Cours de Traitement Du Signal: Khalid Sbai

Ecole supérieure de Technologie
Département de Génie Electrique
COURS DE TRAITEMENT DU SIGNAL
KHALID SBAI
Enseignant – Chercheur
Ecole Supérieure de Technologie
khalid.sbai82@gmail.com
Université Moulay Ismaïl
Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

CHAPITRE 3
Systèmes linéaires discrets

Définition et caractérisations
(temporelle et fréquentielle)

Partie 1
Signaux discrets

I. Représentation du signal discret

x[n]
n
-4 -3 -2 -1 0 1 2 3
Signal discret
 On utilise la notation x[n] pour représenter le signal discret, où n

 est un entier,
 correspond au numéro de l’échantillon.
 x[n] ne donne aucune information sur le taux d’échantillonnage.

x[n] x[n]
…. n …. n
N N
Défini à Gauche (nul pour n>N) Défini à droite (nul pour n<N)
x[n] x[n]
…. ….
n n
Causal (nul pour n<0) Anti –causal (nul pour n≥0)

 Soient les signaux discrets suivants:

x1[n] x2[n]
n n
-1 0 1 2 3 0 1 2 3
   x2  n  1, 2, 3,1
x1  n   1,1, 2, 3,1
 
 Dans x1[n], la flèche indique l’origine, n = 0
 Si on ne met pas de flèche, le signal est causal comme pour le cas de

x2[n]

Signal discret périodique
 Comme les signaux continus, les signaux discrets peuvent être

périodiques.
 Un signal discret est périodique s’il se reproduit à tous les N

échantillons. Il est décrit par:
x  n  x  n  kN  k=1,2,3.....
 On note que la période N est:

 toujours un entier,
 le plus petit nombre des échantillons qui se répètent

Propriétés de l’impulsion discrète:

 Le produit d’un signal discret par l’impulsion:
x  n   n  k   x  k   n  k 
Cette propriété nous permet d’écrire:

 x  n  n  k   x  k 
n 
Étant donnée que:

0 si n  k
 n  k   
1 si n=k
 Un signal discret peut être représenté comme:

x  n   x  k   n  k 
k 
Exemple :
 La fonction échelon:  La fonction rampe:
 
u  n    n  k  r  n    k  n  k 
k  k 0

Partie 2 :
Systèmes discrets: analyse temporelle

I. Définition d'un système discret

Un système discret est une entité qui réalise la conversion d'une suite
discrète {x[n]} en entrée en une autre suite discrète {y[n]} en sortie.
signal "d'entrée" signal "de sortie"

x[n] Système
Système discret = S y[n]
ou réponse
P
Notation : y[n] = S[x[n]]
II. Classification des systèmes
 Système statique ou sans mémoire
Exemple:
L'échantillon de sortie y[n] à l'instant n ne dépend
y[n] =ax2[n]+b
que de l'échantillon de l'entrée x[n] au même instant
 Système dynamique ou avec mémoire

L'échantillon y[n] est fonction des échantillons de l'entrée aux instants
antérieurs ou égaux à n et/ou des échantillons de sortie antérieurs à l'instant n
Exemple : y[n] = a1y[n-1] + a2y[n -2] + b0x2[n]+ b1x[n-1]
III. Propriétés
 Linéarité
Si x[n] = a1x1[n] + a2x2[n] alors y[n] = a1S[x1[n]] + a2S[x2[n]]
 Causalité
La réponse y[n] du système à l'instant n=k0 ne dépend que des entrées
x[n] aux instants n≤ k0.
 Invariance temporelle
Si y[n] = S[x[n]] alors y[n – n0] = S[x[n – n0]]  n, n0  N
 Stabilité
Un système discret est dit stable si en réponse à une entrée bornée,
sa sortie est bornée

IV. Convolution linéaire de signaux discrets

IV.1. Définition
On appelle produit de convolution linéaire de deux signaux discrets
x(n) et h(n), l'expression:

x  n * h  n   x k  h n  k 
k 
Cas de signaux causaux

( x[n] = 0, h[n] = 0 pour n < 0)
n
x  n * h  n   x  k  h  n  k 
k 0
Exemple
Calculer le produit de convolution linéaire des signaux suivants

Posons z  n  x  n * h  n
Les 2 signaux étant causaux, on a
n
z  n   x  k  h  n  k 
k 0
On distingue 3 cas
n<0 0≤n<N-1 n≥N-1
x[k] et h[n-k] n'ont

pas d'échantillons
non nuls en commun
z[n]=0
n
1  a  ( n 1) a ( n 1)  1
 0  n  N  1: z  n   a nk
=a n

k 0 1  a 1 a 1
n
1  a N
 0  n  N  1: z  n   a nk
=a n
k 0 1  a 1
IV.2. Propriétés
 Commutativité : x[x]∗h[n]= h[n]∗x[n]

