Nom : Prénom :

ELISA 4 Examen Partiel

2018-2019

SE711 : SIGNAUX ET SYSTEMES LINEAIRES DISCRETS

Durée 2 heures - Documents autorisés – Ordinateur autorisé en mode avion
Les barèmes sont donnés à titre indicatif.
Merci de plier le coin de vos brouillons et de les glisser dans votre copie.

Exercice #1 Echantillonnage :

Un signal sonore 𝑥(𝑡) est capté par un micro et transformé en un signal électrique analogique fortement bruité
𝑚(𝑡). On cherche à enregistrer et transmettre en temps réel ce signal sous forme numérique par modulation
d’impulsions codées (MIC). Lors d’un premier enregistrement, une période d’échantillonnage de 𝐹𝑒 = 1𝑘𝐻𝑧 permet
au plus juste de quantifier le signal sur 512 niveaux de quantification.
1. Sur combien de bits est codé le signal ?

On a 2𝑛 = 512 → 𝑛 = 9 bits

Avant l’échantillonnage, 𝑚(𝑡) est filtré par un filtre anti-aliasing pour éviter tout recouvrement spectral.
2. Dans l’hypothèse où il serait possible de mettre en place un filtre anti-aliasing de type passe-bas
idéal, proposez une valeur pour sa fréquence de coupure 𝐹𝑐 . Motivez votre choix.
Le filtre évite le recouvrement spectral qui vient de la répétition du spectre due à l’échantillonnage.
La première répétition du spectre est centrée en Fe et doit donc être coupée à Fe/2.
𝐹𝑒 1000
Dans le cas d’un filtre passe-bas idéal, on aurait 𝐹𝑐 = = = 500 𝐻𝑧
2 2

3. Quelle sera alors la plus haute fréquence de 𝑥(𝑡) qui pourra être transmise ?
𝐹𝑒
Ça sera alors la fréquence de coupure 𝐹𝑐 = 2
qui sera la plus élevée

On cherche maintenant à améliorer la résolution en amplitude du signal en mettant en place un codage sur au moins
2000 niveaux de quantifications.

4. Trouver la nouvelle période d’échantillonnage 𝐹′𝑒 qui permet de réaliser au plus juste cette nouvelle
quantification.
La puissance de 2 immédiatement supérieur à 2000 est 24=2048. On code donc le signal sur 4 bits.
Pendant Te on envoyait exactement 9bits. Pendant Te’ on envoyait 11bits
′
On souhaite obtenir n tel que : 2𝑛 ≥ 2000 → 𝑛′ = 11 → 2048 niveaux de quantifications
Par produit en croix on trouve :
𝑛′ 11 9
𝑇𝑒 = = = 1.22 ms ⇒ 𝐹𝑒 = 11 = 0.82 𝑘𝐻𝑧 ⇒820 Hz
𝑛 9
Nom : Prénom :
5. Donner dans ce cas la nouvelle fréquence de coupure 𝐹𝑐 ′ à choisir pour le filtre anti-aliasing ainsi
que la plus haute fréquence de 𝑚(𝑡) qui pourra être transmise. Conclure.
𝐹𝑒′
On choisit 𝐹𝑐 ′ = 2 ≈ 0.41 kHz. La nouvelle fréquence max est égale à Fc’. On conclut qu’il y a un compromis à
faire entre la résolution d’amplitude et la fréquence max qui peut être émise.

Exercice #2 Etude d’un système simple :

Soit un système d’entrée 𝑒𝑘 et de sortie 𝑠𝑘 = 0.5𝑒𝑘−1 − 0.6𝑠𝑘−1 .

1. Donner la fonction de transfert en 𝑧 de ce système et étudier sa stabilité.

𝑠𝑘 + 0.6𝑠𝑘−1 = 0.5𝑒𝑘−1
𝑆(𝑧)(1 + 0.6𝑧 −1 ) = 0.5𝑧 −1 𝐸(𝑧)
𝑆 (𝑧) 0.5𝑧 −1
𝐻 (𝑧) = =
𝐸(𝑧) (1 + 0.6𝑧 −1 )
On multiplie par z :
𝑆 (𝑧) 0.5
𝐻(𝑧) = =
𝐸(𝑧) 𝑧 + 0.6
MODULE < 1 car 0.6<1 donc H(z) stable. Un pôle en -0.6 de module inférieur à 1, le système est stable.

