Chapitre II : Les outils mathématiques

II-1 Les signaux analogiques et échantillonnés

II-2 Produits de signaux

II-3 Transformées de Fourier

II-4 Transformée de Laplace

II-5 Transformation en Z

Master - Automatique - Chap. II : 1

 Chapitre II : Les outils mathématiques

II-1 Les signaux - Les différents états d’un signal

1 Signal analogique
Il est représenté par une fonction continue f(t) de la variable continue t (f et t prenant
leurs valeurs dans ). f

t
2 Signal échantillonné
Il est obtenu à partir d’un signal analogique par discrétisation de la variable générique t.
C’est donc une suite de valeur f(kT) prélevée sur f(t) aux instants t=kT (k est entier etT
période d’échantillonnage)
Symbole de l’opération échantillonnage : f(t) T f(kT), fe(t), fk

Le modèle mathématique d‘un échantillon de valeur f(kT) est la distribution singulière de

Dirac kT=(t-kT) d’amplitude f(kT). Un signal échantillonné s’écrit donc :
fe
  
fe  t    f kT   t  kT    f t  
k   k  
kT
 f t  
k  
kT

fe(t)=f(t).
T t
1 2 3 4 5 6 7
Peigne de Dirac
Master - Automatique - Chap. II : 2
3 Signal numérique
c’est une suite de nombres obtenue à partir d’un signal échantillonné après discrétisation de
l’amplitude f(kT) de l’échantillon (c’est donc le nombre mis en mémoire dans l’ordinateur).
f(kT) ne peut prendre qu’une suite de valeurs séparées du pas de quantification q. L’exemple
le plus courant est celui des signaux délivrés par un convertisseur analogique-numérique
(CAN) et traités ensuite par un ordinateur.
Le modèle mathématique du signal numérique est le même que celui du signal échantillonné.
Cependant le signal numérique peut etre décomposé en 2 contribution.
q2
Signal Numérique = Signal Echantillonné + bruit de quantification de variance
12
On supposera dans la suite du cours que q<<1, aussi ne fera-t-on pas de différence entre un
signal numérique et un signal échantillonné.

4 Signal quantifié (Convertisseur Numérique Analogique CNA)

C’est le signal obtenu après le convertisseur numérique analogique. Il peut être obtenu aussi à
partir de f(t) après quantification de l’amplitude de f au pas q (troncature, arrondi, ....).

Master - Automatique - Chap. II : 3

 t
Continu Discret
f(t)

Continu Analogique Echantillonné

Quantifié Numérique
discret
(CNA) (CAN)

II-2 Produits de signaux

1 Le produit de convolution
a Définition


z t   f t   g t   g t   f t    f g t   d

Le produit de convolution modélise la relation entrée sortie d’un système linéaire invariant
(SLI)
s t   h t   e t 

h(t) représente la réponse impulsionnelle du système considéré f t   0  f t 

L’élément neutre du produit de convolution est la distribution de Dirac: f t   t0  f t  t0 
 t1   t2   t1  t2

Master - Automatique - Chap. II : 4

 b Convolution de signaux discrets (échantillonnés)

fe  t    f nT  nT  Le produit de convolution de 2 signaux

n  échantillonnés est un signal échantillonné dont la
 suite des échantillons est :
ze  t   fe  t   ge  t 

ge  t    g kT  kT 
k  zm   fn g m n 
 ze  t    fn nT   gk kT   fn gk   n  k  T n

n k n, k ou
posons m  n  k ou encore k  m  n z mT    f mT  g  m  n T 
n
 
 ze  t    fn g m n  mT    fn g m n    mT
m, n m  n 
  zm mT avec zm   fn g m n 
m n

2 Produit Scalaire de deux signaux analogiques

Soit f et g deux fonctions réelles ou complexes, le produit scalaire de ces deux fonctions est :


P  f t  g  t  dt  f g




P est un nombre réel ou complexe. On dit que P représente la projection de f sur g.