 Associativité :
x[n]∗h[n]∗z[n] = x[n]∗[h[n]∗z[n]]=[x[n]∗h[n]]∗z[n]
 Distributivité par rapport à l'addition :
x[n]∗[h[n]+z[n]] = x[n]∗h[n]+ x[n]∗z[n]
 Elément neutre : impulsion de Dirac
x[n]∗ δ[n]= x[n]
 Durée d'un signal issu du produit de convolution linéaire :

Si x[n] est de durée N1 et h[n] de durée N2, alors x[n]*h[n] est de durée
N1+N2-1

V. Etude de système linéaire invariant discret (SLID)

V.1 Caractérisation d'un SLID par sa réponse impulsionnelle
La réponse impulsionnelle d'un système discret est sa réponse à une entrée
sous forme d'impulsion unité.
y[n]=S[n]]=h[n]
n] Système
SystèmePdiscret = S
 Avantages de la réponse impulsionnelle
 Elle permet une caractérisation complète du système
 Elle permet de calculer la sortie du système discret pour des

signaux d’entrée quelconques en utilisant la convolution linéaire
de signaux discrets

 Pour une entrée x[n] quelconque
Application de la convolution linéaire


La Décomposition du signal discret x[n]  x  n   x  k   n  k 
k 0
Par suite la Réponse du système:
  
y  n  S  x  n  y  n   S   x  k   n  k 
 k 0 
On appliquons la Propriété de linéarité du système discret on a:

y  n    x  k  S   n  k  Or: S   n  k   h  n  k 
k 0

On en déduit
y  n   x  k  h  n  k   y  n  =x  n  * h  n 
k 0
La réponse d'un système discret linéaire invariant à une entrée

quelconque x[n] est la convolution linéaire de x[n] avec la réponse
impulsionnelle h[n] du système.
 Stabilité
La Stabilité d’un système permet de garantir que la sortie d'un
système est bornée si son entrée est bornée
Un système linéaire discret invariant est stable ssi sa réponse impulsionnelle
est absolument sommable 
 h(n)  
n
 Causalité
Un système linéaire discret invariant est causal ssi sa réponse
impulsionnelle h[n] est causale
h  n  0 n<0
Remarque : si le système est causal, on a
n
y  n  x  n * h  n   x k  h n  k 
k 

V.2 Autre caractérisation d'un SLID: Filtres numériques

 Un système discret est caractérisé par son Equation aux différences linéaire
dont la forme générale est :
N M N M
ak bl
 a y n  k    b x n  l 
k 0
k
l 0
l  y  n  = - y  n  k    x  n  l 
k 1 a0 l 0 a0
Système régi par une équation aux différences d'ordre N
 On appelle aussi ce système un filtre numérique.
 ak et bl sont les coefficients du filtre et sont constants pour les filtres

numériques L.I.T.
 Par convention, le coefficient de y[n] est 1 (sinon, on peut normaliser).
 L’ordre N décrit les termes de la sortie avec le plus grand délai

 La réponse du système dépend des conditions initiales et de l’entrée
 Système relaxé: si les conditions initiales sont nulles
 La réponse du système à l’entrée δ[n] est la réponse impulsionnelle, h[n]
Avantages de l’équation aux différences
 Calcul de la sortie du système sans connaissance de la réponse

impulsionnelle h[n].
 Calcul de la sortie y[n] à partir des N sorties décalées y[n-k], des M

entrées décalées x[n-l] et de l'entrée courante x[n]. Mais ceci
nécessite la connaissance des conditions initiales du système
 Quelque soit la longueur de la réponse impulsionnelle h[n] (finie ou

infinie), le nombre d'opérations nécessaires au calcul de y[n] est
fini (comparativement au calcul par convolution linéaire)
Un filtre numérique est caractérisé par sa réponse sous formes

d’Equation aux différences linéaire à coefficients constants
N M
y  n   ak y  n  k    bl x  n  l 
k 1 l 0
M
 N 0  y  n  =  bl x  n  l   b0 x  n   b1 x  n  1  ...  bM x  n  M 
l 0
 y[n] dépend de l'entrée courante x[n] et des M entrées

précédentes x[n-l]
 Système à réponse non récursive

M
 La réponse impulsionnelle est finie  h  n  = bl  n  l 
l 0
On parle de système à Réponse Impulsionnelle Finie (RIF - FIR)

ou encore MA (moving average)

