ) sin (ω c (n − α ) )
 h ( n ) = ∫ e dω =
2π −ωc π (n − α )
d

 avec α = ( N − 1) / 2 et n=0, …, N-1

w(n) = 0.5 1 − cos  2 πn  
  
   N − 1 

sin( x) H d (e jω )
On sait que lim = 1 , alors
x →0 x
sin[ω c (n − ( N − 1) / 2)] ω c sin[ω c (n − ( N − 1) / 2)]
=
π (n − ( N − 1) / 2) π ω c (n − ( N − 1) / 2)
− ωc ωc ω
ω sin( x) ω c
En posant x = ω c (n − ( N − 1) / 2) ⇒ c lim =
π x →0 x π
D’où
 sin[ωc (n − ( N − 1) / 2)]   2πn 
 0.51 − cos  , n ≠α
 π (n − ( N − 1) / 2)   N − 1 
h(n) = 
0.5 ωc 1 − cos 2πn , n =α
 

 π   N − 1 
A.N
Pour ω c = 0.2π et N=7, on trouve
h(n)=[ 0 0.0378 0.1403 0.2000 0.1403 0.0378 0]
et
H ( z ) = 0.0378 z −1 + 0.1403 z −2 + 0.2 z −3 + 0.1403 z −4 + 0.0378 z −5
N=7; n=0:6;
h=0.5*(1-cos(2*pi*n./(N-1))).*sin(0.2*pi*(n-(N-1)/2))./(pi*(n-(N-1)/2))

2) L’amplitude et la phase du filtre :

H (e jω ) = 0.0378e − jω + 0.1403e − j 2ω + 0.2e − j 3ω + 0.1403e − j 4ω + 0.0378e − j 5ω

(
= e − j 3ω 0.0378e j 2ω + 0.1403e jω + 0.2 + 0.1403e − jω + 0.0378e − j 2ω )
=e − j 3ω
(0.2 + 0.0378(e j 2ω
+e − j 2ω
) + 0.1403(e jω
+e − jω
) )
H (e jω ) = (0.2 + 0.0756 cos(2ω ) + 0.2806 cos(ω ) )e j ( −3ω )
- On remarque que la phase est linéaire par rapport à ω , ϕ = −3ω
- L’amplitude est non-linéaire par rapport à ω ,
H (e jω ) = 0.2 + 0.0756 cos(2ω ) + 0.2806 cos(ω )

57
Ex #3 :
1) Coefficients de la réponse impulsionnelle du filtre passe-bande:
Utilisant la fenêtre de Hammig, la conception du filtre RIF passe-bande est obtenue par le
calcul de
h(n) = hd (n) w(n) H d (e jω )
où

1 −ω1 jω (n-α ) ω2

hd (n ) = ∫ e dω + ∫ e jω (n -α ) dω 
2π  -ω2 
ω1
− ω 2 - ω1 ω1 ω 2 ω
sin (ω 2 (n − α ) ) sin (ω1 (n − α ) )
= −
π (n − α ) π (n − α )

 2πn 
Avec w(n) = 0.54 − 0.46 cos  , on obtient
 N −1
 sin (ω 2 (n − α ) ) sin (ω1 (n − α ) )    2πn 
 −   0.54 − 0.46 cos  , n ≠ α
 π (n − α ) π (n − α )    N − 1 
h ( n) = 
 ω 2 − ω1  0.54 − 0.46 cos 2πn , n =α
 π 
π  

 N − 1 


A.N
Pour N= 7, ω1 =0.2 π et ω 2 =0.4 π , on obtient
h(n)=[-0.0131 -0.0179 0.0890 0.2 0.0890 -0.0179 -0.0131]
et
H ( z ) = −0.0131 - 0.0179 z −1 + 0.0890 z −2 + 0.2 z −3 + -0.0179 z −4 + 0.0890 z −5 − 0.0131z −6
N=7; n=0:6;
h=(0.54-0.46*cos(2*pi*n./(N-1))).*(sin(0.4*pi*(n-(N-1)/2))./(pi*(n-(N-1)/2))-sin(0.2*pi*(n-
(N-1)/2))./(pi*(n-(N-1)/2)))

2) L’amplitude et la phase du filtre:

H (e jω ) = b0 + b1e − jω + b2 e − j 2ω + b3e − j 3ω + b4 e − j 4ω + b5e − j 5ω + b6 e − j 6ω
(
= e − j 3ω b0 e j 3ω + b1e j 2ω + b2 e jω + b3 + b4 e − jω + b5 e − j 2ω + b6 e − j 3ω )
On b0 = b6 , b1 = b5 et b2 = b4

H (e jω ) = e − j 3ω (0.2 − 0.0262 cos(3ω ) + −0.03581 cos(2ω ) + 0.1780 cos(ω ) )

- Il est bien remarqué que la phase est linéaire ( ϕ = −3ω ) et l’amplitude est non linéaire

H (e jω ) = 0.2 − 0.0262 cos(3ω ) + −0.0358 cos(2ω ) + 0.1780 cos(ω )

58
 TD #4 : (Processus stochastique : Espérances et fonctions d’autocorrélations)
Ex #1 :
En considérant la variable aléatoire X(t) définie par X (t ) = A cos(ω 0 t + Θ)

Où A et ω 0 sont des constants et Θ est une variable aléatoire de densité de probabilité

4 π
 , θ ≤
f Θ (θ ) = π 8
0, ailleurs

a) Trouver la moyenne, E[X(t)] et la fonction d’autocorrélation, Rxx(t1,t2)

b) Ce processus est-il stationnaire ?