Si P=0, on dit que les deux fonctions sont orthogonales.  
2
P  Ef  f f   f t  f  t  dt   f t  dt

Si f=g, P représente l’énergie de f (E ). f
 
Master - Automatique - Chap. II : 5
Exemple : La Transformée de Fourier (voir II-3) représente l’ensemble des projections
d’une fonction f(t) sur la base des fonction cissoïdale e j2 t (qui forment une base de
fonctions orthonormée).

Remarque : On peut définir le produit scalaire de 2 signaux numériques :

P   f kT  g  kT 
k

Donc la Transformée de Fourier d’un signal

échantillonné s’écrit :
Fe      f kT  e 2 jkT FFT
k

3 Energie et Puissance
Les produits précédents n’existent que si au moins l’un des signaux est dit à énergie finie.

T 2
 1 2
Ef   f t 
2
dt Pf  lim
T  T 
T 2
f t  dt


  f kT 
2
1 N2

 f kT 
2
 lim
k N    N  1 T
k  N 2

Master - Automatique - Chap. II : 6

 II-3 Transformée de Fourier

1 Définition TF f t    F     f t e dt
 j2 t




f t   TF  F    
1
 F   e
j2 t
d


F() existe si f(t) est absolument sommable

Quelques cas particuliers :

TF     e  j2  TF  0   1

TF[
T
]= 1
1/T
1
T n T T n
1
  n      n
T
 
T
2 Propriétés principales
Retard :
F    Re F   j Im
  F   F ej F
avec F : phase de F
TF f t    = F   e  j2 

Re  F  et F paires de  Convolution (l’un au moins des

Si f t  est réelle   signaux est d’énergie finie) :
Im F  et F impaires de 
 F    F      z t  = x t   y t  
 Z    X   .Y  
TF

Energie:
Si f t  est réelle paire  F   réelle paire
 
Si f t  est réelle impaire  F   imaginaire pure impaire 
2
x t  dt  
2
X   d 
 

Master - Automatique - Chap. II : 7

Transformée de Fourier d’un signal échantillonné : fe  t  =  f kT  kT
k

TF fe  t   = Fe    =  f kT  e  j2 kT
k

On remarque que la TF d’un signal échantillonnée est périodique de période 1 T. Le

développement précédent est le développement en série de Fourier complexe de Fe() ; les
f(kT) sont les coefficients de ce développement et donc :
1
2T
f kT    F   e
e
j2 kT
d
1

2T

3 Conséquences de l'échantillonnage et Théorème de Shannon

L'échantillonnage est une nécessité pour pouvoir traiter les signaux analogiques par
calculateur numériques (traitement plus simple et moins coûteux), la contre partie est la
perte d’information entraînée par L'échantillonnage.
La suite numérique f(kT) est censée représenter la signal analogique f(t). Or on vient de voir
que la TF de fe() =Fe() est périodique de période  e  1 T (T période d'échantillonnage)
alors que F() n’a aucune raison de l'être.
L'échantillonnage dans le domaine temporel se traduit par une périodisation de spectre
dans le domaine fréquentiel.

Master - Automatique - Chap. II : 8

Relation entre Fe() et F()
1 1
fe(t)=f(t).
T
 Fe() = F()*
TF
 1/T
 F   
T
 n
T
T n

1

 Fe    
T n

Fn
T


Fe() est le répétition périodique de F(), qui représente le motif élémentaire, avec la
période  e  1 T

Exemple: F  
Fe()
T

e/2 M e

F  
Dans l’exemple ci-dessus, on voit que Fe     , dans ce cas il n ’est pas possible de connaître
T
F() à partir de Fe() donc il est impossible de remonter à f(t) à partir de la suite des f(kT). Ce
problème est provoqué par le repliement des signaux.