N M
 N  0  y  n   ak y  n  k    bl x  n  l 
k 1 l 0
 y[n] dépend de l'entrée courante x[n] , des M entrées
précédentes x[n-l] mais aussi des N sorties précédentes y[n-l]
 Système à réponse récursive
 Filtre récursif
 Système à Réponse Impulsionnelle Infinie (RII)
Remarque: Longueur de la réponse impulsionnelle
 Filtre a réponse impulsionnelle finie (RIF) si seuls un nombre ni de

hk sont non nuls
h(n) ≠0  n0  n  n0 + N -1
 Filtre a réponse impulsionnelle infinie (RII) dans le cas contraire
h(n) ≠ 0  n > n0

 Exemple pour un filtre non récursif:

Le filtre est décrit par son équation aux différences:
y[n] = 2x[n] − 3x[n − 2] avec x[n] =αnu[n]
Réponse du filtre est:
y[n] = 2αnu[n] − 3αn−2u[n − 2]
 Exemple pour un filtre récursif de premier ordre

Le filtre est décrit par son équation aux différences:
y[n] = x[n] + 1/2y[n − 1]
x[n] =αδ [n], y[−1] = 0
La réponse du filtre à l’entrée x[n] est obtenue en solutionnant

l’équation d’une manière récursive: n
 
1
y(n)=   u (n)
2
Partie 3
Transformée en Z

I. Transformée en z (TZ)
I.1 Définition
La TZ d’un signal discret x[n] est définie par

X ( z)   x  nz
n 
n
I.2 Condition d'existence de la TZ

La transformée existe si la série converge. L'ensemble des valeurs de
la variable complexe z pour lesquelles la série converge est appelée
Région De Convergence (RDC)
 

RDC   Z  /  x  n  z  n   
 n  
Remarque : Les signaux discrets étant la plupart du temps causaux, on

définit plutôt la transformée en Z (dite unilatérale) par :

Z  x  n  X ( z )   x  n  z  n
n 0

Exemple: Soit le signal à temps discret suivant :

x  n  a n   n

on a : X ( z )   x  n z  n
n 
 
 
1
 a z   az
n
n n 1

n 0 n 0 1  az 1
La série converge si et seulement si |az-1| < 1, c’est-à-dire ssi |a| < |z|.
Remarque:
Si a = 1, on obtient le cas particulier
de l’échelon unité. La transformée
en z de l’échelon unité est donc :
1
U ( z)  1
, z 1
Domaine de convergence 1 z
RDC de séquences définies à droite

x  n  0.5n u  n  2n u  n
1 1 z z 2 z  z  1.25
X ( z)     
1  0.5 z 1
1  2z 1
z  0.5 z  2  z  0.5 z  2 
RDC: z  0.5 z 2
 RDC: z  max(0.5, 2)  z  2
 RDC: z  max( pôles)
Pour une séquence « définie » à droite:

la RDC est la zone à l’extérieur du cercle qui passe
par le pôle dont le module est le plus grand

Signal causal Signal non causal
signal non causal ↔ RDC:

signal causal ↔ RDC:
plan z en excluant z = ∞
plan z en excluant z = 0
Signal des deux côtés
signal défini des deux côtés ↔ RDC:

plan z en exluant z = 0 et z = ∞

II. PROPRIETES
II.1. Linéarité  a et b  C.
ax1  n  bx2  n  aX1 ( z )  bX 2 ( z )
 La RDC = l’intersection des régions de convergence de X1(z) et X2(z).
 calculer une transformée en Z à partir d’une décomposition en
transformées élémentaires de signaux connus.
II.2. Décalage temporelle: Théorème du retard
Z  x  n  n0   z  n0 X  z 
La région de convergence reste inchangée, excepté l’ajout ou la suppression
de z = 0 ou z = ∞.
II.3. Changement d’échelle en z
z
Z  a x  n   X  
 n
 avec |a|r1 < |z| < |a|r2 pour RDC.
a
II.4. Inversion de l’axe temporel

1
Z  x  n  X  
1 1 comme rayon
avec  z 
z r2 r1 de convergence
II.5. Dérivation dans l’espace en z

dX ( z )
Z  nx  n    z
La RDC est identique à l'exception de
dz restrictions éventuelles en z=0 et z=∞.
II.6. Convolution
Z  x1  n * x2  n  X  z   X1 ( z ).X 2 ( z )
II.7. Théorème de la valeur initiale d’une séquence causale
x  0  lim X ( z )
z 
II.8. Théorème de la valeur finale d’une séquence causale

lim x  n  lim  ( z  1) X ( z ) 
n z 1

III. Transformée en z inverse

III.1. Intégrale de Cauchy
1
x n    X (z )z n 1dz
2 j
Calcul qui exige une connaissance de
la théorie des nombres complexes.
III.2. Développement en puissance de z