Ex #2 :
Prenant le processus X (t ) = A cos(ω 0 t + Θ) avec A et ω 0 sont des constants et Θ est une

variable aléatoire uniformément distribuée sur [0,2π ] . Si le processus aléatoire Y(t)=X2(t).

a) Trouver la fonction d’autocorrélation, Ryy(t1,t2)
b) Est-il stationnaire ?

Ex #3 :
On considère le processus aléatoire définie par X (t ) = Ae j (ωt + Θ ) où A est une variable
aléatoire distribuée par
 a −a2
2

 e 2σ , a ≥ 0
f A ( a ) = σ 2 σ 2 est constant et Θ est une variable aléatoire uniformément
0,
 ailleurs
distribuée sur [0,2π ] . A et Θ sont statistiquement indépendants.
a) Déterminer la fonction moyenne, E[X(t)]
b) Déterminer la fonction d’autocorrélation, Rxx(t1,t2)

Ex #4 :
Prenant X(t) et Y(t) deux processus stochastiques indépendants avec
 R xx (τ ) = 2e −2 τ cos ωτ
 −3 τ
 R yy (τ ) = 9 + e

On définie Z(t)=A X(t)Y(t) avec A est une v.a de moyenne 2 et de variance 9.

a) Déterminer la fonction d’autocorrélation, Rzz( τ )
b) Déterminer la moyenne, E[Z(t)] et la variance, σ z2 = E[ Z 2 (t )] − E[ Z (t )]2

59
 Solutions de la série de TD #4
Ex #1 :
a) E[X(t)] et Rxx(t1,t2)= ?
π /8 π /8
4
E[ X (t )] = ∫ X (t ) f Θ (θ )dθ = ∫ A cos(ω 0 t + θ ) dθ
−π / 8 −π / 8 π
=
4A
[sin(ω 0 t + π / 8) − sin(ω 0 t − π / 8)]
π
On a : sin(α + β ) − sin(α − β ) = 2 cos α sin β
Alors
8A
E[ X (t )] = cos(ω0t ) sin(π / 8)
π
R xx (t + τ , t ) = E[ X (T + τ ) X (t )]
π /8
4
= ∫ A 2 cos(ω 0 t + ω 0τ + θ ) cos(ω 0 t + θ ) dθ
−π / 8 π
On a : cos(α + β ) + cos(α − β ) = 2 cos α cos β
alors
π /8
2 A2
R xx (t + τ , t ) =
π
∫ [cos(2ω 0 t + ω 0τ + 2θ ) + cos(ω 0τ )]dθ
−π / 8

2 A2  1 π /8 π 
=  sin(2ω 0 t + ω 0τ + 2θ ) −π / 8 + cos(ω 0τ )
π 2 4 
On applique la transformation ci-dessus, on obtient
A2 2 A2
R xx (t + τ , t ) = cos(ω 0τ ) + cos(2ω 0 t + ω 0τ ) sin(π / 4)
2 π
b) Le processus aléatoire X(t) est non stationnaire car E[ X (t )] et Rxx (t + τ , t ) sont en fonction
du temps t.

Ex #2 :
a) Ryy(t1,t2)= ?
[
R yy (t + τ , t ) = E [Y (t + τ )Y (t )] = E X 2 (t + τ ) X 2 (t ) ]
[
= E A 4 cos 2 (ω 0 t + ω 0τ + θ ) cos 2 (ω 0 t + θ ) ]
On utilise la transformation trigonométrique

60
 1 + cos(2ω 0 t + 2ω 0τ + 2θ ) 1 + cos(2ω 0 t + 2θ ) 
R yy (t + τ , t ) = A 4 E  . 
 2 2 
4
E [1 + cos(2ω 0 t + 2ω 0τ + 2θ ) + cos(2ω 0 t + 2θ ) +
A
=
4
cos(2ω 0 t + 2ω 0τ + 2θ ) cos(2ω 0 t + 2θ )]
On utilise cos(α + β ) + cos(α − β ) = 2 cos α cos β

A4 A4
R yy (t + τ , t ) = + E[cos(4ω 0 t + 2ω 0τ + 4θ ) + cos(2ω 0τ )]
4 8
A4 A4
= + cos(2ω 0τ )
4 8
b) E[Y(t)]= ?
[ ] [
E [Y(t)] = E X 2 (t) = E A 2 cos 2 (ω 0 t + θ ) ]
A2 A2 A2
= + E [cos(2ω 0 t + 2θ )] =
2 2 2
Le processus Y(t) est stationnaire au sens large.