Master - Automatique - Chap. II : 9

 e
A l’inverse dans le cas ci-dessous on constate que les deux signaux sont identiques car  M
2
F   Fe()
T

M e/2 e
Théorème de Shannon
La suite f(kT) est une représentation suffisante de f(t), si :
1- f(t) doit-être à bande limité (donc existence de M)
2- la fréquence d’échantillonnage doit vérifiée :  e  2 M
f(t) peut alors être extrait de f(kT) à partir d’un filtre passe bas de gain T et donc la

fréquence de coupure vaut e
2
F  
T Fe()

M e/2 e
Master - Automatique - Chap. II : 10
 Remarque : En pratique, le signal f(t) n’est pas à bande limitée. De plus fréquemment un
signal est entaché de bruit à large spectre. On aura donc toujours recouvrement des
fréquences du à la périodisation du spectre du signal échantillonné.
Donc pour éviter le repliement du spectre autour de e/2 (appelée fréquence de Nyquist).
- Il est nécessaire de décider qu’il existe une fréquence maximum M au delà de
laquelle f(t) ne contient plus d’information utile.
- Il faut alors filtrer le signal analogique avant échantillonnage = utilisation d’un
filtre passe bas anti-repliement dont le rôle est de couper les fréquences supérieures à M.

Restitution du signal
On désire donc reconstituer un signal à temps continu à partir des valeurs aux instants nT.
Pour cela il est nécessaire d’effectuer une interpolation entre 2 instants de discrétisation.
1 Interpolateur idéal

Comme nous l’avons vu précédemment pour obtenir le signal f(t) à partir du signal échantillonné
fe(kTe) il suffit d’éliminer les bandes translater de F() par une fonction fenêtre :

F
Fe()
T si    e T

Filtre :  T      2
0 ailleurs 

M e/2 e
 f t   fe  t   TF 1   T    
1
 F    Fe    . T    
TF

Master - Automatique - Chap. II : 11

La transformée de Fourier inverse du filtre est bien connue, notamment lorsque l’on veut
calculer la diffraction d’une fente, donc on obtient la formule de l’interpolateur idéale :

sin e t 
TF 1   T      
e t  sin e t 
  f t    f kT  kT 
fe  f t   kT   f kT  kT  k  e t 
k k 
sin e  t  kT   sin  e t  k
 f t    f kT    f kT 
k e  t  kT  k e t  k

Remarque : L’utilisation de la formule de l’interpolateur idéale est impossible en temps réel

car pour calculer f(to) il faut connaître les valeurs de f(t) aux instants tel que kT>to

2 Interpolateur réalisable en temps réel = Bloqueur d’ordre 0 (B 0)

B0

Réponse impulsionnelle du B0
0
b0  t   h t   h t  T 

Master - Automatique - Chap. II : 12

Représentation fréquencielle :
Filtre idéal

T
sin
2 e  j 2  T sin c T e  j 2
T T
TFb0  t    T
T 2 1 1 2
2 2T T T

Exemple de filtre antirepliement:

1
filtre de Butterworth : G 
1   f fc  2n 1 2

 : constante caractérisant l’ondulation

1 dans la BP
filtre de Tchebychev : G 
1   C  f fc 
2 2
n
12
Cn : polynôme de Tchebychev du premier
ordre et de degré n

Master - Automatique - Chap. II : 13

 II-4 Transformée de Laplace d’un signal analogique
1 Définition
La variable de Laplace est p  r  2j  r  j
 Abscisses de convergence:
TL  f t    F p   f t  e  pt
dt  TF  f t  e  rt

 F p existe si r  r , r 
r  j
1
TL F p   f t  
1
 F p e ptdp
2j r  j
La transformée de Laplace (TL) définit ci-dessus est la TL bilatère, la TL monolatère ou TL
(sans plus de précision) est : 

F p   f t  e  ptdt
0

Il est à noter qu’une TL bilatère n’a de sens que si l’on précise le domaine de convergence de
Re(p)=r
1
Exemple: e U t  et e U  t  ont même TL
2t 2t

p -2
mais dans un domaine de convergenc e différents 2, et - ,2

Lorsqu’on travaille avec des sommes de signaux, l’intersection des domaines de convergence
() doit être non nul pour que l’on puisse travailler avec la TL.