Si X(z) est sous forme d’une somme de termes en puissance de z:

X (z )   cnz n
------------> x  n  =c n

n
III.3. Décomposition en éléments simples
X (z )   X i (z ) ------------> x(n)=  x i n 
i i
Les Xi (z) sont des fonctions à TZ-1 connues

IV. Transformée en z et systèmes linéaires discrets

 Caractérisation par la réponse impulsionnelle
y n   x n  * h n  ------------> Y(z)=X(z).H(z)
h[n] : réponse impulsionnelle du système
 Caractérisation du SLID par une équation aux récurrences

N M
Equation aux récurrences :  a y n  k    b x n  l 
k 0
k
l 0
l
En utilisant la propriété de décalage temporel de la TZ, on a :

M
 N
k   M
l 
b z l
l
bM z  M  ...  b1 z 1  b0
 
 k 0
ak z 

Y ( z )   
 l 0
bl z  X ( z)

H ( z) 
Y ( z)
 l 0
N

aN z  N  ...  a1 z 1  a0
a z
X ( z) k
k
k 0
La fonction de transfert H(z) a la N ( z)
forme d'une fraction rationnelle : H ( z) 
D( z )
N(z) et D(z) : polynômes en z-1 de degrés respectifs M et N

 Pôles et zéros d'un système discret causal

 Pôles d'un système discret Les pôles sont les racines pk  C
du polynôme D(z)
 Zéros d'un système discret
Les zéros zk sont les racines du polynôme N(z)
Remarque : H(z) diverge (H(z) = ∞) pour z=p  p  RDC de H(z)
k k
 Stabilité d'un système discret causal

Un système linéaire discret est stable ssi  h(n)  
n
 
H ( z  1)   h n  1   h n
n
n  n 

système L.I.T stable   h  n  
n 
 H ( z  1) <  z  1 RDC

Système stable: le cercle de rayon |z|=1 est dans la ROC

 Pour séquence de droite: le module de tous les pôles
doit être plus petit que 1, i.e. |pk| < 1
 Note: les filtres FIR sont toujours stables
 Causalité
 Un système L.I.T. est causal si: h[n] = 0 pour n < 0

 Dans le domaine Z la causalité se traduit par: H ( z )   h  n z  n
n 0
Conclusion:
Dans le domaine de Z; Un système discret linéaire et causal est
stable ssi tous les pôles de H(z) sont à l'intérieur du cercle unité
IV.1. Filtre FIR – Cas Général

Réponse à l’impulsion
h[n] ={ h-L, h-L+1,..., h0 ,h1,h2 ,...,hM }
Transformée en z
M
H (z )   h n  z n
n
L
= h  L z L  h  L 1z L 1  ...  h0  h1z 1  h 2 z 2  ...  h M z  M

Région de convergence:
• Tout le plan z: nombre fini de termes dans la somme (RIF)
• Sauf 0 ∉ ROC (puissances négatives de z)
∞ ∉ ROC (puissances positives de z, signal non-causal)
h  L z M L  h  L 1z M L 1  ...  h0 z M  h1z M 1  h 2z M 2  ...  h M
H (z ) 
zM
 Pôles uniquement à z = 0 (FIR): M pôles à z = 0
 L+M zéros
 nombre de zéros > de pôles  ∞ ∉ ROC

Filtre FIR causal : g[n]=h[n-L]

1
g n   h n  L   G  z   z L H  z   L
H (z )
z
=> Retard: ajout de L pôles à z = 0
G (z )= h L  h L 1z 1  ...  h0z L  h1z L 1  h 2z L 2  ...  h M z L M
Région de convergence:
 Tout le plan z : nombre fini de termes dans la somme (FIR)
 0 RDC: terme avec puissances négatives de z
 ∞RDC: pas de termes avec puissances positives de z (causal)
h  L z M L  h  L 1z M L 1  ...  h0 z M  h1z M 1  h 2z M  2  ...  h M

G (z ) 
z M L
Pôles uniquement à z = 0 (FIR)

Nombre de pôles ≥ nombre de zéros (causal)  ∞EDC

h[n] ={h0 , h1, h2 ,..., hM }

M
H (z )   h  n  z  n
n 0
=h0  h1z 1  h 2 z 2  ...  h M z  M
=
1
zM
h z 0
M
 h1z M 1  h 2 z M  2  ...  h M 
M
1
=
zM 
k
z  zk 
1
M pôles à z = 0
M zéros aux zk
ROC: plan z sauf z = 0

