Support TS 2ART Isge 018 20

INSTITUT SUPERIEUR DE GENIE ELECTRIQUE (ISGE)
Filière : Réseaux et Télécommunications

Classe: 2ARTFI
Support de cours
Traitement du Signal :
Signaux et Systèmes numériques
Dramane BONKOUNGOU
Reproduction interdite
© D. Bonkoungou dbonkoungou@ate-online.com
Traitement du Signal : Signaux et systèmes numériques
Sommaire
0. Programme..................................................................................................................................... 1
1. Introduction et généralités ............................................................................................................ 2
1.1. Pourquoi le traitement numérique du signal ? ....................................................................... 2
1.2. Principe du traitement numérique du signal .......................................................................... 3
1.3. Différence entre signal analogique, discret et numérique...................................................... 4
2. Numérisation du signal analogique.............................................................................................. 6
2.1. Structure d’un système de transmission numérique .............................................................. 6
2.2. Processus de la numérisation du signal analogique................................................................ 8
2.3. Réalisation technique de la numérisation................................................................................ 9
2.3.1. CAN Flash (Flash ADC) ....................................................................................................... 9
2.3.2. CAN avec amplification SH (Sample-and-Hold) .............................................................. 10
2.4. Echantillonnage du signal analogique ................................................................................... 11
2.4.1. Analyse temporelle du signal échantillonné ...................................................................... 11
2.4.2. Analyse fréquentielle du signal échantillonné ................................................................... 12
2.4.3. Phénomène d’aliasing et théorème de l’échantillonnage ................................................. 14
2.4.4. Filtre anti-aliasing ............................................................................................................... 16
2.4.5. Reconstitution du signal analogique .................................................................................. 17
2.4.6. Filtre de maintien et égaliseur d’échantillonnage............................................................. 19
2.5. Quantification et codage ......................................................................................................... 20
2.5.1. Définitions ............................................................................................................................ 20
2.5.2. Erreur de quantification et SNR du CAN ......................................................................... 22
2.5.3. Codage des valeurs quantifiées........................................................................................... 25
3. Signaux et systèmes numériques ................................................................................................ 28
3.1. Signaux numériques ................................................................................................................ 28
3.1.1. Introduction et généralités .................................................................................................. 28
3.1.2. Signaux à temps discret standards..................................................................................... 30
3.1.3. Quelques types de signaux à temps discret ....................................................................... 34
3.2. Systèmes numériques .............................................................................................................. 36
3.2.1. Propriétés des systèmes numériques .................................................................................. 36
3.2.2. Systèmes numériques LTI .................................................................................................. 38
3.2.3. Equations aux différences ................................................................................................... 42
3.2.4. La transformation en Z appliquée aux systèmes LTI ..................................................... 46
0. Programme
Objectifs:
Acquérir des connaissances fondamentales en analyse des signaux et des systèmes numériques pour
comprendre le fonctionnement des composants de base des systèmes numériques de
télécommunications.
Volume horaire: 60 h (cours: 40 h / TD: 20h )
Connaissances requises pour suivre le cours:
• Cours de traitement du signal de première année (Signaux et Systèmes analogiques)

• Connaissances en mathématiques: trigonométrie, nombres complexes, suites et séries,
dérivation, intégration, étude des fonctions
• Connaissances en électronique analogique et numérique
Contenu :
1. Introduction et généralités
• Pourquoi le traitement numérique du signal ?
• Principe du traitement numérique du signal
2. Numérisation du signal analogique

• Principe et utilité de la numérisation du signal analogique
• Echantillonnage d’un signal analogique: analyse temporelle et fréquentielle du signal
échantillonné, aliasing, interpolation, échantillonnage réel
• Quantification : principe et définitions, bruit de quantification, SNR du CAN
• Codage des valeurs quantifiées
3. Signaux et systèmes numériques

• Signaux numériques: définitions et propriétés, signaux standards
• Systèmes numériques : définitions, propriétés, systèmes LTI, schéma fonctionnel
• Réponse impulsionnelle d’un système numérique LTI et produit de convolution
• Equations aux différences des systèmes numériques
• Transformation en Z: définition, quelques transformées en Z, propriétés, transformation
inverse en Z par décomposition en éléments simples
• Fonction de transfert d’un système numérique
1
1. Introduction et généralités
1.1. Pourquoi le traitement numérique du signal ?
Le traitement numérique du signal s’occupe du traitement des signaux numériques c.à.d. des signaux à
temps discret et à valeur discrète.
Les principaux avantages du traitement numérique par rapport au traitement analogique sont:
• Faible sensibilité au bruit et grande dynamique grâce au codage et la technique de décision

utilisée par les récepteurs numériques. Le traitement numérique du signal ne souffre pas de
bruit (thermique) généré par les systèmes analogiques pour le cas d’un traitement numérique.
• Grande précision et stabilité. En effet le traitement numérique du signal est indépendant des
tolérances et du vieillissement des composants électroniques ainsi que des variations de
température.
• Flexibilité. Le comportement et les caractéristiques d’une application sont déterminés par un

logiciel qui permet une modification facile et rapide de l’application ainsi que son adaptation
(configuration). Cette réalisation logicielle permet aussi le changement des caractéristiques
d’un système pendant son exploitation (système adaptatif).
• Réalisation rapide, moins coûteuses et prédiction grâce à la réalisation du traitement

numérique sous forme d’un logiciel. La simulation d’un système numérique entre la phase de
conception et la phase de réalisation se fait plus facilement et plus rapidement avec plus de
précision.
• Stockage et transport facile de l’information sur des CD, DVD et mémoire USB.
Le traitement numérique du signal a cependant aussi des inconvénients qui sont:
• Vitesse de traitement. Les systèmes numériques traitent les signaux avec une largeur de
bande plus petite que celle des signaux traités par les systèmes analogiques. Ainsi la largeur de
bande des signaux à traiter est limitée par la vitesse du CAN et du processeur.
• Prix. Pour des applications simples, les systèmes numériques sont plus couteux que les
systèmes analogiques.
• Effet de la quantification. La conversion analogique-numérique ajoute un bruit (de

quantification) au signal à numériser pendant le processus de quantification. Aussi la taille
finie des mots dans les unités de calcul des processeurs entrainent des erreurs.
• Exigence pendant la conception ou le développement. La conception ou le développement

des systèmes numériques nécessite plus de théorie que d’expérience.
2
1.2. Principe du traitement numérique du signal
La figure suivante montre le principe du traitement numérique d’un signal analogique.
Figure 1: Traitement numérique d’un signal analogique
• CAN = Convertisseur analogique-numérique
• CNA = Convertisseur numérique-analogique
• Système numérique: Ordinateur, microcontrôleur, DSP (Digital Signal Processor)
- Microcontrôleur: Ensemble de CPU (Central Processing Unit), ROM/RAM et ports de

communication sur un seul circuit intégré. Certains types de microcontrôleurs contiennent
des CAN et CNA intégrés
- DSP : microcontrôleur avec une architecture RISC (Reduced Instruction set Computer)
optimisée sur les opérations addition, multiplication et décalage (mémorisation) pour un
traitement rapide du signal.
La Performance des CPU des DSP est exprimée en MIPS (Million Instructions Per
Second) ou en MFLOPS (Million Floating Point Operations Per Second).
Exemple: CPU Intel 80286 avec Coprocesseur 80287 réalise 0,1 MFLOPS pendant que
des DSP modernes sont capables de plus 40 MFLOPS.
Il existe des DSP sous forme de cartes PC comme par exemple la gamme de carte de son
Sound Blaster pour PC.
La rapidité du traitement du signal dépend du type de signal et des algorithmes de

traitement.
Exemple: Un prétraitement en temps réel du signal vidéo en standard PAL (Phase
Alternate Line) avec 25 images par secondes et 720 x 576 pixels par image exige par
seconde 20 milliards de multiplications, d’additions, et de transferts de données.
3
1.3. Différence entre signal analogique, discret et numérique
Figure 2: Classification des signaux
Un signal à temps continu signifie que le signal est défini à n’importe quel instant. Un signal à valeur
continue signifie que le signal peut prendre n’importe quelle valeur. Ainsi pour ces signaux,
l’ensemble des valeurs correspond à l’ensemble des nombres réels. Un signal analogique est un signal
à temps continu et à valeur continu.
Discret ou quantifié signifie que le signal ne peut prendre que des valeurs bien définies (généralement
équidistantes). Une tension à valeur discrète ne peut que varier avec par exemple un pas de 1mV. Un
signal à temps discret ou signal échantillonné existe seulement à des instants bien définis par exemple
à chaque 2ms. Un signal numérique est un signal à temps discret et à valeur discrète c.à.d. que le
signal ne peut prendre que des valeurs bien définies à des instants bien définis et équidistants.
Le codage consiste à convertir le signal numérique en un autre signal numérique généralement binaire.
Le codage du signal numérique est une opération qui consiste à convertir les valeurs quantifiées du
signal numérique qui sont des valeurs décimales en des valeurs binaires composées de 0 et 1.
4
ℝ
Signal analogique
( signal à temps continu et
à valeur continue)
ℝ
Echantillonnage
Signal à temps discret et

à valeur continue
, , , ,
Quantification
e
d
Signal numérique
c ( signal à temps discret
b et à valeur discrète)
Te
a
0, 1
Codage
1
0 Signal numérique binaire

Tb ( signal à temps discret et
à 2 valeurs )
Figure 3: Echantillonnage, quantification et codage d’un signal analogique
5
2. Numérisation du signal analogique
2.1. Structure d’un système de transmission numérique
Echantillonnage et maintien (S&H) M lignes

(1 bit par ligne)
Convertisseur
Echantillonneur Parallèle-Série
Microphone
idéal
ua(t) Filtre u1(t) ue(t) um(t) uq(t) P
Filtre de Traitement
…
passe-bas Quantificateur Codeur
Signal F1
maintien numerique
S
analogique
Suite de bits
Te
CAN (Numérisation)
Emetteur numérique
Canal de transmission ou
support de stockage (CD par exemple)
S Filtre
Traitement Egaliseur
…
CNA passe-bas
numerique d’echantillonnage
P u2(t) u3(t) F2 ur(t)
Haut parleur
Convertisseur
Série-Parallèle
Récepteur numérique
Figure 4: Principe de la transmission numérique
6
La numérisation du signal analogique permet le traitement et la transmission numérique du signal.

Pour les avantages du traitement numérique voir 1.1.
La transmission numérique du signal consiste à transmettre le signal sous forme numérique. Le signal
numérique offre des possibilités de codages (codage source, codage canal, …) et de multiplexage
performant (TDMA, CDMA).
Le signal numérique est moins sensible aux perturbations (bruit et distorsions) générées dans les
composants de transmission (émetteur, canal, récepteur). En effet en transmission numérique, il suffit
de reconnaitre à la réception l’information sous forme de symboles bien définis et connus (0 et 1).
Exemple: transmission de symboles binaires à travers un canal perturbé
Description du schéma de figure 4
• Filtre passe-bas F1 ou filtre Anti-Aliasing ou filtre anti-recouvrement:

• Echantillonneur idéal:
• Echantillonneur réel:
• Quantificateur:
• Codeur:
• Convertisseur parallèle-série:
• Traitement numérique du signal: codage source, codage canal, codage de ligne, modulation
numérique, etc…
• Egaliseur d’échantillonnage:
• Filtre passe-bas F2 ou filtre d’interpolation (ou filtre de reconstruction):
7
2.2. Processus de la numérisation du signal analogique
Pour comprendre le processus de la numérisation, considérons le schéma de figure 4 et par exemple un