Master - Automatique - Chap. II : 14

 En fait les signaux auxquels nous sommes confrontés rentrent dans l’une des deux classes
suivantes:
a – Les signaux sont sommables en valeurs absolue alors  est non vide puisque
r=0. On pourra alors remplacer p par j, donc TL et TF se déduisent l’une de
l’autre
b – Les signaux sont nuls t<0 (signaux causals) et sont de croissance au plus
exponentielle alors la convergence de la TL est assurée. Donc  est non vide
puisque la borne supérieur est l’infini (+), pas de problèmes existence, par
contre le passage à la Tf n’est pas assuré contrairement au cas précédent.

Quelques TL:
1 1
TL  t    1 TL U t    si Re  p > 0 TL e  atU t    si Re p > -a
p pa
2 Propriétés de la TL
Linéarité TL a.x t   b.y t    aTL x t    b.TL y t  
Le produit de convolution : z t  = x t   y t  
 Z  p  X p .Y p
TL

 X p
La dérivation : x t  
TL Par hypothèse f t  e pt est sommable si Re p  
 pn .X p
t  
xn  t  
TL
 Donc f t  e  pt t    0


x t   f t   X p  En intégrant par partie :

 f t e dt
 pt

 X p  pF p
Master - Automatique - Chap. II : 15
 Cas des fonctions rendues causales

Soit f  t   f t  U t 
 pF p  TL f t  U t    f 0 
 f t   f t  U t   f 0   t  
TL

 TL f t  U t    pF p  f 0 

U t    1 si t    0    t
t 
L'intégration x t    f  d   U t   f  d  U t  f t
 

F p 
 TL x t   
P

Théorème de la somme :Si  f t  dt converge

 

 f t  dt  lim  f t  e
 pt
dt  lim F p
p0 p0
 


  f t dt  lim F p

p0

TL
Théorème de la valeur finale et initiale : Si f t   F p
lim f t   lim pF p
t0 p
lim f t   lim pF p
t p0
Master - Automatique - Chap. II : 16
Théorème du retard :

TL f t    = F p e  p


TL f t    
  f t    e  pt
dt 


TL f t      f   e e d  TL f t     F p e
 p  p  p

en posant t      


Formule d’inversion pour les fonctions causales :

f t  =  résidus deF p e pt

 
pôles de F p

1 d  -1
Le i ème
résidu a pour valeur : ri =  p  pi   F p e pt p  pi
  - 1 ! dp  -1

pour un pôle pi d’ ordre 

Master - Automatique - Chap. II : 17

 II-5 Transformation en Z (TZ)
1 Définition
Pour les signaux analogiques, l'outils mathématiques utilisé est la TL. L’une de ces propriétés
notable est de remplacer le produit de convolution par un produit simple et de substituer
l’opérateur dérivée (d/dt) par la seule multiplication de la variable p ...
Un outil analogue a donc été développé pour le traitement des signaux échantillonnés :
- A une suite d'échantillons {xn} on fait correspondre X(Z) de la variable complexe Z  e pT
où T est la période d'échantillonnage.
- Sachant que le modèle mathématique d’un signal échantillonné s’écrit:

fe  t    f kT   kT 
k On pose Z = e pT
On sait que TL  kT    e  pkT  

Par la linéarité de la TL
Fe  p   f kT  e
 pkT
 Fe  Z    f kT  Z k

 k k  

Remarque : Z  e pT est un opérateur avance du temps T, c’est-à-dire l’opérateur avance d’un

échantillon
La TZ s’identifie à la TF pour Z  e donc Z  1 . On dit que la TZ est TF
j2 T

évaluée sur le cercle unité.