IV.2. Filtre IIR

Équation aux différences avec récursion:
N M
y  n    a k y  n  k   bl x  n  l 
k 1 l 0
Réalisation temporelle
M N
y  n    bl x  n  l    a k y  n  k 
l 0 k 1
= b0 x n   b1x n  1  ...  bM x n  M   a1y n  1  a 2 y n  2  ...  a N y n  N 
Avec conditions initiales nulles: système linéaire & invariant
y  1  y  2  ...  y  N   0

De l’équation aux différences on a:
M M M
Y (z )  bl z l

 bl z M l
 z  zl 
H(z)=  l
N
0
z N M l 0
N
 z N M l
N
1
X (z )
k
a z
k 1
k
k
a z
k 1
N k

k
 z  pk 
1
M zéros aux {zk}, N pôles aux {pk} , N - M zéros à z = 0 (si N > M)
nombre de pôles ≥ de zéros: système causal
ROC z  pk k  z  max  pk  (séquence à droite)

k

Causalité d’un signal
 X(z) avec pôles non-nuls
z  4 1 zéro (z1 =4), 2 pôles (p1 =1, p2 =2)

X (z )  2 
z  3z  2 nombre de pôles  nombre de zéros: signal causal
Calcul de x[n] par division longue de: X (z )  N (z )

D (z )
 Ordonnancer le N(z) et D(z) en puissance positive décroissante
 Effectuer la division
 
X (z )  z 1
z 2
 5z 3
 13z 4
 ...  x n   0,1, 1, 5, 13,...
 
 x[n] est un signal causal

 X(z) avec pôles non-nuls
z 2  3z  2 1 pôle (p1 =4), 2 zéros (z1 =1, z 2 =2)

X (z )  
z  4 nombre de pôles  nombre de zéros: signal non causal
Calcul de x[n] par division longue:
 Ordonnancer le N(z) et D(z) en puissance positive décroissante
 Effectuer la division
  
X (z )  z  1  6z 1
 24z 2
 ...  x n   1,1, 6, 24,...
 
 x[n] est un signal non causal
Pour un signal causal: nombre de pôles  nombre de zéros

V. Transformée inverse par décomposition en fractions partielles

Étapes (lorsque tous les pôles sont simples):
 Exprimer X(z) en puissances positives de z
 Vérifier que le degré de N(z) ≤ D(z)
 Si non, effectuer une division pour obtenir cette situation
 Générer Y(z) = X(z)/z
 Identifiez les pôles {pi} de Y(z)
 Exprimez
K1 K2 KN
Y (z )    ... 
z  p1 z  p 2 z  pN
 Calculer les {Ki}: K i Y (z )  z  p i  z p i
zK 1 zK 2 zK N
 Formuler X (z )  zY (z )    ... 
z  p1 z  p 2 z  pN
 Utiliser les tables pour l’inverse:
x n   K 1 p1nu n   K 2 p 2nu n   ...  K N p Nn u n 
Exemple avec des pôles simples, degré de N(z) inférieur au degré de D(z)
6  2.5z 1
X (z ) 
1  0.75z 1  0.125z 2
6z 2  2.5z 6z 2  2.5z
X (z )  2 
z  0.75z  0.125  z  0.5 z  0.25
On génère:
6z  2.5 K1 K2
Y (z )   
 z  0.5 z  0.25  z  0.5  z  0.25
On calcule les constantes:
K1  2 et K2  4
On reprend X(z):
2z 4z
X (z )   RDC z  0.5
 z  0.5  z  0.25
On retrouve sa TZ inverse:
x n   2  0.5 u n   4  0.25 u n 
n n

Exemple avec des pôles simples, degré de N(z) supérieur au degré de D(z)
2  4.5z 1  2.25z 2
X (z )  1
z  0.75z 2  0.125z 3
2z 3  4.5z 2  2.25z
X (z )  2
z  0.75z  0.125
Le degré de N(z) est supérieur au degré de D(z), on effectue une division
longue:
6z 2  2.5z
X (z )  2z  2
z  0.75z  0.125
On forme Y(z), on cherche les pôles et on calcule les constantes:
6z  2.5 2 4
Y (z )  2   2  
z 2  0.75z  0.125 z  0.5 z  0.25
2z 4z
X (z )  2z   RDC Z  0.5
z  0.5 z  0.25