Ex #3:
Nous avons
 a −a2
2
1
j ( ωt + Θ )  2 e 2σ , a ≥ 0  0 < θ < 2π
X (t ) = Ae , f A (a ) = σ et f Θ (θ ) =  2π
0, 0 ailleurs
 ailleurs

a) E[X(t)]= ?
E [ X (t )] = E[ Ae j (ωt + Θ ) ] = E[ A]E[e j (ωt + Θ ) ]
a2
+∞
a2 − π
E[ A] = ∫ e 2σ 2
da = 2σΓ(3 / 2) = σ
0 σ 2
2
1 +∞ jΘ
E[e j (ωt + Θ ) ] = e jωt E[e jΘ ] = ∫ e dθ = 0
2π 0
On obtient
E [ X (t )] = 0

b) Rxx(t1,t2)= ?
R xx (t + τ , t ) = E[ X (t + τ ) X * (t )]
= E[ A 2 e j (ωt +ωτ + Θ ) e − j (ωt + Θ ) ]
= E[ A 2 ]E[e jωτ ]

61
 +∞ a2
a3 −
E[ A ] = ∫
2
e 2σ 2
da = 2σ 2 (On a utilisé l’intégration par partie)
0 σ 2

Rxx (τ ) = 2σ 2e jωτ
Alors X(t) est stationnaire au sens large

Ex #4 :
On a X(t) et Y(t) deux processus aléatoires indépendants
−2 τ
Rxx (τ ) = 2e cos ωτ
−3 τ
R yy (τ ) = 9 + e

On définie le processus Z(t)=AX(t)Y(t) avec A est une v.a de moyenne 2 et de variance 9.

a) Rzz(t1,t2)= ?
Rzz (t + τ , t ) = E[ Z (t + τ ) Z (t )]
= E[ A 2 X (t + τ )Y (t + τ ) X (t )Y (t )]
= E[ A 2 ]Rxx (τ ) R yy (τ )

On a
σ a2 = E[( A − E[ A]) 2 ] = E[ A 2 ] − E[ A]2

E[ A2 ] = σ a2 + E[ A]2 = 9 + 4 = 13
Alors
−2 τ −3 τ
Rzz (τ ) = 26e (9 + e ) cos ωτ

b) E[Z(t)] et σ z2 = ?
D’après la propriété, nous avons

lim Rzz (τ ) = E[ Z (t )]
2

τ →+∞

−2 τ −3 τ
lim Rzz (τ ) = τlim
τ →+∞ →+∞
26e (9 + e ) cos ωτ = 0

E[ Z (t )] = 0 ⇒ E[ Z (t )] =0
2

σ z2 = E[ Z 2 (t )] − E[ Z (t )] 2
= R zz (0) − 0
= 260

62
 TD #5 : (Processus stochastique : Ergodicité et densité spectrale de puissance)
Ex #1 :
En considérant le processus aléatoire X (t ) = A cos(ω 0 t + Θ) . A et fc sont constants et Θ est

 π π
une variable aléatoire uniformément distribuée sur −
 8 8 
a) Est-il ergodique dans la moyenne
b) Est-il ergodique dans l’autocorrélation

Ex #2 :
Pour un processus stochastique X (t ) = A cos(ω 0 t + Θ) avec f Θ (θ ) = 1 / 2π , 0 ≤ θ ≤ 2π

A et ω 0 sont des constants.

a) Déterminer la densité spectrale de puissance

Ex #3 :
Un processus aléatoire (bruit blanc) avec une fonction d’autocorrélation R xx (τ ) = ( N 0 / 2)δ (τ )

est appliqué à un filtre de réponse impulsionnelle

αe −αt , t ≥ 0 et α > 0
h(t ) = 
0, t <0

a) Déterminer la densité spectrale de puissance S yy ( f ) du processus de sortie utilisant

b) Déterminer ainsi la fonction d’autocorrélation R yy (τ ) .

Ex #4 :
En considérant le processus Y(t)=X(t-T), où X(t) est un processus réel stationnaire au sens
large avec la fonction d’autocorrélation Rxx( τ ) et la densité spectrale de puissance Sxx(f). T est
constant.
a) Exprimer Sxy(f) du processus Y(t) en fonction de Sxx(f).

Ex #5 :
Prenant un processus aléatoire N(t) avec une densité spectrale de puissance
S nn ( f ) = rect ( f ) est appliqué au système linéaire avec décalage. y (t ) = N (t ) + N (t − 1)
a) Déterminer h(t) et H(f) de la réponse impulsionnelle
b) Déterminer et tracer la densité spectrale de puissance Syy(f)

63
 Solutions de la série de TD #5

Ex #1 :?

64