Master - Automatique - Chap. II : 18

2 Condition d’existence

Une suite  Un converge si d’ après Cauchy lim  Un 
1
n
1
n
n =0

Appliquons ce critère à F(Z)

1
 1 
 Z  lim fk  R Rayon de convergence
F Z    fZ  fZ   fk Z k  S1  S2
k k k
k
 k k 
k   k   k 0
1 1
1
S2 existe si lim fk Z k k
 lim fk lim Z
k 1
k  k  k

Pour S1 on pose k = -n
1  1 1
S1 =  fZ k
k
=  f  nT  Z existe si lim f  nT  Z
n n n
 lim f  kT  lim Z  1
k
n k  k 
k   n 1

1
 S1 existe si Z  1
 R
lim f  nT  n
n
La zone de convergence est un anneau
délimité par les rayons R- et R+ qui
Donc F Z  existe si R- < Z  R représentent l’équivalent des abscisses
R+
de convergence de la TL
R-

Remarque : Si f(kT) est causal

R+

Master - Automatique - Chap. II : 19

Exemples: xn  a n
Définir les rayons de convergence des suites :
1 si k  0
U kT   
0 si k  0

kT si k  0
rampe : r kT   
0 si k  0
3 Transformée en Z inverse
a - Formule d’inversion
+
Soit F Z  =  f kT  Z
k =- 
k

+
multiplions membre à membre par Z m -1
 F Z  Z m -1
=  f kT  Z
k =- 
 k  m 1
 f mT  Z 1   f kT  Z k  m 1
k m

Intégrons sur un contour (C) de l’ anneau de convergence entourant l’ origine

  F Z  Z m -1dZ = f mT   Z 1dZ   f kT   Z  k  m 1dZ
C C km C

Z dZ  pôle Z = 0  résidu = 1   Z 1dZ  2j

1

C C

Master - Automatique - Chap. II : 20

  - k + m - 1 > 0  k < m - 1  Pas de pôle, l’ intégrale nulle
 - k + m - 1  0  k > m - 1 donc k > m (car k  m) Intégrale nulle dans
Z dZ 
 k  m 1

C  Z  0 pole d’ ordre  2 tous les cas

 résidu  0, l’ intégrale est nulle

  F Z  Z m 1dZ  2j.f mT 
C

1
 f mT    F Z  Z m 1dZ Cette relation a valeur de définition
2j C

Cas des signaux causals

 R+ = +,donc tous les pôles de F(z) sont à l’intérieurs du contours (c), on peut
évaluer l’intégrale :

m0 f mT    résidus de F Z  Z m 1

 
pôles de F Z Uniquement valable pour les signaux
F Z  causals
m0 f 0    F Z
résidus de
Z
pôles de
Z

Master - Automatique - Chap. II : 21

Exercice:
Soit le signal causal suivant : f kT   akT .h kT 
Trouver les rayons de convergence, l’expression de F(Z)
b – Inversion numérique directe pour un signal causal

F Z    f kT  Z k
k 0

N Z 
Si F(Z) se présente sous la forme d’un rapport de 2 polynômes en Z : F Z  
D Z 
On calcul le quotient en divisant N(Z) par D(Z) suivant les puissance croissante de Z-1. La suite
f(kT) est la suite des coefficients du quotient
Z Z 2  2Z  1
Exemple: Rampe Z  2  Z 1 Z 1  2Z 2  3Z 3  
TZ Z 0  2  Z 1
F Z    T
 Z  1 2 Z 2  2Z  1 2  4Z 1  2Z  2
0  3Z 1  2Z 2
F Z   T Z 1  2Z 2  3Z  3  
3Z 1  6Z  2  3Z 3
0  4Z 2  3Z  3
f kT 
  0, 1, 2, 3, 
T