x n   2 n  1  2  0.5  4  0.25
n n
 u n 
VI. Transformée en z unilatérale

Toutes les propriétés de la transformée bilatérale sont valables
pour la transformée unilatérale à l’exception:
 Déplacement causant une avance dans le temps:
 N
n 
x n  N   z N
 X ( z )   x  n  z 
 n 1 
 Déplacement causant un retard dans le temps:
 N 1

x n  N   z  X (z )   x  n  z  n 
N
 n 0 

Partie 4
Transformée de Fourier
Des Signaux discrets

I. Transformée de Fourier des signaux à temps discret

Soit xe(t) un signal issu de l’échantillonnage de x(t) :

xe  n  =  x  nTe  t  nTe 
n 
Appliquons la TF "classique" au signal échantillonné :

     j 2t  
Xe ( )=    x nTe  t  nTe   e dt =  x nTe   t  nTe  e  j 2t dt
 
 n   n 

Xe ( )=  x  nTe e  j 2nTe
n 
La TF d'un signal échantillonné est une combinaison linéaire d'exponentielles

complexes pondérées par la valeur des échantillons.
Dorénavant et sauf mention contraire, on considérera les fréquences
normalisées f=n/ne: 
Xe (f)=  x n e  j 2 nf
n 

I.1 TFTD
 Définition
Soit x[n] un signal discret. La TFTD X(f) de ce signal est donnée par
l'expression : 
Xe (f)=  x n e  j 2 nf f est une variable continue
n 
La TF d'un signal discret est une fonction continue ou non de la variable

continue f
Remarque : idem que la TF d'un signal quelconque, avec une somme à la
place de l'intégrale
 Condition d'existence de la TFTD 
La TF d'un signal discret x[n] existe si  x  n   
n 
i.e. si le signal est absolument sommable.

L'existence de la TFTD est donc liée à la convergence absolue de la série x[n].

 Périodicité de la TFTD
Soit X(f) la TFTD du signal discret x[n] :

X(f)=TFTD  x n    x n e  j 2 nf

n
 
X(f+1)=  x n e  j 2 n ( f 1)
  x n e  j 2 nf e  j 2 n  X (f )
n  
n
La TF des signaux discrets est périodique de période f=1 (ou de période

ne).
Toute l’information fréquentielle du signal
est localisée dans l'intervalle de fréquence :
 1 1
f   , 
 2 2

Remarque :
Si on ne considère pas les fréquences normalisées alors la TFTD X(f) est
périodique de période Fe.
Dans ce cas l'information
 Fe Fe 
fréquentielle est contenue f   , 
dans la bande  2 2
 TF inverse des signaux discrets

Comme la TF des signaux discrets est périodique de période 1,
l'expression de la TFTD inverse est donnée par :
x n =
1/2
X (f )e j 2 nf df
1/2

I.2 Représentation spectrale

x[n], signal discret (support discret)
En fonction de la nature (périodique ou non) de x[n], on a deux types de

représentation spectrale possibles :
x[n] non périodique x[n] périodique
X(f) est a support continu X(f) est a support discret
1 n   N , N  1
 x  n  =A cos(2 f 0n )
Ex.
x n = 

0 ailleurs

Exemple de TFTD
Soit 
1 0  n  N  1
x n = 

0 ailleurs
On a  N 1
X(f)=  x n e  j 2 nf
 X(f)=  e  j 2 nf
n  n 0
X(f) est la somme de N termes d'une suite géométrique de raison e-j2f et

de premier terme 1.
1  e  j 2 Nf
X(f)=
1  e  j 2 f
e  j  Nf e j  Nf  e  j  Nf  sin  fN 
X(f)=  e  j  ( N 1) f
e  j  f e j  f  e  j  f  sin( f )
Remarque:
- Toute l'information est contenue dans [-1/2, 1/2]
- Le lobe principale possède une largeur =2/N
I.3 Propriétés de la TFTD

Globalement, la TFTD possède les mêmes propriétés que la TF à temps continu.
X( f ) est une fonction complexe  Si x[n] est réel alors :
|X (f)| : spectre d'amplitude est une fonction paire
arg( X(f)) : spectre de phase est une fonction impaire
 1
 Étude se réduit sur l'intervalle de fréquence f  0, 
 2
 Linéarité ax (n )  by (n )  aX (f )  bY (f )
 Décalage temporel x (n  n0 )  e  j 2 fn X (f )
0
 Décalage fréquentiel e  j 2 f n x (n )  X (f  f 0 )
0
(ou modulation)
 TF de la dérivée du signal dx (n )
 j 2 fX (f )
dn

 Relation de Parseval (conservation de l’énergie



1/2
x (n )  
2 2
X (f ) df
1/2
n 
 Relations de Plancherel x (n )* y (n )  X (f ).Y (f )

1/2
x (n ) y (n )  X (f )*Y (f )   X (u )Y (f  u )du
1/2
 TFTD Inverse
1/2
x (n )   X (f )e j 2 f df
1
1/2
ou x (n )   X (f )e j 2 f df
0
Bilan sur la TFTD :

 La TF fonctionne sur un signal à temps discret
 Mais en fréquence, on repasse en continu
= on perd l'avantage du numérique !