2. Quelle est la valeur finale de 𝑠𝑘 quand l’entrée est un échelon unitaire ?

𝑆(𝑧)(1 + 0.6𝑧 −1 ) = 0.5𝑧 −1 𝐸(𝑧)

0.5
𝑆 (𝑧) = 𝐸(𝑧)
(𝑧 + 0.6)
𝑧
Or : 𝐸 (𝑧) = 𝑧−1
0.5 𝑧
𝑆(𝑧) = ∗
(𝑧 + 0.6) 𝑧 − 1
➢ Théorème de la valeur finale :
𝑠∞ = lim 𝑠𝑘 = lim (𝑧 − 1)𝑆(𝑧)
𝑘→∞ 𝑧→1

0.5𝑧
𝑠∞ = lim
𝑧→1 (𝑧 + 0.6)

0.5
𝑠∞ = = 0.3125
1.6
Nom : Prénom :

Exercice #3 Résolution d’une équation récurrence avec condition initiale :

1. Résoudre l’équation récurrente :𝑦𝑛 − 0,5𝑦𝑛−1 = 2 (0,25)𝑛 𝑢(𝑛) avec la condition initiale
𝑦−1 = −2 (𝑢𝑛 = échelon unité discret)

𝑦𝑛 − 0,5𝑦𝑛−1 = 2 (0,25)𝑛 𝑢(𝑛) avec CI y-1= - 2

Or :

𝑦𝑛−1 = 𝑧 −1 [𝑌(𝑧) + 𝑦−1 𝑧1 ] = 𝑌(𝑧)𝑧 −1 + 𝑦−1

Et : (voir table)
1
(0,25)𝑛 𝑢(𝑛) =
1 − 0.25𝑧 −1
D’où :
2𝑧
𝑌(𝑧) − 0,5(𝑌(𝑧)𝑧 −1 + 𝑦−1 ) =
𝑧 − 0.25

2𝑧
𝑌(𝑧)(1 − 0.5𝑧 −1 ) = −1
𝑧 − 0.25

𝑧 + 0.25
𝑌(𝑧)(1 − 0.5𝑧 −1 ) =
𝑧 − 0.25

𝑧 + 0.25
𝑌(𝑧) =
(𝑧 − 0.25)(1 − 0.5𝑧 −1 )

𝑧(𝑧 + 0.25)
𝑌(𝑧) =
(𝑧 − 0.25)(𝑧 − 0.5)
Résolution par méthode des résidus :
𝑧 + 0.25
𝑧 𝑛−1 𝑌(𝑧) = 𝑧 𝑛
(𝑧 − 0.25)(𝑧 − 0.5)
𝑧+0.25
Pôle simple : 𝑟0.5 = lim (𝑧 − 0.5)𝑧 𝑛 (𝑧−0.25)(𝑧−0.5)
𝑧→0.5
𝑧 + 0.25
𝑟0.5 = lim 𝑧 𝑛
𝑧→0.5 (𝑧 − 0.25)
0.75
𝑟0.5 = (0.5)𝑛
0.25

𝒓𝟎.𝟓 = 𝟑 ∗ (𝟎. 𝟓)𝒏

Nom : Prénom :
𝑧+0.25
Pôle simple : 𝑟0.25 = lim (𝑧 − 0.25)𝑧 𝑛 (𝑧−0.25)(𝑧−0.5)
𝑧→0.25
𝑧 + 0.25
𝑟0.25 = lim 𝑧 𝑛
𝑧→0.25 (𝑧 − 0.5)
0.5
𝑟0.25 = 0.25𝑛
−0.25
𝒓𝟎.𝟐𝟓 = −𝟐 ∗ (𝟎. 𝟐𝟓)𝒏

𝒚𝒏 = [𝟑 ∗ (𝟎. 𝟓)𝒏 −𝟐 ∗ (𝟎. 𝟐𝟓)𝒏 ]𝒖𝒏

➢ Méthode de la décomposition en éléments simples :

Exercice #4 Etude d’un filtre :

𝑧 2+2𝑧+1
On considère le filtre numérique (LTI) de transmittance 𝐻 (𝑧) = 𝑧 3 −2.3𝑧 2+1.7𝑧−0.4 avec une période
d’échantillonnage 𝑇𝑒 = 1𝑠.
1. Montrer que 𝐻(𝑧) contient un intégrateur pur.