CAN à 3 bits qui réalise une quantification uniforme c.à.d. une quantification avec un pas de
quantification constant (voir figure 5).
Figure 5: Principe de la numérisation d’un signal analogique
8
2.3. Réalisation technique de la numérisation
2.3.1. CAN Flash (Flash ADC)
Le CAN Flash (ou CAN rapide) travaille selon le principe de la méthode parallèle. Figure 6 montre un
CAN Flash à 3 bits.
Exemple : x(t) = 4, 3 V et Uref = 8 V
Uref = 8 V
Comparateur
x(t) = 4,3 V
-
<0
0
+
-
7V <0 0
+
-
6V <0 bit
0
+
1
-
5V <0 0
+
Codeur 2
-
4V >0 1
2M niveaux → M bits
+
M=3
-
3V >0 1
+
-
2V >0 1
+
-
1V >0 1
+
Signal de validation
de fréquence fe
Figure 6: CAN Flash (Flash ADC)
Pour un signal vidéo, on a besoin de M = 8 bits/ échantillon càd 2M = 256 comparateurs.
9
2.3.2. CAN avec amplification SH (Sample-and-Hold)
L’échantillonneur réel (échantillonnage et maintien) ou amplificateur SH qui est intégré dans le CAN
est composé d’un amplificateur d’entrée, d’un interrupteur (I) contrôlé par l’horloge d’échantillonnage
(Sampling Clock), d’une capacité de maintien (C) et d’un Buffer à impédance d’entée élevée (voir
figure 7).
Figure 7: Echantillonnage réel avec un SH (Sample and Hold) dans un CAN
L’impédance d’entrée du Buffer doit être suffisamment élevée de telle sorte que la capacité soit
déchargée de moins de 1 LSB (Least Significant Bit) pendant le temps de maintien (interrupteur I
ouvert) c.à.d. pendant le temps de conversion. 1 LSB correspond au pas de quantification et est utilisé
souvent pour définir la résolution du CAN. L’amplificateur SH échantillonne le signal analogique en
mode SAMPLE (I fermé) ou mode TRACK et maintient la valeur de l’échantillon constant pendant le
mode HOLD (I ouvert). L’horloge d’échantillonnage est ajustée de telle sorte que le codeur puisse
effectuer la conversion de l’échantillon en un mot binaire de N bits pendant le temps de maintien.
10
2.4. Echantillonnage du signal analogique
L’échantillonnage d’un signal analogique x(t) consiste à prélever à chaque instant t = nTe les valeurs
de x(t). Les valeurs prélevées sont appelées échantillons. La période de prélèvement est appelée
période d’échantillonnage et fe =1/Te. La fréquence de prélèvement correspondante est appelée
fréquence d’échantillonnage et donne le nombre d’échantillons qu’on prélève en une seconde.
Figure 8: Echantillonnage naturelle (A) et échantillonnage idéale
Figure 8 (A) représente la méthode d’échantillonnage naturelle (natural sampling) qui consiste à
T0≪ Te. Cette méthode est modélisée par la multiplication du signal analogique x(t) par une suite
fermer un interrupteur aux instants équidistants d’échantillonnage t = nTe pour un temps très court
d’impulsions rectangulaires de durée T0.

Lorsqu’on fait tendre T0 vers 0 tout en évitant l’annulation de la puissance de chaque impulsion
rectangulaire, on obtient l’échantillonnage idéal représenté par Figure 8 (B) qui consiste à multiplier le
signal analogique x(t) par une suite d’impulsions de Dirac (peigne de Dirac).
Si l’on respecte certaines règles (que nous verrons plus loin), on ne perd pas d’information dans
l’opération d’échantillonnage c.à.d. qu’on peut retrouver le signal analogique à partir du signal
échantillonné.
2.4.1. Analyse temporelle du signal échantillonné
En considérant l’échantillonnage idéal représenté par figure 9 (B), on a:
= ∙ 2−1
Avec
!
= −
"!
11
= ∙ − 2−2
"!
2.4.2. Analyse fréquentielle du signal échantillonné
Comme la suite d’impulsion de Dirac est un signal périodique de période Te, on peut la décrire
par sa décomposition en série de Fourier selon:
) !
= # $ ∙ +&2'$(
2−3
) "!
Avec
,
-
1
# $ = ∙ + ∙ −&2'$(
2−4
" ,
-
!
−&2'$(
∙ = − ∙ −&2'$(
"!
!
−&2'$(
∙ = − ∙ −&2'$(
"!
!
−&2'$(
∙ = − ∙ −&2'$
"!
!
−&2'$(
∙ = − / −&2'$ = 1 012341 2$ 3 0 2/
"!
−&2'$(
∙ = 2−5
En remplaçant (2-5) dans (2-4), on a:

, ,
- -
1 1 1
# $ = ∙ + = ∙ + =
" , " ,
- -
12
En remplaçant (2-3) dans (2-1), on a:

) !
= # $ ∙ ∙ +&2'$(
) "!
) !
1
= ∙ ∙ +&2'$(
2−6
) "!
En appliquant la propriété de linéarité et de convolution de la transformée de Fourier à (2-6), on

obtient Xe(f) la transformée de Fourier du signal échantillonné xe(t) :
) !
1
7 ( = 8 = ∙ 7 ( ∗ 8: +&2'$(
;
) "!
7 ( étant le spectre du signal analogique x(t) c.à.d. la TF de x(t).
8: +&2'$(
;= ( − $(
) !
1
7 ( = ∙ 7 ( ∗ ( − $(
) "!
8<:7 ( ∗ ( − $( ; = ∙ 8< ( − $( = ∙ +&2'$(

= 8<:7 ( − $( ;
⟹7 ( ∗ ( − $( = 7 ( − $( 2−7
Avec (2-7), on obtient le spectre du signal échantillonné:

) !
1
7 ( = ∙ 7 ( − $( 2−8
) "!
Le spectre du signal échantillonné peut être exprimé en fonction de la fréquence circulaire ω = 2πf:
) !
1 2'
7 &@ = ∙ 7 A& @ − &$@ B C @ = 2'( =
) "!
Interprétation de (2-8):
Le spectre 7 ( du signal échantillonné (idéalement) est composé (à une constante près) du

spectre original 7 ( du signal analogique x(t) et de copies (images) aux multiples de la fréquence
d’échantillonnage fe. Cela signifie que le spectre d’un signal échantillonné (ou d’un signal à temps
discret) est périodique avec une période égale à la fréquence d’échantillonnage.
Le spectre du signal échantillonné et celui du signal analogique sont identiques dans l’intervalle
13
[-fe/2 , fe/2] . On note fN = fe/2 et f N est appelée fréquence de Nyquist.
E, E,
D’une manière générale, les bandes ou intervalles de fréquence D −1 , F avec n ≥ 1sont
- -
appelées zones de Nyquist.
Exemple: Echantillonnage d’un signal sinusoïdal (harmonique)
Considérons signal = cos 2'(J avec f0 = 1 kHz à échantillonné avec la fréquence

d’échantillonnage fe = 8 kHz.
Domaine temporel
xe(t)= x(nTe)
Temps t (ms)
Domaine fréquentiel
TeXe(f)
2. zone de 2. zone de
1. zone de Nyquist
Nyquist Nyquist
-fe -fe/2 Fréquence f (khz) fe/2 fe
Figure 9: Signal harmonique échantillonné dans le domaine temporel et fréquentiel
2.4.3. Phénomène d’aliasing et théorème de l’échantillonnage
Considérons un signal analogique avec un spectre X(f) limité c.à.d. un signal à bande limitée. La figure
10 suivante représente le spectre d’amplitude du signal échantillonné pour deux choix différents de la
fréquence d’échantillonnage.
14
Cas 1: fe ≥ 2fmax
Cas 2: fe < 2fmax
Figure 10: Spectre d’un signal échantillonné sans et avec Aliasing
En analysant le spectre du signal échantillonné, on remarque qu’à cause de la répétition du spectre du
chevaucher si ( < 2(LMN .

signal analogique avec la période fe, on imagine facilement que les spectres des périodes vont se
Le spectre du signal échantillonné et celui du signal analogique sont identiques dans la première zone
de Nyquist c.à.d. dans la période principale. On peut donc retrouver le signal analogique à partir du
signal échantillonné si on élimine les autres périodes. Cette opération de reconstitution du signal
analogique à partir du signal échantillonné peut se réaliser à l’aide d’un filtre passe-bas de fréquence
de coupure égale à fe/2. Ce filtre passe-bas est appelé filtre d’interpolation (voir filtre passe bas F2).
analogique soit limité et que ( ≥ 2(LMN . Ces deux conditions constituent le théorème de
Pour éviter le chevauchement entre les périodes (zones de Nyquist), il faut que le spectre du signal
l’échantillonnage ou théorème de Shannon qui s’énonce de la manière suivante :

Un signal analogique peut être reconstitué après échantillonnage si son spectre est limité et si la
fréquence d’échantillonnage est supérieure ou égale au double de la fréquence maximale contenue
dans le signal analogique (prouvé par Claude Shannon en 1948).
Si le théorème de Shannon n’est pas respecté, les périodes du spectre du signal échantillonné vont se
chevaucher. Ce phénomène s’appelle recouvrement spectral ou Aliasing.
Remarque:
• Harry Nyquist: *1889 /†1976, physicien américain (USA) d'origine suédoise.

• Claude Elwood Shannon: *1916 /†2001, ingénieur en génie électrique et mathématicien. Il est
considéré comme le père fondateur de la théorie de l'information.
15
2.4.4. Filtre anti-aliasing
Pour atténuer suffisamment l’effet du phénomène d’aliasing, il faut limiter la bande de fréquence du
signal analogique avant l’échantillonnage avec un filtre passe-bas (analogique) appelé filtre anti-
aliasing (voir filtre passe-bas F1). Le filtre anti-aliasing doit être spécifié de manière très attentionnée
(voir figure 11).
Figure 11: Spécification du filtre anti-aliasing
Figure 11 représente la réponse en amplitude d’un filtre anti-aliasing qui a pour rôle de laisser passer
les composantes du signal analogique à échantillonner avec une fréquence f ≤ f c et d’atténuer les
composantes avec une fréquence ( > (Q .
Si le signal analogique contient des composantes avec une fréquence au-delà de la fréquence de
coupure fc, alors des composantes d’aliasing vont apparaitre après l’échantillonnage dans la bande
passante [0, fc] à cause des composantes fréquentielles au dessus de fe – fc.
Les composantes d’aliasing ne peuvent plus être différenciées des composantes de la bande passante et
limitent par conséquent l’intervalle de dynamique DR (Dynamic Range). Les composantes d’aliasing
dans l’intervalle [fc, fe/2] ne sont pas à considérer car elles ne participent pas à la limitation de
l’intervalle de dynamique.
bande bloquante à partir de la fréquence fe – fc . avec une atténuation de blocage > DR. L’intervalle de
Le filtre anti-aliasing doit avoir une bande passante allant de 0 à la fréquence de coupure fc et une
dynamique DR nécessaire dépend de l’application (par exemple DR > 30 dB pour la téléphonie et

DR > 90 dB pour la musique).
La largeur de la bande de transition [f c, fe – fc] dépend de la fréquence d’échantillonnage. Plus la

fréquence d’échantillonnage est proche de la fréquence d’échantillonnage critique femin = 2 fc, plus la
raideur du flanc du filtre anti-aliasing doit augmenter c.à.d. la réalisation du filtre devient plus
complexe si l’on doit respecter la valeur exigée de DR. A l’inverse un filtre moins complexe peut être
utilisé si l’on choisit une fréquence d’échantillonnage beaucoup plus grande que femin = 2 fc. Cela
nécessite cependant un traitement plus rapide des échantillons (plus grande performance du système de
traitement).
On choisit typiquement une fréquence d’échantillonnage dans l’intervalle [2,5f c ; 4 f c]. Pour un filtre
S
anti-aliasing de type Butterworth d’ordre n, l’atténuation R ( = |U E | augmente dans la bande de
transition et dans la bande bloquante (f > fc) avec ∙ 6 V par octave ou ∙ 20 V par décade c.à.d.
E
R ( ≈ 20 ∙ ∙ XYZSJ [E ] 0Y1/ ( > (Q
\
16
Rappel: Echelle logarithmique
• Octave:
1 octave est une unité utilisée pour décrire un rapport entre deux fréquences.
1 octave correspond à un rapport de fréquences (niveau de fréquence) égal à 2. Ainsi un octave
correspond à une multiplication de la fréquence par 2:
(f2/f1)octave= log2(f2/f1) (R1)
(R1) permet de calculer le nombre d’octaves entre les deux fréquences f2 et f1
• Décade:
1 décade est une unité utilisée pour décrire un rapport entre deux fréquences.
1 décade correspond à un rapport de fréquences (niveau de fréquence) égal à 10. Ainsi un
décade correspond à une multiplication de la fréquence par 10:
(f2/f1)decade= log10(f2/f1) (R2)
(1) permet de calculer le nombre d’octaves entre les deux fréquences f2 et f1
2.4.5. Reconstitution du signal analogique
Tant que le théorème de Shannon est respecté, on peut reconstituer le signal analogique avec le spectre
X(f) à partir du signal échantillonné avec le spectre Xe(f) à l’aide d’un filtre passe-bas avec la fonction
de transfert Hpb(f) et de fréquence de coupure fe/2.
7 ( = ∙ 7 ( ∙ ^_ ( 2−9
Rappel: Transformée de Fourier d’un signal Si.
sin '(Q c (
= R ∙ (Q ∙ 32 '(Q = R(Q ∙ de 7 ( =R∙/ f g
'(Q (Q
En supposant que le filtre passe-bas anti-aliasing est idéal et en appliquant la transformée inverse et les
propriétés de Fourier à (2-9), on obtient:
17
= ∗ 32 '(
Avec (2-2) et sachant que ( ∗ −h =( − h , on a :