II. De la TFTD à la Transformée de Fourier Discrète (TFD)


TFTD  x n   X(f)   x n e  j 2 nf
n 
Objectif : On veut calculer la TF d'un signal discret à l'aide d'un calculateur

Difficultés:
 Le calcul de la TF nécessite une infinité de points de mesures
x[n] (pas toujours possible dans la pratique : contraintes
temps réel, etc.)
 Le calculateur ne peut calculer une TFTD car sa réponse
fréquentielle est forcement discrète = un nombre fini de
points fréquentiel fn, alors que f varie continument ...
Solution : Transformée de Fourier Discrète (TFD)
 Limiter la durée de x[n] i.e. considérer un nombre fini N de
points temporels
 Discrétiser la fréquence : considérer un nombre fini L de
points fréquentiels.
A un nombre fini de valeurs x[1] , …, x[N], on fait correspondre un nombre

fini de valeurs X(f1), …, X(fL) telle que la TFD de x soit une approximation
aussi bonne que possible de X(f).
Détermination de la TFD
Soit {x(0), x(1), …, x(N-1)} un signal discret de durée finie N. Sa TFTD

est :
N 1
X(f)   x n e  j 2 nf
n 0
Discrétisons l’axe des fréquences sur L points :

Sachant que X(f) est périodique de période 1, on a donc:
1
f  k f avec f= et k=0,......., L-1
L

L'approximation discrète de la TFTD de ce signal est : f 

k
L
 k  N 1
k
 j 2 n k et n ne jouent pas le même rôle :
X     x n e L
n : variable temporelle n = 0, …, N-1
 L  n 0
k : variable fréquentielle k = 0, …, L-1
Notation
k 
X    X (k ) avec k=0,......., L-1
L
La TFTD inverse de x[n] est L'approximation discrète

de la TFTD inverse est
x n   
1/2
X (f )e j 2 fndf 1 L 1 j 2
k
x n   
n
1/2
X (k )e L
Ln 0
c'est la TFD inverse

car X(f) est périodique de période 1

III. Transformée de Fourier Discrète (TFD)

 Définition
La TFD évaluée sur un nombre L de points fréquentiels d'un signal
discret est définie par :
N : nombre de points temporels
N 1 k
 j 2 n
X  k    x n e L n : variable temporelle n = 0, …, N-1
n 0 L : Nombre de points fréquentiels
k : variable fréquentielle k = 0, …, L-1
 Remarque X(k) est périodique de période L
L 1 j 2
k
1
x n   
n
Par suite la TFD inverse est : X (k )e L
Ln 0
x  n  est une suite périodique de période L.

 La discrétisation de X(k) a entrainée une périodisation de x[n]
Dans la suite, on considérera L=N
TFTD  Discrétisation en temporel  Périodisation en fréquentiel
TFD  Discrétisation en fréquentiel  Périodisation en temporel
III.1 Propriétés de la TFD

La TFD possède les propriétés classiques de la TFTD mais tous les
calculs d'indice k et n se font modulo N
 Périodicité X(k) est périodique de période N
 Linéarité ax n   by n   aX  k   bY  k 
k
 j 2
x n  n0   e
n
 Décalage temporel N 0 X (k )
 Décalage fréquentiel k
j 2 0 n
ou modulation e N x n   X  (k  k0 ) mod N 
 Relation de Parseval : conservation de l’énergie
N 1 N 1
1
 x n  
2

2
X (k )
n0 N k0

TFD d'un signal périodique

Que se passe t'il si l'on applique la TFD à un signal périodique ?
Soit xp[n] , un signal périodique de période N. Pour calculer sa
TFD, on se restreint a une période
x n 
 pour n  0, N  1
x p n   

0 sinon
 La TFD
N 1  j 2
k
X p  k    x  n e
n
N
n 0
 La TFD inverse
1 N 1 j 2
k Si x[n] est une suite périodique
x n   
n
X p (k )e N
de période N et x[n] coïncide
N k0
exactement avec xp[n]
TFD
Suite x[n] periodique de periode N Suite X(k) périodique de
période N
TFD inverse
III.2. TFD et convolution circulaire ou périodique