clear all; clc;

num=[1 2 1];den=[1 -2.3 1.7 -0.4];
A=tf(num,den,-1)

(𝑧 + 1)2 (𝑧 + 1)2
𝐻 (𝑧 ) = =
(𝑧 − 1)(𝑧 2 − 1.3𝑧 + 0.4) (𝑧 − 1)(𝑧 − 0.5)(𝑧 − 0.8)

1 1
La fonction de transfert comporte un intégrateur pur car on a l’élément ⇒ dans me domaine de Laplace,
𝑧−1 𝑝
ce qui correspond à un intégrateur pur.
Correction du prof :
H(z) contient un intégrateur pur ssi il a un pôle en 1. 𝑧 3 − 2.3𝑧 2 + 1.7𝑧 − 0.4 = 0 est vérifié pour z=1 CQFD

2. Déterminer les pôles et les zéros de 𝐻(𝑧). Conclure quant à sa stabilité.

Nom : Prénom :
1 4
Les pôles de H(z) sont 1, 0.5 et 0.8 (ou 𝑒𝑡 ) tous d’ordre 1.
2 5
Le zéro de H(z) est -1 d’ordre 1.
La fonction de transfert est stable car tous les pôles sont de module <1. De plus, le fait qu’on ait un intégrateur
pur implique que la réponse impulsionnelle soit bornée et que la réponse indicielle soit en rampe.
Matlab :
B=zpk(A);
Sur le cercle : on remarque que le système est juste oscillant.

3. Calculer le gain statique de 𝐻(𝑧).

On utilise le théorème de la valeur finale avec une entrée impulsionnelle :

4
Soit K = H(1) = lim(𝑧 − 1)𝐻(𝑧) = = 40
𝑧→1 0.1

Matlab :
[Z,P,K]=zpkdata(B); %K=gain

Exercice #5 quelques petits calculs :

𝑧 2 −𝑧
Soit le système décrit par 𝐻 (𝑧) = 𝑧 2−0.25𝑧+0.25.

1. Etablir l’équation de récurrence entre l’entrée et la sortie de 𝐻(𝑧).

𝑆(𝑧) 𝑧2 −𝑧
On sait que : 𝐻 (𝑧) = 𝐸(𝑧) = 𝑧2−0.25𝑧+0.25
2
𝑆 (𝑧) ∗ (𝑧2 − 0.25𝑧 + 0.25) = (𝑧 − 𝑧) ∗ 𝐸 (𝑧)

𝑆 (𝑧) ∗ (1 − 0.25𝑧−1 + 0.25𝑧−2 ) = (1 − 𝑧−1 ) ∗ 𝐸(𝑧)

𝑠𝑛 − 0.25𝑠𝑛−1 + 0.25𝑠𝑛−2 = 𝑒𝑛 − 𝑒𝑛−1

2. Calculer les quatre premiers échantillons de la sortie pour une entrée en échelon d’amplitude 2.
2
𝑆 (𝑧) ∗ (𝑧2 − 0.25𝑧 + 0.25) = (𝑧 − 𝑧) ∗ 𝐸 (𝑧)
𝑧
Or 𝐸(𝑧) = 2 ∗ 𝑧−1

(𝑧2 − 𝑧) 2𝑧
𝑆(𝑧) = ∗
(𝑧2 − 0.25𝑧 + 0.25) 𝑧 − 1
Nom : Prénom :
2𝑧3 − 2𝑧2
𝑆(𝑧) =
𝑧 3 − 1.25𝑧 2 + 0.5𝑧 − 0.25

2 − 2𝑧−1
𝑆(𝑧 −1 ) =
1 − 1.25𝑧 −1 + 0.5𝑧 −2 − 0.25𝑧 −3
On pose 𝑧 −1 = 𝑥
2 − 2𝑥
𝑆(𝑥) =
1 − 1.25𝑥 + 0.5𝑥 2 − 0.25𝑥 3

On a donc :

2 − 2𝑥 1 − 1.25𝑥 + 0.5𝑥 2 − 0.25𝑥 3

−(2 − 2.5𝑥 + 𝑥 2 − 0.5𝑥 3 )
2 + 0.5𝑥 − 0.375𝑥 2 − 0.21875𝑥 3

0.5𝑥 − 𝑥 2 + 0.5𝑥 3
−(0.5𝑥 − 0.625𝑥 2 + 0.25𝑥 3 − 0.125𝑥 4 )