! !
32 i'( − j
= ∙ 32i'( − j= ∙ 2 − 10
'( −
"! "!
(2-9) constitue une autre version du théorème de l’échantillonnage ou théorème de Shannon qui dit
que tout signal avec une bande de fréquence limitée à fc= fe/2 peut être reconstitué à partir de ses
échantillons x(nTe) à l’aide de fonctions Si d’interpolation.
La figure 12 suivante illustre la reconstitution d’un signal analogique sinusoïdal de fréquence fe/16 à
partir des échantillons.
(
= Y3 f2' ∙ ∙ g
16
Figure 12: Reconstitution avec des fonctions Si d’interpolation
En pratique le filtre passe-bas idéal d’interpolation n’est pas réalisable (réponse impulsionnelle infinie
dans le temps) et on utilise très souvent un filtre passe-bas de Butterworth comme approximation.
Les filtres de Butterworth sont optimisés pour avoir une réponse en amplitude aussi constante possible
dans la bande passante contrairement aux filtres de Tchebychev et de Bessel afin de diminuer au
maximum les distorsions d’amplitude.
La réponse en amplitude d’un filtre passe-bas de Butterworth est décrite par:
1
k^ ( k = 2 − 11
l1 + f ( g
-
(Q
fc : Fréquence de coupure à 3dB

n : ordre du filtre (détermine la raideur du flanc)
Remarque: S. Butterworth: environ 1930, ingénieur anglais..
Exemple de dimensionnement du passe-bas de Butterworth pour l’interpolation:

Comment doit-on choisir l’ordre n et la fréquence fc du passe-bas de Butterworth si la fréquence f1
doit-être atténuée de a1 dB et la fréquence f2 de a2 dB ?
18
2.4.6. Filtre de maintien et égaliseur d’échantillonnage
(voir schéma du principe de la transmission numérique de figure 5).
D’après (2-8) le spectre du signal échantillonné ue(t) est:

!
1
m ( = mS ( − $(
) "!
U1(f) est le spectre du signal analogique u1(t).
Soit FM(f) la fonction de transfert du filtre de maintien. Le signal échantillonné et maintenu um(t) aura
mL ( = m ( ∙ 8n ( 2 − 12
comme spectre:
interpolation est nécessaire car Ue(f) a été modifié par le filtre de maintien pour devenir mL ( .
(2-12) montre que l’utilisation d’un filtre avant la reconstitution du signal analogique u1(t) par
Le filtre utilisé pour l’élimination de l’effet du filtre de maintien est appelé égaliseur d’échantillonnage
S
et a la fonction de transfert 8o ( = c E .
p
L’effet du filtre de maintien se traduit par des distorsions du signal reconstitué.
Illustration de l’effet du filtre de maintien:
Considérons les suppositions suivantes:
• Le signal analogique à échantillonner a le spectre d’amplitude suivant:
• La fréquence d’échantillonnage est choisie de telle sorte que ( ≥ 2(LMN
Déterminons la fonction de transfert c.à.d. la réponse impulsionnelle du filtre de maintien:
Figure 13: Modélisation de l’échantillonnage réel
19
=
t
s" ,
q =/ r u
v
,
8n ( =
w E
x E
Comment éviter les distorsions provoquées par le filtre de maintien ?
• Première possibilité: utilisation d’un égaliseur d’échantillonnage avec la fonction de transfert

S
8o ( = c E
p
• Deuxième possibilité: Choix d’une fréquence d’échantillonnage plus grande (sur-

échantillonnage ou oversampling).
Exemple: Musique en qualité CD
La fréquence d’échantillonnage est fixée fe = 44,1 kHz > ( Ly

fmax= 15 kHz
2.5. Quantification et codage
2.5.1. Définitions
La quantification du signal échantillonné consiste à remplacer l’infinité de valeurs différentes qu’il

peut prendre par un nombre fini Nq de valeurs. A chaque instant d’échantillonnage, le quantificateur
remplace la valeur de l’échantillon par la valeur la plus proche parmi les Nq valeurs possibles. Le
nombre Nq de valeurs possibles doit être fini car les valeurs doivent être codées en binaire avec un
nombre fini de bits.
Si les Nq valeurs différentes sont équidistantes, on parle de quantification uniforme ou quantification

linéaire et leur distance est appelée pas de quantification q. Ainsi pour une quantification linéaire le
pas de quantification est constant.
La quantification est une opération non linéaire car la caractéristique de transfert xq(nTe) = f[(x(nTe)]
est une fonction en escaliers donc une fonction non linéaire. La figure suivante montre la
caractéristique de transfert d’un quantificateur linéaire à 8 niveaux (n= 3 bits) avec un codage binaire
en complément à deux.
20
Signal échantillonné à Signal échantillonné à

valeurs continues valeurs quantifiées
Quantificateur
x(nTe) = xe(t)
xq(nTe)
xq(nTe)
q 011
3q
010
2q
Out of
q
001 range
q
000
-4q -3q -2q -q q 2q 3q x(nTe)

-q
111
Out of 110
-2q
range
101
-3q
100
-4q
Figure 14: Caractéristique de transfert d’un quantificateur linéaire
Considérons un CAN à n bits qui effectue une quantification linéaire entre Umax et Umin. Le domaine
des valeurs possibles à l’entrée du quantificateur allant de Umax et Umin est appelé domaine de
conversion du CAN ou domaine Fullscale et est noté FS:
8z = mLMN − mLy 2 − 13
FS correspond à la valeur peak-to-peak du domaine de conversion. La valeur maximale du domaine de

conversion vaut alors Umax = FS/2.
Pour la quantification linéaire, le domaine de conversion est divisé en Nq intervalles de quantification

égaux pour donner le pas de conversion q ou LSB (Least Significant Bit):
8z
4= 2 − 14
{|
A cause du codage binaire après la quantification, Nq est choisi de telle sorte que:
{| = 2 2 − 15
Les intervalles de quantification sont numérotés à travers un codage binaire et chaque mot binaire
correspond à la valeur du signal quantifié au milieu de l’intervalle considéré (voir figure 15). Ainsi la
quantification consiste à faire correspondre à chaque valeur du signal échantillonné située dans un
intervalle de quantification la valeur au milieu de l’intervalle.
21
La quantification provoque des erreurs sur les valeurs du signal échantillonnée qui ne peuvent plus
être corrigées. La qualité de la quantification est caractérisée par la résolution du CAN qui est définie
par q ou n. Plus q est faible, plus l’erreur de quantification est faible, mais il faut pour cela un plus
grand nombre de bits n par valeur codée.
2.5.2. Erreur de quantification et SNR du CAN
La figure suivante représente un modèle linéaire du quantificateur.
Figure 15: Modèle linéaire du quantificateur
L’erreur de quantification ou bruit de quantification est:
= − | C = 2 − 16
D’après la caractéristique de transfert du quantificateur, on a :

4 4
∈ D− , F
2 2
Etant donné que l’erreur de quantification dépend du signal analogique qui est un signal aléatoire,
alors l’erreur de quantification e(t) est un signal aléatoire.
Si la plupart des valeurs x(nTe) du signal échantillonné sont beaucoup plus grandes que le pas de
quantification q (condition vérifiée dans la plus plupart des cas), alors on peut considérer que l’erreur
de quantification e(t) est un signal aléatoire avec une fonction de densité de probabilité p(e) constante
| |
dans l’intervalle D− - , -F (fonction de distribution uniforme).
Figure 16: Fonction de densité de probabilité du bruit de quantification
22
Rappel sur les variables aléatoires:
Soit la variable aléatoire X avec la fonction de densité de probabilité p(x).

!
• 0 ≥0 ~"! 0 2 − 17
• Valeur moyenne ou espérance mathématique de X :

!
•A7B = + 0 2 − 18
"!
• Valeur moyenne quadratique (ou puissance moyenne) :

!
-B
•A7 =+ -
0 2 − 19
"!
• Variance de X:
!
€ 7 = •A 7 − •A7B - B = + − •A7B - 0 2 − 20
"!
€ 7 = •A7 - B − •A7B 2 − 21
On montre que:
-
(2-21) montre que la variance d’un signal aléatoire (ou d’une variable aléatoire) est
égale à sa puissance moyenne si sa valeur moyenne (composante continue) est nulle.
D’après (2-18), la valeur moyenne du bruit de quantification est :
! |/-
1
̅=+ 0 = + ∙ =0 2 − 22
"! "|/- 4
(2-22) montre que le bruit de quantification ne contient pas de composante continue. Ainsi la variance
du bruit de quantification est égale à sa puissance moyenne.
En pratique on s’intéresse généralement au SNR (Signal ro Noise ratio) du CAN qui est défini par :
„N
z{ƒ = 10 ∙ XYZSJ f g V 2 − 23
„
Px = Puissance (moyenne) du signal à l’entrée du quantificateur.

Pe = Puissance (moyenne) de l’erreur (bruit) de quantification.
D’après (2-19), la valeur moyenne du bruit de quantification est :
23
! |/-
1 4-
„ =+ -
0 = + -
∙ = 2 − 24
"! "|/- 4 12
Avec (2-14) et (2-15) on obtient:
„N 12 ∙ „N -
= ∙2 2 − 25
„ 8z -
Avec (2-23), le SNR en dB du CAN est :
XYZSJ 12„N ⁄8z -

z{ƒ = 6,02 + †‡‡‡‡ˆ‡‡‡‡‰ 2 − 26
Š
Interprétation de (2-26):
• Lorsqu’on augmente n de 1 bit, le SNR du CAN augmente d’environ 6 dB.
• La constante K dépend de la puissance Px du signal à numériser. Plus le niveau du signal est

petit par rapport au domaine de conversion du CAN, plus le SNR devient petit.
Cas particulier: quantification d’un signal sinusoïdal
Supposons que le signal à quantifier occupe tout le domaine de conversion c.à.d. que l’amplitude û du
signal sinusoïdal est égale à la moitié du domaine de conversion du CAN. On a alors:
1 8z -
„N = f g ‹ = 1,76
2 2
Et on obtient avec (2-26):
z{ƒ = 6,02 + 1,76 2 − 27
En pratique, on évite que l’amplitude du signal dépasse le domaine de conversion du CAN pour ne pas
provoquer la génération d’autres fréquences qui constituent des fréquences d’aliasing. Pour les
signaux aléatoires comme par exemples les signaux audio on évite que le signal occupe totalement le
domaine de conversion en diminuant la puissance Px afin de minimiser la probabilité de dépassement
du domaine de conversion. Mais dans ce cas la relation (2-27) n’est plus valable et le SNR diminue
de 8 à 10 dB.
La valeur du SNR dépend de l’application. Le tableau suivant donne quelques valeurs typiques de
SNR.
Nombre de bits par

Application échantillon SNR de la quantification en
(longueur des mots de code) dB
Voix (parole) en téléphonie 8 40
Audio (musique) 14 … 16 75 … 90
Vidéo 8 … 12 40 …65
Techniques de mesures 8 … 24 40 … 135
Tableau 1: Quelques valeurs typiques de SNR
24
2.5.3. Codage des valeurs quantifiées
Rappel: Représentation de nombres à base 10 (système décimal) en binaire (base 2).
• Nombre entiers:
7SJ = "S 2
"S
+ "- 2
"-
+ ⋯+ S2
S
+ J2
J
y ∈ 0; 1 C = 0, 1, ⋯ , − 1
a0 = LSB et an-1 = MSB
Les ai sont appelés bits ou chiffres binaires. Les 2n-i (i = 1, 2 …, n) sont les poids des bits
correspondants.
Le bit correspond physiquement à un niveau logique de tension. Il existe plusieurs logiques de
niveau de tension mais la logique la plus répandue est la logique TTL (Transistor-Transistor
Logic). Pour une logique positive TTL, le bit 1 correspond à un minimum de tension de sortie
de 2,4 V et à une tension d’entrée supérieure à 2 V. le bit 0 correspond à un maximum de
tension de sortie de 0,4 V et à une tension d’entrée inferieure à 0,8 V. Il faut noter que bien
que la logique CMOS soit plus populaire que la logique TTL de nos jours, les niveaux
logiques CMOS sont généralement conçus pour être compatibles avec la logique TTL.
Exemple: (11)10 = (1011)2
• Nombre fractionnels:
7SJ = "S 2
"S
+ "- 2
"-
+ ⋯+ S2
" "S
+ J2
"
y ∈ 0; 1 C = 0, 1, ⋯ , − 1
a0 = LSB et an-1 = MSB
Les ai sont appelés bits ou chiffres binaires. Les 2-i (i = 1, 2 …, n) sont les poids des bits
correspondants.
Exemple: (0,6875)10 = (0,1011)2
La méthode de codage dépend des valeurs du signal à l’entrée du CAN. On distingue le codage
unipolaire du codage bipolaire.
a) Codage unipolaire
Dans ce cas le domaine de conversion FS va de Umin = 0 à Umax > 0 et vaut:

Le codage unipolaire est utilisé pour une tension d’entrée ayant que des valeurs positives.
FS = Umax – Umin = Umax
Le codage unipolaire le plus populaire est le codage binaire direct. Un autre type de code est le
code GRAY inventé par Elisha Gray en 1878 et réinventé par Franck Gray en 1949. Bien que
le code GRAY soit rarement utilisé en arithmétique par les ordinateurs, il possède des
propriétés qui le rend attractif pour les CAN en permettant de minimiser les erreurs. Certains
CAN utilisent le code GRAY en interne et font la conversion vers le code binaire directe pour
l’utilisation extérieure.
25
Exemple: codage unipolaire pour un CAN à 4 bits avec FS = Umax= 10V.
4 bits permettent d’avoir 16 niveaux de quantification avec des mots de code allant du mot de
code all-zeros 0000 à all-ones 1111. Il est important de noter que la valeur du niveau de
quantification qui correspond au mot de code all-ones 1111 n’est pas égale à la valeur
maximale du domaine de conversion Umax mais plutôt égale à Umax – 1 LSB (voir tableau 2).
Code Niveau en fonction Niveau de Code binaire Code GRAY

décimal de Umax quantification
(V)
+15 Umax- 1LSB = +15/16Umax 9,375 1111 1000
+14 +7/8Umax 8,750 1110 1001
+13 +13/16Umax 8,125 1101 1011
+12 +3/4Umax 7,500 1100 1010
+11 +11/16Umax 6,875 1011 1110
+10 +5/8Umax 6,250 1010 1111
+9 +9/16Umax 5,625 1001 1101
+8 +1/2Umax 5,000 1000 1100
-+7 +7/16Umax 4,375 0111 0100
+6 +3/8Umax 3,750 0 11 0 0101
+5 +5/16Umax 3, 125 0101 0111
+4 +1/4Umax 2,500 0100 0110
+3 +3/16Umax 1,875 0011 0010
+2 +1/8Umax 1,250 0010 0011
+1 1 LSB = +1/16Umax 0,625 0001 0001
0 0 0,000 0000 0000
Tableau 2: codage unipolaire direct et de GRAY pour un CAN à 4 bits avec FS = 10V
La conversion du code binaire direct en code GRAY est effectuée en utilisant des portes logiques OU
EXCLUSIF :
Figure 17: Conversion du code binaire direct an code GRAY pour un CAN à 4 bits
26
b) Codage bipolaire
Pour beaucoup de systèmes et d’applications le signal analogique apparait à l’entrée du CAN

avec des valeurs positives et négatives. Le codage binaire bipolaire permet de représenter en
binaire les valeurs positives et négatives des niveaux de quantification.
Dans ce cas le domaine de conversion FS va de Umin à Umax avec Umin = -Umax et vaut
FS = Umax – Umin = 2Umax
Ainsi le domaine de conversion du CAN va de Umax = FS/2 à Umin = -FS/2
Pour le codage bipolaire, on peut utiliser le codage binaire offset, le codage binaire à deux
compléments, le codage binaire à un complément ou le codage binaire signe-valeur absolu. Le
codage binaire offset et le codage binaire à deux compléments constituent de loin les codages
bipolaires les plus utilisés.
Exemple: codage bipolaire pour un CAN à 4 bits avec travaillant de Umin = -5V à Umax = +5 V.
Code Niveau en fonction Niveau/V Code Code Code Code

décimal de Umax binaire binaire à binaire à binaire
offset 2 compl. 1 compl. signe | |
+7 +Umax-1LSB = +7/8Umax +4,375 1111 0111 0111 0111
+6 +3/4Umax +3,750 1110 0110 0110 0110
+5 +5/8Umax +3,125 1101 0101 0101 0101
+4 +1/2Umax +2,500 1100 0100 0100 0100
+3 +3/8Umax +1,875 1011 0011 00 11 0011
+2 +1/4Umax +1,250 1010 0010 0010 0010
+1 +1/8Umax +0,625 1001 0001 0001 0001
0 0 0,000 1000 0000 0000 1000
-1 -1/8Umax -0,625 0111 1111 1110 1001
-2 -1/4Umax -1,250 0 11 0 1110 1101 1010
-3 -3/8Umax -1, 875 0101 1101 1100 1011
-4 -1/2Umax -2,500 0100 1100 1011 1100
-5 -5/8Umax -3,125 0011 1011 1010 1101
-6 -3/4Umax -3,750 0010 1010 1001 1110
-7 -Umax+1LSB = -7/8Umax -4,375 0001 1001 1000 1111
-8 -Umax -5,000 0000 1000
Valeurs normalement non utilisées

dans les calculs
Tableau 3: codage bipolaire pour un CAN à 4 bits avec FS = 10V
Le code binaire offset est obtenu à partir du code binaire direct en effectuant un décalage des valeurs
du code décimal pour permettre la représentation des valeurs négatives. Pour le CAN à 4 bits, les
valeurs du code décimal sont décalées de 8 (offset). Ainsi la valeur la plus négative (-Umax+1LSB) est
codée par 0001 et la valeur la plus positive (+Umax -1LSB ) est codée par 1111.
Pour le code signe valeur absolu, le bit le plus à gauche est le bit de signe (0 pour les valeurs positives
et 1 pour les valeurs négatives). Les autres bits restants sont utilisés pour le codage binaire standard
de la valeur absolue des valeurs.
27
3. Signaux et systèmes numériques
3.1. Signaux numériques
3.1.1. Introduction et généralités
Les signaux analogiques c.à.d. les signaux à temps continu et à valeur continue sont traités par les
systèmes analogiques.
Les signaux numériques qui sont des signaux à temps discret et à valeur discrète sont traités par les
systèmes numériques. En effet les systèmes numériques (comme par exemple les microprocesseurs) ne
peuvent que traiter des valeurs représentées par un nombre fini de bits et ont besoin de temps pour
traiter chaque valeur.
Pour la description théorique des signaux et des systèmes de traitement du signal, on ne fait pas de
différence entre un signal numérique et un signal à temps discret c'est à dire qu'on ne tient pas compte
de la quantification. C'est seulement pendant la réalisation du système qu'apparaissent les effets de la
quantification qui doivent être considérés. C'est pourquoi les documents de traitement numérique du
signal considèrent généralement les signaux à temps discret comme des signaux numériques et si la
quantification doit être considérée, elle est étudiée dans un chapitre séparé. Sinon on doit plutôt dire
traitement des signaux à temps discret.
Un signal à temps discret xe(t) est déterminé par la suite des valeurs de ses échantillons et est
généralement représenté par une suite numérique x(n). Les échantillons peuvent être à valeur continue
ou à valeur discrète. Le signal à temps discret peut être ainsi noté par:
= = = 3−1
L'index n de la suite numérique x(n) est appelé temps normalisé et est obtenu en divisant le temps par
période d'échantillonnage c.à.d. n = t/Te = nTe/Te.
Lorsque le signal à temps discret est représenté par une suite numérique, il est généralement représenté
graphiquement par des raies (voir figure 3-1).
Un signal à temps discret est généralement décrit à travers les valeurs de ses échantillons données par:
x(n) = {1, 1/2, 1/3, 1/4, 1/5, ...} avec n = 0, 1, 2, 3, 4, ...
La figure 3-2 représente un signal numérique en deux dimensions (2-D) qui correspond à une image en
noir-blanc appelée aussi image à valeurs ou à niveaux de gris.
Le signal numérique représentant l'image en noir-blanc est représenté ici par une matrice n1 x n2 noté
x(n1,n2) avec n1 et n2 finis. n1 est l'index des lignes et n2 l'index des colonnes. Chaque élément d'image
appelé pixel (picture element) est désigné par la position de l'élément de la matrice qui est donnée de
manière unique par le couple d'index (n1,n2).
Chaque pixel est représenté par un carré dont l'intensité de gris (ou intensité de luminosité) correspond
à la valeur (ou niveau) de gris du pixel. La valeur de l'intensité de gris est une valeur codée d'un
pourcentage de luminosité.
La valeur ou niveau de gris de chaque pixel est codé ici sur 8 bits (1 byte) en entier positif avec une
valeur possible allant de 0dec (0000 0000b) qui est la valeur d'un pixel noir à
255dec = 28 - 1 (1111 1111b) qui est la valeur d'un pixel blanc. La résolution de l'image qui est appelée
profondeur de bit (Bit depth) est déterminée par le nombre de bits utilisés pour coder les valeurs
possibles de chaque pixel. Le format de l'image est donné par le nombre de lignes et de colonnes.
28
Figure 3-1: Echantillonnage d'un signal analogique pour obtenir un signal à temps discret
Figure 3-2: Forme matricielle d'un signal d'image noir-blanc numérique (extrait)
Le traitement du signal d'image numérique peut se faire ligne par ligne ou colonne par colonne, ce qui
permet d'effectuer un traitement de signal à une dimension.
29
Par exemple pour le traitement du signal à une dimension qui correspond à la ligne 3 de l'image de
figure 3-2, on maintient l'index de ligne n1 fixé à n1 = 3 et on fait varier l'index de colonne n2 de n2 = 1
à n2 = 8. On a obtient ainsi un signal numérique habituel fini à une dimension donné par:
3, - = 87, 66, 53, 41, 38, 38, 31, 28 0Y1/ - = 1, 2, ⋯ , 8
3.1.2. Signaux à temps discret standards
Pour l'analyse des systèmes de traitement et de transmission, on utilise très souvent des signaux
standards.
a) Impulsion saut unité:

L'impulsion saut, appelé aussi fonction de Heaviside (ou unit step function en anglais) ou fonction
échelon est définie par:
1 0Y1/ ≥0
Ž =• • 3−1
0 0Y1/ <0
La figure suivante représente le signal saut pour un démarrage à 0 et un démarrage après 0 (démarrage
retardé).
Figure 3-3: Impulsion saut unité
b) Impulsion rectangulaire:
Le signal ou l'impulsion rectangulaire est définie par:
1 0Y1/ − { ≤ ≤{
/ [ ]=• • 3−2
{
0 0Y1/ > { Y1 < −{
La figure suivante représente le signal rectangulaire.
30
Figure 3-4: Impulsion rectangulaire
c) Impulsion unité ou impulsion de Dirac:

L'impulsion unité ou de Dirac est définie par:
1 0Y1/ =0
=• • 3−3
0 0Y1/ ≠0
La figure suivante représente l'impulsion unité.
Figure 3-5: L'impulsion unité
On peut obtenir l'impulsion unité à partir de la différence entre deux impulsions saut:
=Ž −Ž −1 3−4
L'impulsion unité possède la propriété suivante:
⋅ −$ = $ ⋅ −$ 3−5
d) Signal exponentiel complexe:
Rappel: Signal exponentiel complexe à temps continu
Le signal exponentiel complexe (ou impulsion exponentielle complexe) est très important pour
l'analyse des circuits et systèmes de traitement et de transmission du signal.
31
Le signal exponentiel complexe à temps continu est défini d'une manière générale en relation avec la
formule de Euler par:
= ”s
= •s
⋅ –—s
= •s
⋅ A Y3 @ + &32 @ B 3−6
Avec la fréquence complexe définie par:
3 = ˜ + &@ 3−7
Remarque: Leonhard Euler(*1707 /†1783), physicien suisse.
Le terme •s constitue l'enveloppe. La partie réelle de la fréquence complexe est responsable de la

croissance du signal exponentiel complexe. On distingue trois cas:
• Exponentielle croissante: σ ˃ 0
• Exponentielle harmonique: σ = 0
• Exponentielle amortie (ou atténuée): σ ˂ 0
La figure suivante montre la représentation graphique de la partie réelle du signal exponentiel

complexe général pour les trois cas ci-dessus cités.
Figure 3-6: Partie réelle du signal exponentiel complexe général
On peut représenter ensemble la partie réelle et la partie imaginaire du signal exponentiel complexe
général selon (3-6) dans le plan complexe: on parle dans ce cas de représentation polaire. La
représentation polaire du signal exponentiel complexe consiste à représenter dans le plan complexe les
points qui correspondent aux nombres complexes z(t) = eσt · ejωt en fonction du temps t. Ces points
correspondent au bout final des vecteurs reliant l'origine au point en fonction du temps t. Ces vecteurs
correspondent à la représentation géométrique des nombres complexes z(t) en fonction du temps.
La figure suivante montre la représentation polaire pour le cas du signal exponentiel complexe amorti.
32
Figure 3-7: Représentation polaire du signal exponentiel complexe amorti
La figure 3-7 montre que pour le cas du signal exponentiel complexe amorti, la courbe de
représentation polaire commence de l'extérieur et évolue sous forme spirale avec un temps t croissant
vers l'origine. Pour le cas du signal exponentiel complexe croissant, on obtient la même forme spirale
mais qui démarre de l'origine vers l'extérieur avec un temps t croissant. Pour le cas du signal
exponentiel complexe harmonique, on obtient un cercle centré à l'origine avec un rayon égal à 1.
complexe à temps continu ”s avec la période d'échantillonnage Te = 1/fe. On obtient ainsi:

Le signal exponentiel complexe à temps discret est obtenu en échantillonnant le signal exponentiel
= = = ” , =™ 0Y1/ = ⋯ , −2, −1, 0, 1 ,2, ⋯ 3−8
Avec la variable complexe z donnée par:
™= ” ,
= • , –— ,
= •š –›
3−9
Avec la fréquence circulaire (ou angulaire) normalisée donnée par:
(
Ω=@ = 2' 3 − 10
(
Attention !: Dans l'outil MATLAB, la fréquence circulaire normalisée est définie par:
@ ω 2'( (
@ = = = =2 3 − 11
' '⋅( '⋅( (
On obtient le cas harmonique pour σn = 0 et par conséquent │z│ = 1. Et le signal exponentiel

harmonique (ou signal sinusoïdal complexe) à temps discret a pour expression
= – ›
= Y3 Ω + &32 Ω 3 − 12
Remarque: L'échantillonnage d'un signal à temps continu périodique ne donne pas nécessairement un
signal à temps discret périodique. C'est seulement lorsque 2π /Ω est un nombre rationnel qu'on obtient
un signal à temps discret ou suite périodique.
33
3.1.3. Quelques types de signaux à temps discret
a) Signal à temps discret périodique
Un signal à temps discret x(n) est périodique si et seulement pour toute valeur de n et pour toutes les
valeurs entières de i, on a:
+ 2 ⋅ {J = 3 − 13
La durée de période T0 ou N0 qui donne la plus petite valeur qui satisfait l'équation ci-dessus.
La figure suivante montre un exemple de signal à temps discret périodique.
Figure 3-8: Signal à temps discret périodique
b) Signal à temps discret pair et impair
L'exploitation de la symétrie des signaux pairs et impairs est très avantageuse en analyse des signaux.
Un signal à temps discret x(n) est pair si:
− = 3 − 14
Un signal à temps discret x(n) est impair si:
− =− 3 − 15
La figure suivante montre des exemples de signaux pair et impair.
Figure 3-9: Signal à temps discret pair et impair
Tout signal x(n) peut en principe être décomposé en un signal pair et un signal impair selon les
relations suivantes:
= _ + y 3 − 16
Avec la composante paire donnée par:

34
+ −
= 3 − 17
_
2
Et la composante impaire donnée par:
− −
= 3 − 18
y
2
c) Signal à énergie limitée et à puissance limitée
L'énergie d'un signal à temps discret x(n) est définie par:

!
•N = -
3 − 19
"!
La puissance du signal x(n) est obtenue en divisant avant le passage à la limite l'énergie par le nombre
d'échantillons considéré.
¢
1
„N = lim ⋅ -
3 − 20
{→∞ 2{ + 1
"¢
Un signal x(n) avec une énergie finie (0 ˂ Ex ˂ ∞) et une puissance infiniment petite (Px = 0) est
appelé signal à énergie limitée ou signal d'énergie.
Les signaux de forme impulsionnelle sont des exemples typiques de signaux d'énergie. Ces signaux
ont généralement des valeurs non nulles seulement dans un intervalle de temps limité c.à.d. que ces
signaux sont limités dans le temps.
Un signal x(n) avec une puissance finie (0 ˂ Px ˂ ∞) et une énergie infiniment grande (Ex → ∞) est
appelé signal à puissance limitée ou signal de puissance. Tous les signaux à puissance limitée
s'étendent infiniment dans le temps.
Les signaux continus et les signaux périodiques sont des exemples typiques de signaux à puissance
limitée. La plupart des signaux aléatoires sont aussi des signaux à puissance limitée.
35
3.2. Systèmes numériques
Un système numérique est une fonction ou un algorithme prédéfini qui opère sur un signal numérique
appelé signal d’entrée (ou excitation) x(n) et qui produit un autre signal numérique nommé signal de
sortie ou réaction (ou encore réponse du système) y(n) (voir figure 3-10).
Figure 3-10: Système numérique
Remarque:
• On devrait plutôt exactement parler ici de temps discret au lieu de numérique. Mais Pour des
raisons de simplification, nous considérons dans ce chapitre un signal numérique comme étant un
signal à temps discret et un système numérique comme étant un système à temps discret.
• Il existe aussi des systèmes avec plusieurs entrées et sorties. Mais pour des raisons de simplicité,
nous nous limiterons ici aux systemes avec une seule entrée et seule sortie.
Le système est modélisé mathématiquement par une fonction T (ou une transformation ou encore un
operateur) qui fait correspondre un signal de sortie au signal d'entrée:
q = 3 − 21
3.2.1. Propriétés des systèmes numériques
a) Système avec et sans mémoire
Rappel: Système analogique sans mémoire
Un système est dit sans mémoire (ou statique) lorsque la valeur de son signal de sortie dépend
uniquement de la valeur actuelle (c.à.d. la valeur au même instant) du signal d'entrée.
Un exemple simple de système analogique sans mémoire est la résistance ohmique R. En effet avec le
courant i(t) comme signal d'entrée (excitation), on obtient la tension u(t) comme signal de sortie
(réaction) donnée par:
1 = ƒ⋅2 3 − 22
Lorsque la valeur du signal de sortie dépend d'une valeur passée du signal d'entrée, on parle de
système avec mémoire ou système dynamique. Si l'on considère maintenant la capacité C à la place
de la résistance ohmique, alors on a système avec une mémoire infinie car le signal de sortie (réaction)
qui correspond à la tension u(t) est donnée par:
36
s
1
1 = ⋅ +2 h h 3 − 23
£
"!
La relation (3-23) provient de la relation suivante qui dit que le courant du condensateur est
proportionnel à la dérivée de la tension aux bornes du condensateur:
1
2 =£⋅ 3 − 24
Le système à temps discret avec ou sans mémoire est défini de la même manière que le système
analogique avec ou sans mémoire.
Exemple:
Le système qui détermine la valeur moyenne mobile y(n) d'un signal à temps discret x(n) définie de
la manière suivante est un système à temps discret dynamique avec une mémoire finie M:
1
q = ⋅ ¥ 3 − 25
¤+1
L "n
La relation (3-25) montre que la détermination de la valeur moyenne mobile consiste à calculer la
valeur moyenne des M dernières valeurs du signal d'entrée x(n) y comprise la valeur actuelle.
Pour M → ∞, toutes les valeurs passée sont prises en compte comme pour le cas de la capacité C selon
(3-23) et on dit dans ce cas que le systeme est un accumulateur.
b) Système causal
Lorsque la valeur du signal de sortie y(n) à un instant quelconque n = n1 dépend uniquement des
valeurs du signal d'entrée x(n) avec n ≤ n1 , alors on dit que le système est causal. Un système
physique est toujours causal selon le principe cause-effet car l'effet ne peut pas physiquement devancer
la cause. La causalité est cependant très souvent insignifiante en traitement numérique du signal car on
travaille fréquemment avec des blocs de données. Par exemple en codage d'images, les données de
l'image à deux dimensions est généralement complètement disponible dans une mémoire avant son
traitement.
c) Système linéaire et stationnaire

Une des questions importantes qu'on se pose lorsqu'on analyse un système est la question de la
linéarité qui permet d'appliquer pratiquement des méthodes mathématiques pour l'analyse et la
synthèse des systèmes. C'est pourquoi on linéarise tres souvent les systèmes en technique c.à.d. qu'on
modélise la relation entre le signal de sortie et d'entrée autour du point de fonctionnement comme une
fonction linéaire.
Considérons deux signaux d'entrée quelconques x1(n) et x2(n) avec respectivement les signaux de
sortie correspondants y1(n) et y2(n). Le système T est linéaire (linear) si une combinaison linéaire
quelconque des signaux d'entrée avec les constantes a1 et a2 donne la combinaison linéaire
correspondante des signaux de sortie c.à.d. :
S S + - - = S S + - - = S qS + - q- 3 − 26
37
La relation (3-26) implique:
0 =0 3 − 27
Une autre propriété importante des systèmes est la stationnarité. Un système est en effet stationnaire
(time invariant) si pour tout signal d'entrée x(n) et son signal de sortie y(n) correspondant on a
− J =q − J 3 − 28
Dans le cas contraire, on parle de système non stationnaire. La stationnarité signifie que le
comportement du système ne varie pas avec le temps.
Beaucoup de systèmes utilisés en pratique sont linéaires et stationnaires et on parle de systèmes LTI
(Linear and Time Invariant). Les circuits électriques RLC (comme par exemple le filtre passe-bas
RC), les filtres numériques (comme par exemple le système numérique qui permet de calculer la
valeur moyenne mobile).
On verra plus loin que tous les systèmes numériques qui sont décrits à travers des équations aux
différences ou les systèmes analogiques qui sont décrits à travers des équations différentielles sont des
systèmes LTI.
d) Système stable
Si un système livre un signal de sortie borné c.à.d. |q | < R¦ < ∞ pour un signal d'entrée
quelconque borné | | < RN < ∞, alors on dit que le système est stable. Ce type de stabilité est
appelé stabilité BIBO (Bounded Input - Bounded Output ).
La stabilité est une propriété particulièrement importante. Par exemple l'instabilité d'un système
numérique peut causer des dépassements d'intervalle de représentation des nombres sur les ordinateurs
qui vont entrainer des interruptions de programme ou encore plus grave souvent livrer de fausses
valeurs du signal de sortie. Pour les systèmes électroniques analogiques, si des mesures de protection
ne sont pas prises, l'instabilité peu provoquer des surtensions ou des courants forts qui peuvent
endommager les composants électroniques. L'instabilité et ces conséquences néfastes concerne aussi
les systèmes mécaniques.
Remarque: La question de la stabilité a particulièrement un grand intérêt pratique en asservissement

et en automatisme. La théorie des systèmes définit différents critères de stabilité et leurs méthodes de
démonstration. Mais nous nous intéresserons ici uniquement à la stabilité BIBO.
3.2.2. Systèmes numériques LTI
a) Réponse impulsionnelle
La description de la transmission d'un signal à travers un système LTI est basée sur la réponse
impulsionnelle c.à.d. la réponse du système à l'impulsion de Dirac (impulsion unité) définie par
ℎ = 3 − 29
38
Si un signal d'entrée peut être représenté par une combinaison linéaire d'impulsions de Dirac, alors à
cause de la linéarité et de la stationnarité du système LTI, le signal de sortie correspondant doit être
une combinaison linéaire de la réponse impulsionnelle.
D'après les propriétés de l'impulsion de Dirac tout signal x(n) peut être représenté par une somme
d'impulsions de Dirac multipliées par des coefficients et retardées c.à.d.
!
= $ ⋅ −$ 3 − 30
) "!
En exploitant la linéarité du système LTI T, on obtient la réponse du système à x(n) donnée par
! !
q = = • $ ⋅ −$ ¨= $ ⋅ −$
) "! ) "!
Et en exploitant la stationnarité du système LTI T, on a:

!
q = $ ⋅ℎ −$ 3 − 31
) "!
La relation (3-31) qui est la réponse du système LTI à un signal d'entrée quelconque est complètement
déterminée par la réponse impulsionnelle et cette relation est aussi appelée équation entrée-sortie.
L'opération effectuée dans (3-31) est appelée convolution (discrète) (ou somme de convolution)
entre le signal d'entrée et la réponse impulsionnelle du système. On a ainsi:
!
q = ∗ℎ = $ ⋅ℎ −$ 3 − 32
) "!
La convolution possède les propriétés importantes suivantes:
• Commutativité:
!
∗ℎ =ℎ ∗ = ℎ $ ⋅ −$ 3 − 33
) "!
• Associativité:
A ∗ ℎS B ∗ ℎ- = ∗ AℎS ∗ ℎ- B 3 − 34
• Distributivité:
∗ AℎS + ℎ- B= ∗ ℎS + ∗ ℎ- 3 − 35
L'associativité et la distributivité de la convolution est illustrée par la figure suivante à travers le

montage en chaine et en parallèle de systèmes LTI.
39
L'ordre des systemes qui sont connectés l'un après l'autre peut être inversé. Les réponses
impulsionnelles des systèmes qui sont connectés l'un après l'autre peuvent aussi être regroupées en une
réponse impulsionnelle du système total à travers la convolution. Des systèmes LTI complexes
peuvent être décomposés en systèmes LTI simples.
Figure 3-11: Montage en chaine et en parallèle de systèmes LTI
b) Réponse au saut
La réponse au saut (step response) est une grandeur caractéristique des systèmes qui est surtout
utilisée en asservissement. Elle est définie par:
3 = Ž 3 − 36
A partir de l'équation entrée-sortie selon (3-31) , on peut déterminer la réponse au saut en fonction de
la réponse impulsionnelle:
3 = ℎ $ 3 − 37
) "!
La réponse impulsionnelle peut être aussi déterminée à partir de la réponse au saut:
ℎ =3 −3 −1 3 − 38
c) Causalité du système LTI

Un système LTI à temps discret est causal si la réponse (réaction) du système ne dépend pas de
valeurs futures du signal d'entrée c.à.d. que le système ne peut pas réagir (produire un effet à sa sortie)
avant l'excitation ( signal d'entrée comme cause), ce qui implique
ℎ = 0 0Y1/ <0 3 − 39
Et si le système LTI à temps discret est causal, alors l'équation entrée-sortie devient
40
q = ℎ $ ⋅ −$ 3 − 40
) J
d) Stabilité du système LTI
En effet pour un signal d'entrée borné | | < ¤ < ∞ , on a l'estimation suivante:

La stabilité BIBO d'un système LTI peut aussi être déterminée à partir de la réponse impulsionnelle.
|q |≤¤ |ℎ $ | 3 − 41
) "!
Ainsi le système LTI est BIBO stable lorsque la somme des valeurs de la réponse impulsionnelle est
absolument finie c.à.d.
!
|ℎ $ | < ∞ 3 − 42
) "!
e) Fonction propre
Nous recherchons ici un signal à l'entrée du système LTI qui sera transmis à la sortie du systeme sans
être modifié jusqu'à un facteur près. Ce type de signal est appelé fonction propre du systeme
similairement au vecteur propre en calcul matriciel.
On montre que le signal exponentiel complexe général à temps discret est une fonction propre du
système LTI à temps discret c.à.d.
q = ™ =ª⋅™ 3 − 43
Le facteur constant λ est appelé valeur propre.
Selon la formule de Euler le signal sinusoïdal à temps discret (suite ou séquence sinusoïdale) est un
cas particulier du signal exponentiel complexe général à temps discret. Cela signifie d'après (3- 43)
que lorsqu'un systeme LTI est excité par un signal sinusoïdal à temps discret alors on observe un
signal sinusoïdal à temps discret avec la même fréquence à sa sortie.
En remplaçant le signal d'entrée dans l'équation entrée-sortie (3-33) par la fonction propre, on obtient
avec la valeur propre correspondant au complexe constant z:
! !
q = ℎ $ ⋅™ ")
=« ℎ $ ⋅ ™ ") ¬ ⋅ ™ = ^ ™ ⋅ ™ 3 − 44
) "! ) "!
H(z) est appelée fonction de transfert et donne pour une constante complexe fixe z le rapport (gain)
de transmission entre le signal exponentiel complexe à la sortie et à l'entrée. La transformation de la
réponse impulsionnelle en fonction de transfert est appelée transformation en z que nous verrons plus
tard.
41
3.2.3. Equations aux différences
Les systèmes qui sont décrits à travers des équations différentielles linéaires jouent un rôle très
important en technique. Beaucoup de phénomènes naturels basés sur des variations et des
accumulations de grandeurs physiques. Ces variations et accumulations peuvent être décrites
mathématiquement par respectivement la différentiation (dérivation) et l'intégration. L'observation de
la nature a contribué énormément au développement du calcul intégral et différentiel. La dérivation
comme la pente d'un graphe livre une grandeur de mesure de la vitesse de la variation (changement de
valeur) du graphe. L'intégral étant la surface sous le graphe représente l'accumulation de l'effet d'une
influence persistante.
Beaucoup de techniciens supérieurs et ingénieurs possèdent aujourd'hui chacun un ordinateur avec le

quel la résolution d'équations différentielles et de calculs intégral peut être effectuée. Cependant la
dérivée est introduite comme une valeur limite du quotient de différences et l'intégral de Riemann
comme une valeur limite de la somme de décomposition.
Remarques:
• Le calcul intégral et le calcul différentiel ont été créés par G. W. Leibniz et I. Newton.
• Gottfried Wilhelm Leibniz (*1646 /†1716), mathématicien et philosophe allemand.
• Isaac Newton (*1643 /†1727), mathématicien et scientifique anglais.
• G. F. B. Riemann (*1826 /†1866), mathématicien allemand.
Un exemple typique d'application technique du calcul différentiel et intégral concerne les circuits
électriques RLC. Ces circuits sont composés de résistances (R), d'inductances (L) et de capacités (C).
Les tensions et courants dans les branches du circuit sont calculés à partir d'équations integro-
différentielles. On peut citer d'autres exemples d'application come l'oscillateur électrique et son
équivalent mécanique (pendule).
L'équation aux différences joue le rôle de l'équation différentielle pour les phénomènes à temps
discret. Les notions et méthodes basées sur l'équation différentielle appliquée aux systèmes
analogiques peuvent être transposées sur l'équation aux différences appliquée aux systèmes
numériques et inversement.
Exemple: Considérons le circuit RC suivant qui est un système LTI analogique dynamique. Le
système est dynamique car la capacité joue le rôle de mémoire (voir 3.2.1).
Figure 3-12: Circuit RC comme système LTI analogique dynamique
Nous allons montrer que l'équation entrée-sortie qui décrit ce système LTI analogique dynamique est
une équation différentielle.
42
Le courant qui circule à travers la capacité est égal au courant qui circule à travers la résistance:
1- 1” 1 − 1”
2- =£⋅ =£⋅ = 2® =
ƒ
q −q
£⋅ =
ƒ
q q
+£⋅ =
ƒ ƒ
Avec la constante de temps T = RC, on obtient:
q
q + ⋅ =
q
Jq + S = J C J = 1; S = ; J =1 3 − 45
Si on considère des systèmes dynamiques plus compliqués c.à.d. ceux avec de nombreuses et
différentes mémoires, on obtient une équation différentielle plus compliquée que celle de (3-45).
D’une manière générale un système LTI analogique dynamique est décrit par son équation entrée-
sortie qui est une équation différentielle avec la forme suivante:
q -
q -
Jq + S + - -
+⋯= J + S + - -
+⋯ 3 − 46
(3-46) est une équation différentielle linéaire. Les coefficients ak et bk sont obtenus à, partir des
valeurs des composants R,L et C du circuit qui constitue le système LTI analogique. C’est pourquoi les
coefficients ak et bk sont réels et constants.
Ainsi les systèmes LTI analogiques dynamiques sont décrits dans le domaine temporel par des
équations différentielles linéaires avec des coefficients réels et constants.
Si le système LTI analogique est statique c.à.d. sans mémoire comme par exemple le diviseur de
tension, alors il est décrit par une équation algébrique avec des coefficients réels et constants.
La résolution des équations différentielles est malheureusement plus compliquée. L’utilisation de la

transformation de Laplace ou de la transformation de Fourier permet de transformer l'équation
différentielle en équation algébrique afin de faciliter sa résolution. L'équation devient cependant
complexe.
Pour sa réalisation, l'équation différentielle (3-45) peut être transformée en une équation d'intégral:
1 1
1” = ⋅ +1 − ⋅ + 1” 3 − 47
ƒ£ ƒ£
L'équation (3-47) peut être représentée graphiquement par le schéma fonctionnel suivant:
43
Figure 3-13: Schéma fonctionnel du système LTI analogique (RC) d'ordre 1
Nous voulons maintenant réaliser le systeme LTI analogique (RC) de figure 3-12 à travers un systeme
à temps discret. Pour cela il faut remplacer dans l'équation (3-45) les signaux analogiques ue(t) = x(t)
et us(t) = y(t) par les signaux échantillonnés (signaux à temps discret) correspondants ue(nTe) = x(n)
et us(nTe) = y(n). La dérivée peut être remplacée approximativement par un quotient de différences.
On obtient ainsi:
q − qA − 1 B
q + ⋅ =
− −1
q −q −1
q + ⋅ =
q = ⋅ + ⋅q −1 3 − 48
+ +
Ainsi l'équation différentielle d'ordre 1 (3-45) devient une équation aux différences (3-48) d'ordre 1 et
peut être représentée graphiquement par le schéma fonctionnel suivant.
Figure 3-14: Schéma fonctionnel du système LTI à temps discret d'ordre 1
En posant:
= =−
J
+ 1
+
q = − Sq −1 3 − 49
On obtient
J
44
Si on considère des systèmes LTI à temps discret plus compliqués on obtient une équation aux
différences plus compliquée que celle de (3-49). D’une manière générale un système LTI à temps
discret est décrit par son équation entrée-sortie qui est une équation aux différences avec la forme
suivante:
n ¢
q = ) −$ − )q −$ 3 − 50
) J ) S
N est l’ordre du système LTI à temps discret.

Les coefficients ak et bk qui sont réels et constants déterminent les propriétés du système.
L'équation aux différences (3-50) qui caractérise les systèmes LTI à temps discret est la version
numérique de l'équation différentielle qui caractérise les systèmes LTI analogiques.
(3-50) est une équation aux différences linéaire avec des coefficients réels et constants.
Ainsi les systèmes LTI à temps discret sont décrits dans le domaine temporel par des équations
aux différences linéaires avec des coefficients réels et constants.
L'équation aux différences (3-50) est réalisé avec seulement trois types d’opérations mathématiques:
• Addition: y(n) = x1(n) + x2(n)
Figure 3-15: Représentation graphique de l'addition
• Multiplication par une constante (amplification ou atténuation): y(n) = c· x(n)
Figure 3-16: Représentation graphique de la multiplication par une constante
• Retarder d'une période d'échantillonnage Te (mémorisation pendant Te): y(n) = x(n-1)
Figure 3-17: Représentation graphique du retard (mémorisation)
L’équation aux différences permet de calculer la suite des valeurs de sortie (signal de sortie à temps
discret) pour une suite de valeurs d’entrée (signal d’entrée à temps discret) donnée.
Pour que le traitement soit à temps réel, il faut que le système numérique (par exemple DSP) soit
capable d’évaluer l’équation aux différences (calcul de la valeur qui correspond à une valeur de la
suite de sortie) pendant l’intervalle d’échantillonnage Te. Ainsi le temps de calcul d’une valeur de
sortie doit être inferieur ou égal à Te.
45
Les termes avec les coefficients ak de l'équation aux différences (3-50) constituent la partie récursive
du systeme LTI. Et on parle de systeme LTI récursif ou filtre IIR (Infinite Impulse Response).
Si l'équation aux différences contient uniquement des termes non récursifs déterminés par les
coefficients, on parle alors de systeme LTI non récursif ou filtre FIR (Finite Impulse Response).
L'équation aux différences peut être réalisée pratiquement (par exemple sur un DSP) sur la base de
différents types de schéma fonctionnels. En fonction de la forme du schéma fonctionnel choisi, on
peut réduire le nombre de retardateurs c.à.d. réduire le nombre de cellules de mémoire.
La forme directe I du schéma fonctionnel du système LTI est obtenue directement de l'équation aux
différences (3-50). On a aussi les formes suivantes du schéma fonctionnel:
• Forme directe II
• Forme directe II transposée
• Forme en cascade
3.2.4. La transformation en Z appliquée aux systèmes LTI
On a vu au 3.2.3 que la transformation de Laplace ou la transformation de Fourier permet de

transformer l'équation différentielle qui caractérise les systèmes LTI analogiques en équation
algébrique afin de faciliter sa résolution.
La transformation en Z fait pour les systèmes à temps discret ce que la transformation de Laplace
fait pour les systèmes analogiques.
La transformation en Z permet de caractériser le systeme LTI à temps discret à travers sa fonction de
transfert en Z au lieu de sa réponse impulsionnelle qui conduit à une opération de convolution
lorsqu'on veut déterminer le signal de sortie.
La représentation du systeme LTI à temps discret par sa fonction de transfert en Z facilite la réalisation
et l'analyse du systeme. On peut par exemple obtenir le diagramme de pôles et de zéros qui permet
d'analyser la stabilité du système LTI à travers la zone de convergence.
Les trois types de transformation à savoir la transformation en Z, la transformation de Laplace et la

transformation de Fourier sont similaires (voir figure suivante).
Figure 3-18: Transformations appliquées aux systèmes LTI
a) Définition de la transformation en Z
La transformation de Fourier d'un signal analogique x(t) est donnée par:
46
7 ( = 7 &@ = + "–—s
3 − 51
"!
La transformation de Laplace du signal analogique x(t) est obtenue en remplaçant la variable