Remarque : pour un signal causal degrés de N  degrés de D

Master - Automatique - Chap. II : 22
4 Obtention de la TZ à partir de la TL

F p 
F Z   TZF p      résidus de 1 - Z
pôles de F p e
-1 pT

Exemple:
1
 F p 
t
f t   e TL

1
p

F p   1 
On applique la formule précédente : F Z    1
résidus de
1 - Z -1e pT
 1 - Z -1e pT  1
pôles   p
 

Z
 F Z   T 
Ze

5 Propriétés de la TZ

Linéarité : TZ a.x kt   b.y kt    aTZ x kt    b.TZ y kt  

Master - Automatique - Chap. II : 23

Avance / Retard :
TZ  f kt    f  2 Z 2  f  1 Z1  f 0   f 1 Z 1  f 2 Z 2  
TZ  f  k  1 t    f  3 Z 2  f  2 Z1  f  1  f 0  Z 1  f 1 Z  2  
 Z 1 .F Z 
TZ  f  k  1 t    f  1 Z 2  f 0  Z 1  f 1  f 2 Z 1  f 3 Z  2  
 Z.F Z 

 TZ f  k  k0  t    Z  k0 .F Z 
 avance 
- retard 

Remarque : k0=1 correspond à l’avance ou le retard d’un échantillon.

 La variable Z joue le rôle d’opérateur avance au même titre que la variable p joue le rôle
d’opérateur dérivation en TL

 La variable Z-1 joue le rôle d’opérateur retard au même titre que la variable 1/ p=p-1 joue le rôle
d’opérateur intégration en TL

Master - Automatique - Chap. II : 24

 Avance / Retard (suite) : Cas de la transformation monolatère ou d’une suite rendue causale

Le décalage à gauche (avance) fait disparaître un certain nombres d’échantillon:

TZ   f  k  k0  t    Z k0 F   Z   f 0   f 1 Z 1    f k0  1 Z   k0 1  
Le décalage à droite (retard) fait apparaître un certain nombres d’échantillon qu’il faut ajouter :

TZ   f  k  k0  t    Z k0 F   Z   f  1 Z  f  2 Z 2    f  k0  Z k0 

Exemple: 
Rappel: TZ  f kT     f kT  Z k


1 si k  0 k 0
f kT   
akT si k  0

 Z 2
Retard: TZ   f  k  2 T    Z 2 aT  Z  Z 
  Z  1
2


 Z 
Avance: TZ   f  k  1 T    Z aT  f 0 
 Z  1  2  
 0 

Master - Automatique - Chap. II : 25

Multiplication par ak :

Z 
TZ ak fk   F   On se déplace sur un rayon suivant la valeur de a. Une
a des applications possible est de multiplier un signal par
k ak afin de modifier la position des pôles et des zéros de
Z Z 
TZ a fk    a fk Z
k k k
  fk    F  sa TZ
k k a a

Multiplication par le temps (t) :

d
TZ tf t    TZ kTf kT    T .Z  F Z  
dZ
F Z    f kT  Z k
k

dF Z  1
Prenons la dérivée :   k.f kT  Z k 1    k.T .f kT  Z  k
dZ k Z.T k      
TZ  kTf  kT  

Valeurs limites
Valeurs initiales lim fk  lim F Z 
k 0 Z 

Valeurs finales lim fk  lim Z  1F Z   lim1  Z 1 F Z 

k  Z 1 Z 1

Master - Automatique - Chap. II : 26

Produits de signaux

TZ  f1  f2   F1  Z  .F2  Z 
TZ  f1 .f2   F1  Z   F2  Z 

Equation de récurrence

x t  y t 

a2 y  a1 y  a0 y  b2x  b1x  b0 x

On approche :
y k   y k  1
y 
T
y k   y k  1 y k   2y k  1  y k  2
y  
T T
  0 y k   1 y k  1   2 y k  2  0 x k   1x k  1  2x k  2

Master - Automatique - Chap. II : 27