Chap 3

Module :Traitement du Signal – ELN3-A USTHB
Chapitre3: é c h a n t i l l o nn age e t signaux di s cret s
Dans ce chapitre:
- Les signaux discrets
- Echantillonnage réel
- Echantillonnage idéalisé
- Théorème d’échantillonnage
- Transformée en Z
1
Chapitre3: é c h a n t i l l o n n a g e e t signaux d i s crets
Signaux d i s c re ts
Définition:
Les signaux numériques ou discrets ou encore échantillonnés sont le plus
souvent issus de signaux analogiques dont on prélève les valeurs à des
instants régulièrement espacés : c'est l'opération d'échantillonnage qui
transforme un signal continu en une suite numérique.
•Séquence X de nombres dans laquelle le nième nombre est x(n). On écrira :

X = {x(n)} − ∞< n< ∞
• On utilise x[n] au lieu de x(t) pour représenter un signal discret.
Pour représenter l'origine, l‘échantillon qui correspond a n = 0, on

utilise une flèche.
2
Signaux d i s c re ts
Exemple:
3
Chapitre3: é c h a n t i l l o n n a g e e t sign au x d i s c r e t s
Signaux d i s crets périodiques
Tout comme les signaux continus, les signaux discrets peuvent être
périodiques.
Un signal discret périodique se répété a tous les N échantillons, de
sorte que :
x[n] = x[n±kN] k = 1; 2; 3; ..........
La période N est le plus petit nombre d‘échantillons qui se répètent.
La période est toujours un entier.
4
Signaux discrets: puissance e t énergie
5
Signaux discrets: puissance e t énergie
6
E x e m p le:
7
E x e m p le:
8
Signaux de base:
Echelon Unité Le signal échelon unité u(n) est défini par :
u(n) = 1 si n ≥ 0
0 ailleurs
Nous pouvons définir également le signal échelon décalé u(n − k) comme
suit :
u(n − k) = 1 si n ≥ k
0 ailleurs
9
Impulsion discret:
Rampe:
10
Remarque:
La méthode générale pour effectuer des opérations sur un signal continu
(Chapitres 1 de TS) s'applique aussi aux signaux discrets
11
ÉCHANTILLONNAGE
12
ÉCHANTILLONNAGE IDÉAL:
L’échantillonnage idéal est modélisé par la multiplication du signal continu
s(t) et d’un peigne de Dirac de période Te
13
ÉCHANTILLONNAGE IDÉAL
14
TFde signal échantillonné
Question : que devient le spectre du signal x(t) après échantillonnage idéal?
 n 

Fx e (t)  F x(t)   (t  nTe )
 n  
Or d'après le théorème de Plancherel, on a Fy(t)z(t)   Fy(t)Fz(t)

 n  n
Et F   (t  nTe )  Fe  (f  nFe )
n  n
n 
donc Fx e (t)  Fe. X(f )   (f  nF ) e
n 
Comme le produit de convolution est distributif, et que y(t) (t  t o )  y(t  t o )


X e (f )  Fe.  X(f  nFe)
n
Le spectre de Xe (f) est donc celui de X(f) "périodisé" avec une période fréquentielle Fe.
15
Interprétation du spectre de xe(t)
Soit x(t) un signal réel à spectre borné |X (f)|

X e (f )  Fe.  X(f  nFe) 0 Fmax
n
-Fmax f
Question : que devient le spectre Xe(f) en fonction de Fe?
Si Fe  2Fmax
|X e (f)|
Fe
n= -1 n=0 n=1 Les motifs élémentaires du signal périodiques
sont disjoints
-Fe -Fmax 0 Fmax Fe f

Si Fe  2Fmax
(version zoomée)
|X e (f)|
Fe Les motifs élémentaires du signal périodiques
se recouvrent
Repliement de spectres
-Fe -Fmax 0 Fmax Fe f
16
Théorème de SHANNON
Question : quelle est la condition sur Fe pour que, à partir du signal échantillonné xe(t), on puisse
reconstruire intégralement x(t)?
Si Fe  2Fmax Le motif principal (n=0) est égale au spectre de x(t), et comme les autres motifs sont
disjoints, grâce à un filtre passe-bas idéal,il est possible d'isoler ce motif et donc de retrouver
x(t).
Si Fe  2Fmax Le motif principal (n=0) est égale au spectre de x(t), mais, il est pollué par le recouvrement d'autres
motifs. Il est impossible de retrouver le spectre de x(t).
Énoncé du théorème
Pour échantillonner un signal sans perte d'information, il faut que la fréquence
d'échantillonnage Fe soit supérieure au double de la fréquence maximale du signal. Plus
précisément, si on note Fmax la fréquence maximale du signal, il faut :
Fe  2Fmax
17
Échantillonnage réel
18
Échantillonnage réel
19
Tr a n s f o r m é e e n z
A) Définition de laTransformée en Z
•La transformée en z est l’équivalent dans le domaine discret de la transformée de Laplace dans le
domaine continu.
La TL d’un signal continu:
On pose Z=eTp
P=1/T ln(Z)
20
Transformée en z
A) Intérêt de laTransformée en Z
•Outil très apprécié en traitement numérique du signal.

•L'utilisation principale de la transformée en z est pour le design de filtres
numériques.
•Permet une représentation des séquences et des systèmes discrets afin de
faciliter :
- l ’étude de leur comportement.
- les simuler et les synthétiser.
Remarques:
- l’operateur Z est lié à une période d’échantillonnage donnée.
- on notera indifféremment:
21
B) Exemple:Transformée en Zusuelles
* échelon
Zu(Z)=
22
A) Transformée en Z usuelles
* Rampe
23
Condition d’existence de laTZ
La condition d’existence à la transformation Z: il faut que la série converge

Pour un signal donnée, l’ensemble de valeur de Z pour lesquelles la série converge est
appelée « région de convergence (ROC)»
Considère une série:
Une série de ce type converge si (critère de Cauchy)
Exemple:
24
C) Propriétés et règles de calcul
Elles découlent naturellement des propriétés de la transformé de Fourier
25
C) Propriétés et règles de calcul
Produit de Convolution
Le produit des transformées en Z de deux signaux numériques est égal
à la transformée en Z du produit de convolution des deux signaux.
L’intercorrélation
Considérons les deux signaux réels X(K) et Y(K). Soit Sxy(Z) la TZ de l’intercorrélation
Cxy (k) :
Dérivation de laTZ
La dérivée de X(Z) parrapport a Z s’ecrit :
26
27
28
Tableau Transformée en Z
29
Tableau Transformée en Z
30

Chap 3

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chap 3

Transféré par

Droits d'auteur :

Formats disponibles

Module :Traitement du Signal – ELN3-A USTHB

Chapitre3: é c h a n t i l l o nn age e t signaux di s cret s

- Les signaux discrets

•Séquence X de nombres dans laquelle le nième nombre est x(n). On écrira :

• On utilise x[n] au lieu de x(t) pour représenter un signal discret.

Pour représenter l'origine, l‘échantillon qui correspond a n = 0, on

x[n] = x[n±kN] k = 1; 2; 3; ..........

La période N est le plus petit nombre d‘échantillons qui se répètent.

La période est toujours un entier.

Or d'après le théorème de Plancherel, on a Fy(t)z(t)   Fy(t)Fz(t)

Comme le produit de convolution est distributif, et que y(t) (t  t o )  y(t  t o )

-Fe -Fmax 0 Fmax Fe f

•Outil très apprécié en traitement numérique du signal.

La condition d’existence à la transformation Z: il faut que la série converge

Une série de ce type converge si (critère de Cauchy)

Vous aimerez peut-être aussi