(fréquence) imaginaire jω par la variable (fréquence) complexe s = σ + jω .On obtient ainsi
¯ =7 3 = + "”s
3 − 52
"!
L'introduction de la fréquence complexe s permet de multiplier le signal par le facteur d'atténuation

-σt
(enveloppe) e afin de pouvoir forcer la convergence de l'intégral de la transformation de Fourier. En
effet le fait que l'intégral de Fourier (3-51) ne converge pas pour toutes les fonctions (signaux) x(t)
constitue une limitation de la transformation de Fourier.
D'après (3-52) et avec s = σ + jω ,on a :
! !
7 3 = + " • –— s
= +A "•s B
⋅ "–—s
3 − 53
"! "!
(3-53) montre que la transformation de Laplace du signal correspond à la transformation de

"•s
Fourier du signal . La transformation de Fourier d'un signal est égale à sa transformation de
Laplace évaluée sur l'axe imaginaire.
La transformation en Z est la transformation de Laplace pour les signaux à temps discret.

!
¯ = ¯ = "” ,
"!
En définissant la variable complexe z donnée par:
™= ” ,
3 − 54
On obtient la transformation en Z du signal à temps discret x(n) donnée par:
° =7 ™ = ∙ ™" 3 − 55
"!
La relation (3-55) est la transformation en Z bilatérale. La transformation en Z unilatérale est définie

par:
!
° =7 ™ = ∙ ™" 3 − 56
J
La transformation en Z permet de transformer un signal du domaine temporel à temps discret vers le
domaine Z continu et complexe. La transformée en Z existe seulement dans son domaine de
convergence (ou domaine d'existence c.à.d. les valeurs de z pour lesquelles la somme 3-56 est finie)
qui ne renferme pas tout le plan Z. Des signaux à temps discret différents avec différents domaines de
47
convergence peuvent avoir la même transformée en Z (mais ce n'est pas le cas pour la transformation
en Z unilatérale). Si le signal est causal, la transformation en Z bilatérale et la transformation en Z
unilatérale sont identiques.
Le tableau suivant présente la correspondance entre le plan complexe S (plan de Laplace) et le plan
complexe Z sur la base de la définition selon (3-54).
Plan complexe s Plan complexe Z

Axe imaginaire jω Cercle de rayon 1
Demi-plan gauche Intérieur du cercle de rayon 1
Demi-plan droit Extérieur du cercle de rayon 1
s=0 z = +1
s = ± j2π·fe/2 = ± jπ·fe (fréquence de Nyquist) z = -1
s = ± j2π·fe (fréquence d'échantillonnage) z = +1
Tableau 3-1: Correspondance entre le plan complexe S et le plan complexe Z
b) Propriétés de la transformation en Z
Le tableau suivant donne quelques propriétés importantes de la transformation en Z de signaux à
temps discret.
Propriété Signal à temps discret (suite) Transformée en Z
x(n), x1(n), x2(n) X(z), X1(z), X2(z)

Linéarité S S + - - S 7S ™ + - 7- ™
Décalage temporel −$ ™−$ ⋅ 7 ™
™
⋅ , ≠0 7[ ]
Multiplication par une
suite exponentielle
1
− 7f g
Rotation autour de
™
l’ordonnée (inversion
7 ™
de temps)
⋅ −™ ⋅
™
Dérivation dans le
domaine Z
1
$ ⋅7 ™
Accumulation
1 − ™ "S
)"!
(sommation)
Convolution temporelle S ∗ - 7S ™ ⋅ 7- ™
Théorème de la valeur 0 = lim 7 ™ 32 3 13 X
initiale ™→∞
Théorème de la valeur lim = limA ™ − 1 ⋅ 7 ™ B 32 3 13 X
finale →∞ ™→1
Tableau 3-2: Quelques propriétés importantes de la transformation en Z
48
c) Transformées en Z de signaux standards

Le tableau suivant donne les transformées en Z de signaux standards.
Signal à temps discret Transformée en Z Région de convergence
1 Pour tout z
™ 1
Ž = |™| > 1
™ − 1 1 − ™ "S
™
⋅Ž |™| > 1
™−1 -
™ ™+1
-
⋅Ž |™| > 1
™−1 ±
™ 1
⋅Ž = |™| > | |
™− 1 − ™ "S
™ ™ "S
⋅ ⋅Ž = |™| > | |
™− - 1 − ™ "S -
™ +™
-
⋅ ⋅Ž |™| > | |
™− ±
™ -
+ 4 ™ + ™-
±
⋅ ⋅Ž |™| > | |
™− ²
1
⋅Ž S⁄´ |™| > 0
!
™
[ ]⋅ ")
⋅Ž −$ |™| > | |
$ ™− ) S
™ - − ™ ⋅ Y3 ΩJ
Y3 ΩJ ⋅Ž ; ΩJ = @J |™| > 1
™ - − ™ ⋅ 2 Y3 ΩJ + 1
™ ⋅ 32 ΩJ
32 ΩJ ⋅Ž ; ΩJ = @J |™| > 1
™- − ™ ⋅ 2 Y3 ΩJ + 1
™ - − ™ ⋅ / Y3 ΩJ
/ ⋅ Y3 ΩJ ⋅Ž ; ΩJ = @J |™| > / > 0
™ - − ™ ⋅ 2/ Y3 ΩJ + / -
™ ⋅ / 32 ΩJ
/ ⋅ 32 ΩJ ⋅Ž ; ΩJ = @J |™| > / > 0
™- − ™ ⋅ 2/ Y3 ΩJ + / -
Tableau 3-3: Transformées en Z de signaux standards
Le coefficient binomial est défini par:
!
[ ]= 0Y1/ ≥$
$ $! −$ !
49
d) La transformation en Z inverse
La transformée en Z inverse (TZI) est donnée par:
1
= °< 7 ™ = ⋅µ7 ™ ∙™ "S
™ 3 − 57
2'&
-
L'intégral de contour de (3-57) est une intégration de ligne le long de la courbe fermée C dans la
région de convergence autour de l'origine z = 0. Ce calcul intégral est relativement compliqué à
effectuer car il exige des connaissances en théorie de l'intégration complexe.
Pour la plupart des applications techniques on a pas besoin de calculer explicitement l'intégral de (3-
57). En effet on utilise dans la plupart des cas la décomposition en éléments simples et la table des
transformées en Z de signaux standards (voit tableau 3-3) ainsi que les propriétés de la transformée en
Z (voir tableau 3-2).
La transformée en Z inverse d'une fonction rationnelle à travers la décomposition en éléments

simples:
Les fonctions de transfert des systèmes LTI sont des fonctions rationnelles avec un polynôme
numérateur et un polynôme dénominateur (voir e)).
Donnée:
V ™ J+ S™
"S
+ ⋯ + n ™ "n
7 ™ = =
R ™ 1+ S™
"S + ⋯ +
¢™
"¢
Degré du polynôme numérateur B(z) = M.

Degré du polynôme dénominateur A(z) = N.
Recherchée:
= °< 7 ™
"Recette de cuisine":
1) Division polynomiale optionnelle si M ≥ N.
n"¢
V′ ™
7 ™ = y™
"y
+
R ™
y J
Degré du polynôme B'(z) ˂ N.

Degré du polynôme A(z) = N.
2) Déterminer les pôles p1, ..., pN de X (z) c.à.d. les racines de A(z).
R ™ = 1 − 0S ™ "S … 1 − 0¢ ™ "S
3) Décomposition en éléments simples B'(z)/A(z):

50
Cas A: Pôles simples
¢
V′ ™
= avec :
y
R ™ 1 − 0y ™ "S
y S
V′ ™
= ⋅ 1 − 0y ™ "S |´
y
R ™ _¼
Cas B: Pôles multiples, par exemple 0S = ⋯ = 0L

L
V′(™) y
= +⋯ avec :
R(™) (1 − 0S ™ "S )y
y S
1 )
V′(½ "S )
L") = ⋅ r ⋅ (1 − 0S ½)L v |¾ _¿À¿ (0 ≤ $ < ¥)
$! (−0S )) ½ ) R(½ "S )
4) Utiliser la table des transformées en Z.
e) Fonction de transfert et réponse fréquentielle

La figure suivante rappelle la description d'un système LTI analogique dans le domaine temporel et le
domaine S (plan complexe s ou plan de Laplace).
Figure 3-19: Description du système LTI analogique dans le domaine temporel et S
La fonction de transfert H(s) (appelée aussi fonction de transfert en s)est la transformation de

Laplace de la réponse impulsionnelle h(t).
La réponse Y(s) à x(t) dans le domaine S est obtenue en appliquant la propriété de convolution de la
transformation de Laplace à y(t).
La réponse fréquentielle H(jω) = H(f) (appelée aussi fonction de transfert) du système LTI
analogique est obtenue en annulant la partie réelle σ de la variable s de Laplace et en remplaçant dans
H(s) s par jω.
La figure suivante illustre la description d'un système LTI à temps discret dans le domaine temporel et
le domaine Z.
51
Figure 3-20: Description du système LTI à temps discret dans le domaine temporel et Z
La fonction de transfert H(z) est la transformation en Z de la réponse impulsionnelle h(n).