Si x[n] et h[n] sont tous deux périodiques avec la même période N, alors leur
convolution périodique produira une séquence y[n] qui est périodique aussi,
ayant la même période N.
La convolution périodique est notée
N 1
y n   x n   h n  =  x p m .h p n  m 
m 0
où xp[n] veut dire que x[n] est périodique.
Pour faire la convolution périodique, il faut :

 Faire la convolution normale d’une période de x[n] et h[n]
 La réponse aura 2N − 1 échantillons. On ajoute un zéro à la fin
pour avoir 2N échantillons.
 On coupe la réponse en deux moitiés. On fait la somme des deux
moitiés.
Application
x[n] y[n]=x[n]*h[n]
h[n]
TFTD  x * h  =TFTD  x .TFTD h 

Y (f )  X (f ).H (f )
En revanche:
TFD  x * h   TFD  x .TFD h 
Convolution linéaire ≠ convolution circulaire

Comment faire pour trouver y par TFD ?
C’est-à-dire : y n   TFD 1 Y k 

Solution: utilisation de zéros-padding : il faut incruster x(n) et y(n) dans

des séquences périodiques en ajoutant les zéros.
Si h est de longueur L et x est de longueur M, il faut compléter les
deux séquences par des zéros pour que les deux signaux soient de
longueur N=L+M-1.
Dans ce cas on aura:
x *h  x  h
TFD  x * h   TFD  x  h   X k .H k 
D’où:
y n   TFD 1  X k .H k 
Un des intérêt principale de la TFD est qu'il permet de faire les

convolutions de deux signaux de taille N échantillons avec un coût de
calcul de l'ordre de 2NLog(N) au lieu de N2. Mais le TFD réalise une
convolution périodique
FIN

Cours de Traitement Du Signal: Khalid Sbai

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours de Traitement Du Signal: Khalid Sbai

Transféré par

Droits d'auteur :

Formats disponibles

Ecole supérieure de Technologie

Département de Génie Electrique

COURS DE TRAITEMENT DU SIGNAL

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

Systèmes linéaires discrets

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

I. Représentation du signal discret

 On utilise la notation x[n] pour représenter le signal discret, où n

 x[n] ne donne aucune information sur le taux d’échantillonnage.

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

Causal (nul pour n<0) Anti –causal (nul pour n≥0)

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

 Soient les signaux discrets suivants:

 Dans x1[n], la flèche indique l’origine, n = 0

 Si on ne met pas de flèche, le signal est causal comme pour le cas de

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

Signal discret périodique

 Comme les signaux continus, les signaux discrets peuvent être

 Un signal discret est périodique s’il se reproduit à tous les N

 On note que la période N est:

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

Propriétés de l’impulsion discrète:

Étant donnée que:

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

I. Définition d'un système discret

signal "d'entrée" signal "de sortie"

 Système dynamique ou avec mémoire

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

IV. Convolution linéaire de signaux discrets

Cas de signaux causaux

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

x[k] et h[n-k] n'ont

 Commutativité : x[x]∗h[n]= h[n]∗x[n]

 Distributivité par rapport à l'addition :

x[n]∗[h[n]+z[n]] = x[n]∗h[n]+ x[n]∗z[n]

 Elément neutre : impulsion de Dirac

x[n]∗ δ[n]= x[n]

 Durée d'un signal issu du produit de convolution linéaire :

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

V. Etude de système linéaire invariant discret (SLID)

 Avantages de la réponse impulsionnelle

 Elle permet une caractérisation complète du système

 Elle permet de calculer la sortie du système discret pour des

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

 Pour une entrée x[n] quelconque

Application de la convolution linéaire

La réponse d'un système discret linéaire invariant à une entrée

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

V.2 Autre caractérisation d'un SLID: Filtres numériques

Système régi par une équation aux différences d'ordre N

 On appelle aussi ce système un filtre numérique.

 ak et bl sont les coefficients du filtre et sont constants pour les filtres

 Par convention, le coefficient de y[n] est 1 (sinon, on peut normaliser).

 L’ordre N décrit les termes de la sortie avec le plus grand délai

Khalid SBAI – COURS DE TRAITEMENT DU SIGNAL

 La réponse du système dépend des conditions initiales et de l’entrée

 Système relaxé: si les conditions initiales sont nulles

 La réponse du système à l’entrée δ[n] est la réponse impulsionnelle, h[n]

Avantages de l’équation aux différences

 Calcul de la sortie du système sans connaissance de la réponse

 Calcul de la sortie y[n] à partir des N sorties décalées y[n-k], des M