−0.375𝑥 2 + 0.25𝑥 3 + 0.125𝑥 4

−(−0.375𝑥 2 + 0.46875𝑥 3 − 0.1875𝑥 4 + 0.09375𝑥 5 )

−0.21875𝑥 3 + 0.3125𝑥 4 − 0.09375𝑥 5

syms z
>> Y=(z^2-5*z+1)/(z-3)/(z-2)

Y =
(z^2 - 5*z + 1)/((z - 2)*(z - 3))

>> y=iztrans(Y)
y =
(5*2^n)/2 - (5*3^n)/3 + kroneckerDelta(n, 0)/6
Nom : Prénom :
Exercice #6 Un peu de Matlab :

On considère le signal analogique 𝑠(𝑡) = sin(60𝜋𝑡) + 0.5 sin(30𝜋𝑡) + 0.25sin (40𝜋𝑡).

1. Construire ce signal sur Matlab et le tracer de 0 à 0.4𝑠. Reproduire à main levée le tracé ci-dessous.

%% Tracé du signal

t=0:0.001:0.4;
s=sin(60*pi*t)+0.5*sin(30*pi*t)+0.25*sin(40*pi*t);

figure(1)

plot(t,s,'Linewidth',1.5)
grid on
xlabel('Temps en s')
ylabel('Amplitude')
title('Tracé du signal s')

2. Quelle est la fréquence d’échantillonnage minimale qui permet de respecter le théorème de

Shannon pour ce signal ? Tracer sur le schéma de la question 1 le signal échantillonné pour cette
fréquence d’échantillonnage.

Pour échantillonner un signal sans distorsion, il faut l'échantillonner à au moins deux fois la fréquence
maximale qu'il contient, c’est-à-dire à Fe=2Fmax
Nom : Prénom :
3. On veut réaliser la transformée de fourrier discrète du signal en utilisant l’algorithme de la fft (fast
Fourier transform). Rappeler la contrainte à respecter sur le nombre d’échantillons à considérer pour
utiliser la fft.
La contrainte pour utiliser la fft sur le nombre d’échantillons est :
N> 128, avec N=2n

4. Comment choisir le temps d’observation de notre signal pour éviter toute erreur due à l’utilisation
de la transformée de Fourier discrète.
Il faut choisir le temps d’observation de façons à observer le signal sur une période complète (dans notre cas soit T
= 0,2 secondes soit T = 0,4 secondes)
De ce fait il n’y aura pas présence d’erreur due à l’utilisation de la TFD

5. En respectant les contraintes déterminées dans les deux questions précédentes, choisir un temps
d’observation 𝑇 et une période d’échantillonnage Δ𝑡 qui conviennent (on pourra utiliser le tracé
effectué à la question 1 pour déterminer la période 𝑇𝑠 de 𝑠(𝑡)).

6. Déterminer la résolution fréquentielle de la TFD pour vos choix faits à la question précédente.

7. Tracer la fft de 𝑠(𝑡) centrée en 0. Reproduire le tracé ci-dessous sans oublier d’indiquer les valeurs
particulières.
%% Etape 4: TFD inverse de se et reconstruction de s

S1=fftshift(S); %% Recentrage de la FFT autour de zéro

f1=f-Fe/2; %% Décalage de l'échelle des fréquences de -Fe/2 à Fe/2

subplot(2,2,4) %% Tracé de la TFD reconstituée à N points

stem(f1,abs(S1),'.')
grid on
ylim([0 1.1*max(abs(S1))]) %% Définition de l'échelle pour des questions de rendu
xlabel('Fréquence (Hz)')
ylabel('Amplitude')
title(['Module de la TFD recentrée à N = ',int2str(Ne),' points'])
Nom : Prénom :

(cf TD5 SSLD Matlab)

8. Vérifier numériquement le respect du théorème de Parseval.

Vérification numérique du théorème de Parseval :
%% Question 8: Vérification du théorème de Parseval

PSE(i)= s*s'; %% Calcul du module temporel continu

PS(i) = (S1*S1')/Ne; %% Calcul du module fréquentiel discret

PSE
PS

Au préalable, on définit s st S1 selon :

S1=fftshift(S);
se=sin(2*pi*Fm*te);

Le i des parenthèses implique qu’il y’a plusieurs cas sinon pas besoin de mettre le i.
Nom : Prénom :