La réponse Y(z) à x(n) dans le domaine Z est obtenue en appliquant la propriété de convolution de la
transformation en Z à (3-32).
La réponse fréquentielle H(jΩ) du système LTI à temps discret est obtenue en annulant la partie
réelle σ de la variable s de Laplace dans (3-9) et en remplaçant dans H(z) z par ejΩ .
En appliquant la transformation de Laplace à l'équation différentielle générale (3-46) d'un système LTI
analogique, on obtient une équation algébrique:
J Á(3) + S ⋅ 3 ⋅ Á(3) + - ⋅ 3 - ⋅ Á(3) + ⋯ = J 7(3) + S ⋅ 3 ⋅ 7(3) + - ⋅ 3 - ⋅ 7(3) + ⋯
Á(3) J+ S3 + -3- + ⋯ + L3
L ∑L
) J )3
)
^(3) = = = (3 − 58)
7(3) J+ S3 + -3 + ⋯ +
- 3 ∑) J )3
)
La réponse fréquentielle H(jω) = H(f) (appelée aussi fonction de transfert) du système LTI
analogique est obtenue en effectuant dans H(s) la substitution s = jω :
J + S &@ + - (&@)- + ⋯ + L (&@)

L
^(&@) = (3 − 59)
J+ S &@ + - (&@) + ⋯ + (&@)
-
Pour des systèmes stables, le degré du polynôme numérateur ne doit pas être supérieur au degré du
polynôme dénominateur. En effet si m ˃ n , H(s) (H(jω) aussi) sera infinie pour |s| → ∞ (cas de
hautes fréquences) et la région de convergence ne va pas contenir |s| → ∞ (hautes fréquences). Cette
condition de stabilité est nécessaire mais pas suffisante.
En appliquant la transformation en Z à l'équation aux différences générale (3-50) d'un système LTI à
temps discret, on obtient une équation algébrique:
n ¢ n ¢
Ã
q( ) = ) ( − $) − ) q( − $) de Á(™) = ) 7(™)™
")
− ) Á(™)™
")
) J ) S ) J ) S
Á(™) ∑n
) J )™
")
J+ S™
"S
+ - ™ "- + ⋯ + n ™ "n
^(™) = = = (3 − 60)
7(™) 1 + ∑¢
) S )™
") 1+ S™
"S +
-™
"- + ⋯ +
¢™
"¢
52
La réponse fréquentielle H(jΩ) du système LTI à temps discret est obtenue en effectuant dans H(z) la
substitution z = ejΩ :
∑n
) J )
")–›
J+ S
"–›
+ -
"–-›
+ ⋯+ n
"–n›
^(&Ω) = = (3 − 61)
1 + ∑¢
) S )
")–› 1+ S
"–› +
-
"–-› + ⋯ +
¢
"–¢›
D'après (3-61) la réponse fréquentielle H(jΩ) d'un système à temps discret est la transformée de
Fourier de sa réponse impulsionnelle discrète h(n) et est périodique (répétition de H(jω)) de période
ωe = 2πfe.
Pour h(n) réel, la réponse en amplitude | H(jΩ) | est paire et la réponse en phase φ(Ω) = arg(H(jΩ))
est impaire.
Pour un système causal on a toujours N ≤ M. Si N ˃ M le système est acausal.
La réponse fréquentielle d'un système non récursif (système FIR) est obtenue à partir (3-61) en
annulant tous les coefficients ak:
^(&Ω) = )
")–›
(3 − 62)
) J
D'après (3-62) la réponse fréquentielle d'un système FIR est la transformée de Fourier de la suite de
coefficients bk et est périodique. Et la suite de coefficients bk correspond à la réponse impulsionnelle
h(n).
f) Pôles et zéros
Rappel: Pôles et zeros d'un système LTI analogique
Les circuits électroniques composés d'un nombre fini de composants concentrés linéaires R, L et C
(contrairement aux circuits composés d'éléments distribués comme par exemple les lignes électriques
HF) possèdent une fonction de transfert H(s) rationnelle. Et cette fonction de transfert H(s) rationnelle
peut être représentée sous la forme d'un quotient de polynôme avec des coefficients réels ak et bk
selon la relation (3-58).
La variable s est complexe, c'est pourquoi la fonction de transfert H(s), le polynôme numérateur Y(s)
et le polynôme dénominateur X(s) sont aussi complexes. Les zéros (valeurs d'annulations) du
polynôme numérateur sont aussi les zéros de la fonction de transfert H(s). Les zéros (valeurs
d'annulations) du polynôme dénominateur sont les pôles de la fonction de transfert H(s). La fonction
de transfert H(s) prend une valeur infinie à chaque pôle (division par zéro) et donc n'existe pas aux
pôles, c'est pourquoi les pôles doivent être à l'extérieur de la région de convergence (ou domaine
d'existence) ou ROC(Region of Convergence). On avait déjà vu qu'une condition nécessaire mais pas
suffisante pour la stabilité d'un système LTI était le degré du polynôme numérateur ne doit pas être
supérieur au degré du polynôme dénominateur c.à.d. m ≤ n. Ainsi on a:
Un système LTI analogique est stable si le degré du polynôme numérateur est inferieur ou égal
au degré du polynôme dénominateur (m ≤ n) et tous les pôles de H(s) sont situés dans le demi-
plan gauche ouvert.
Remarques:
• Les pôles situés sur l'axe imaginaire jω ne pas dans le demi-plan gauche ouvert. Les systèmes
avec ces types de pôles simples sont souvent dits conditionnellement stables.
53
• Pour des systèmes stables, tous les pôles de H(s) sont situés dans le demi-plan gauche ouvert
c.à.d. les pôles doivent avoir des partie réelles négatives (σ ˂ 0). Les polynômes avec cette
propriété sont polynômes de Hurwitz.
Les polynômes Y(s) et X(s) dans (3-58) peuvent être factorisés si les zéros s0k et les pôles s∞k de H(s)
sont connus. On obtient ainsi
L (3 − 3JS )(3 − 3J- ) … (3 − 3JL ) L ∏L

) S(3 − 3J) )
^(3) = ⋅ = ⋅ ; ¥≤ (3 − 63)
(3 − 3!S )(3 − 3!- ) … (3 − 3! ) ∏) S(3 − 3!) )
On obtient le diagramme PZ (Pôles-Zeros) de H(s) en représentant dans le plan complexe S les pôles
par des croix et les zeros par des cercles (voir exemple de figure 3-21).
Im(s) = ω
Re(s) = σ
0
Figure 3-21: Diagramme PZ d'un système LTI analogique stable d'ordre 3.
Les pôles et les zéros peuvent être multiples. Etant donné que Y(s) et X(s) dans (3-58) sont des
polynômes avec des coefficients réels, les zéros et les pôles sont soit réels ou soit des couples de
complexes conjugués.
Le diagramme PZ est symétrique par rapport à l'axe réel.
La fonction de transfert H(s) peut être déterminée jusqu'au facteur constant réel bm/an près à travers le
diagramme PZ. Ce facteur peut être positif ou négatif. Mais comme il est constant, il a une
signification quantitative et non qualitative. Le diagramme PZ donne donc beaucoup d'informations
sur le système LTI correspondant. C'est l'une des raisons pour laquelle on préfère souvent décrire les
systèmes LTI analogiques à travers la fonction de transfert H(s) au lieu de la réponse fréquentielle
H(jω).
De manière similaire aux systèmes analogiques, les polynômes Y(z) et X(z) dans (3-60) peuvent être
factorisés si les zéros z0k et les pôles z∞k de H(z) sont connus. On obtient ainsi pour les systèmes LTI à
temps discret:
Á(™) ∏n
) S(1 − ™J) ⋅ ™ )
"S
^(™) = = J⋅ (3 − 64)
7(™) ∏¢
) S(1 − ™!) ⋅ ™ )
"S
54
On obtient le diagramme PZ (Pôles-Zeros) de H(z) en représentant dans le plan complexe Z les pôles
par des croix et les zéros par des cercles.
La fonction de transfert H(z) peut être déterminée jusqu'à la constante b0 près à travers le diagramme
PZ.
Les zéros et les pôles d'un système LTI à temps discret sont soit réels ou soit des couples de
complexes conjugués. C'est pourquoi le diagramme PZ est symétrique par rapport à l'axe réel.
A travers la transformation en Z, le demi-plan gauche du plan S devient l'intérieur du cercle de rayon 1

dans le plan Z. C'est pourquoi on a:
Un système LTI à temps discret est stable si tous les pôles de H(z) sont situés à l'intérieur du
cercle de rayon 1.
Un système FIR possède des pôles uniquement à l'origine du plan complexe Z. C'est pourquoi les
systèmes FIR sont toujours stables.
La réponse fréquentielle H(jΩ) d'un système LTI à temps discret est obtenue en évaluant la fonction
de transfert H(z) sur le cercle de rayon 1. C'est pourquoi on a les affirmations suivantes:
• Plus les pôles et les zéros sont proches du cercle de rayon 1, plus ceux-ci ont une grande influence
sur la réponse fréquentielle.
• Les pôles à l'origine (cas des filtres FIR!) influencent uniquement la réponse en phase et non la
réponse en amplitude car la distance avec tous les points sur le cercle de rayon 1 reste constante.
• Un zéro sur le cercle de rayon 1conduit à un saut de phase de π.
• Si tous les zéros sont situés à l'intérieur du cercle de rayon 1, le système est phase minimale.
• Pour un Allpass (Passe-tout), tous les pôles sont situés à l'intérieur du cercle de rayon 1 et tous les
zéros sont situés à l'extérieur du cercle de rayon 1.
• Lorsqu'un système ne possède pas de zéros en dehors de l'origine, alors on parle de système All-
pol
• Un système LTI causal possède tout au plus autant de zéros que de pôles (pôles et zéros à l'origine
inclus).
55

Support TS 2ART Isge 018 20

Transféré par

Informations du document

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

Support TS 2ART Isge 018 20

Transféré par

Droits d'auteur :

Formats disponibles

INSTITUT SUPERIEUR DE GENIE ELECTRIQUE (ISGE)

Filière : Réseaux et Télécommunications

Signaux et Systèmes numériques

Volume horaire: 60 h (cours: 40 h / TD: 20h )

Connaissances requises pour suivre le cours:

• Cours de traitement du signal de première année (Signaux et Systèmes analogiques)

2. Numérisation du signal analogique

3. Signaux et systèmes numériques

1.1. Pourquoi le traitement numérique du signal ?

• Faible sensibilité au bruit et grande dynamique grâce au codage et la technique de décision

• Flexibilité. Le comportement et les caractéristiques d’une application sont déterminés par un

• Réalisation rapide, moins coûteuses et prédiction grâce à la réalisation du traitement

Le traitement numérique du signal a cependant aussi des inconvénients qui sont:

• Effet de la quantification. La conversion analogique-numérique ajoute un bruit (de

• Exigence pendant la conception ou le développement. La conception ou le développement

1.2. Principe du traitement numérique du signal

La figure suivante montre le principe du traitement numérique d’un signal analogique.

Figure 1: Traitement numérique d’un signal analogique

• CAN = Convertisseur analogique-numérique

• CNA = Convertisseur numérique-analogique

• Système numérique: Ordinateur, microcontrôleur, DSP (Digital Signal Processor)

- Microcontrôleur: Ensemble de CPU (Central Processing Unit), ROM/RAM et ports de

La rapidité du traitement du signal dépend du type de signal et des algorithmes de

1.3. Différence entre signal analogique, discret et numérique

Figure 2: Classification des signaux

Signal à temps discret et

0 Signal numérique binaire

Figure 3: Echantillonnage, quantification et codage d’un signal analogique

2. Numérisation du signal analogique

2.1. Structure d’un système de transmission numérique

Echantillonnage et maintien (S&H) M lignes

Figure 4: Principe de la transmission numérique

La numérisation du signal analogique permet le traitement et la transmission numérique du signal.

Exemple: transmission de symboles binaires à travers un canal perturbé

Description du schéma de figure 4

• Filtre passe-bas F1 ou filtre Anti-Aliasing ou filtre anti-recouvrement:

• Filtre passe-bas F2 ou filtre d’interpolation (ou filtre de reconstruction):

2.2. Processus de la numérisation du signal analogique

Pour comprendre le processus de la numérisation, considérons le schéma de figure 4 et par exemple un

Figure 5: Principe de la numérisation d’un signal analogique

2.3. Réalisation technique de la numérisation

2.3.1. CAN Flash (Flash ADC)

Exemple : x(t) = 4, 3 V et Uref = 8 V

Figure 6: CAN Flash (Flash ADC)

Pour un signal vidéo, on a besoin de M = 8 bits/ échantillon càd 2M = 256 comparateurs.

2.3.2. CAN avec amplification SH (Sample-and-Hold)

Figure 7: Echantillonnage réel avec un SH (Sample and Hold) dans un CAN

2.4. Echantillonnage du signal analogique

Figure 8: Echantillonnage naturelle (A) et échantillonnage idéale

d’impulsions rectangulaires de durée T0.

2.4.1. Analyse temporelle du signal échantillonné

En considérant l’échantillonnage idéal représenté par figure 9 (B), on a:

2.4.2. Analyse fréquentielle du signal échantillonné

En remplaçant (2-5) dans (2-4), on a:

En remplaçant (2-3) dans (2-1), on a:

En appliquant la propriété de linéarité et de convolution de la transformée de Fourier à (2-6), on

7 ( étant le spectre du signal analogique x(t) c.à.d. la TF de x(t).

8<:7 ( ∗ ( − $( ; = ∙ 8< ( − $( = ∙ +&2'$(

Avec (2-7), on obtient le spectre du signal échantillonné:

Le spectre 7 ( du signal échantillonné (idéalement) est composé (à une constante près) du

[-fe/2 , fe/2] . On note fN = fe/2 et f N est appelée fréquence de Nyquist.

Exemple: Echantillonnage d’un signal sinusoïdal (harmonique)

Considérons signal = cos 2'(J avec f0 = 1 kHz à échantillonné avec la fréquence

-fe -fe/2 Fréquence f (khz) fe/2 fe