Académique Documents
Professionnel Documents
Culture Documents
SYSTEMES
1
PLAN
q Capteurs et conditionnement
q Signaux et Systèmes
q Systèmes Linéaires Temporellement Invariants (SLTI)
q Série de FOURIER
q Transformée de FOURIER
q Transformée de LAPLACE
q Échantillonnage (Numérisation)
q Transformée en Z
q Filtrage Numérique
q Signaux Aléatoires
2
CAPTEURS ET
CONDITIONNEMENT
3
Définitions
s = f(m)
q Définition du conditionnement
Le transmetteur ou conditionnement est un dispositif qui convertit le signal de sortie du capteur en
un signal de mesure standardisé. Il fait le lien entre le capteur et le système de contrôle et de
commande.
4
Nature du signal de sortie du capteur
§Numérique :
• L’information est binaire (0 ou 1)
o Tout ou rien - exemple de l’état d’une vanne ouverte ou fermée
o Train d’impulsions - on compte le nombre de train d’impulsions
5
Capteurs passifs
6
Capteurs actifs
7
Capteurs actifs
8
Autres types de capteurs
q Capteurs intégrés:
Un capteur qui intègre sur le même substrat de silicium :
o le capteur
o le conditionnement du signal (le transmetteur)
Ce principe réduit l’encombrement de la chaîne de mesure, facilite la mise en œuvre du
capteur et favorise la normalisation des capteurs.
q Capteurs intelligents:
Avec le développement de la capacité d’intégration des composants électroniques, les
capteurs peuvent être intégrés aux circuits de traitement du signal sur la même puce, pour
réaliser l’ensemble des fonctions. Les puces intègrent :
o le capteur
o une conversion analogique numérique
o la chaîne de mesure et de traitement numérique du signal pilotée par un
microprocesseur
o une mémoire
o une interface de communication numérique standardisée avec un calculateur ou
ordinateur via un bus partagé entre plusieurs capteurs intelligents.
9
Chaîne de mesure numérisée
10
SIGNAUX ET SYSTEMES
11
Introduction
q Définitions :
Signal = Toute entité porteuse d’une information
Le signal est porteur d'information = aux variations au cours du temps
d'une grandeur physique: électrique, acoustique, lumineuse...
• Variations au cours du temps de la tension aux bornes d'une capacité
• Voix, Images, Signal bio-médical
• Etc.
Traitement du signal = Théories et méthodes permettant de créer, d'analyser, de modifier,
de classifier, et finalement de reconnaître les signaux.
qClassification :
• fonction de leur origine
• fonction de leur dimension
• en fonction de la connaissance que l’on peut en avoir (déterministes, aléatoires)
• en fonction de l’énergie
La plupart de ces signaux (du moins ceux qui ont une origine naturelle) sont analogiques
12
Représentation Mathématique (1/2)
Signal = fonction d’une ou plusieurs variables indépendantes:
ex: (Voix) Pression Acoustique = f(temps)
(Image) Luminosité= f(x,y:variables spatiales)
par la suite: 1 seule variable indépendante = temps
13
Représentation Mathématique (2/2)
Exemples: a) d’un signal continu x(t) b) d’un signal discret x[n]:
Remarques:
x[n] n ’est défini que pour des valeurs entières de n.
x[n] : signal Temps Discret ou séquence Temps Discret.
14
Energie et puissance d’un signal (1/2)
Définition: par analogie avec les signaux électriques
+¥ +¥
ò x(t ) dt E x = å x(n )
2 2
Energie Ex =
-¥ -¥
T
1 1 N
ò x(t ) å x(n )
2 2
Puissance moyenne Px = lim dt Px = lim
T ® +¥ 2T N ® +¥ 2 N + 1
-T n=- N
3 Classes de signaux:
15
Energie et puissance d’un signal (2/2)
- Signaux à Energie finie
1
Ex < ¥ Px = 0
0 1 t
- Signaux à Puissance moyenne finie
4
Px < ¥ Ex = ¥
... ...
0 n
- Signaux à Energie et Puissance Moyenne infinies
Px = ¥ Ex = ¥
1
1 t
16
Transformation de la variable indépendante (1/2)
Décalage temporel
17
Transformation de la variable indépendante (2/2)
Inversion temporelle
Changement d ’échelle
18
Signaux périodiques
Remarques:
T0 = période fondamentale = plus petite valeur possible de T
19 Px < ¥ Ex = ¥
Signaux pairs et impairs
Pairs Impairs
Propriété:
1
x pair (t ) = [x(t ) + x(- t )]
2 x(t ) = x pair (t ) + ximpair (t )
1
ximpair (t ) = [x(t ) - x(- t )]
20 2
Signaux exponentiels et sinusoïdaux (1/3)
A temps continu
x(t ) = Ce at avec C et a réels
phénomènes physiques
a>0 a<0
{
x(t ) = A cos(w 0t + F ) = AÂ e e j (w 0t + F ) }
A j F jw 0 t A - j F - j w 0 t
A cos(w 0t + F ) = e e + e e
21 2 2
Signaux exponentiels et sinusoïdaux (2/3)
A temps continu
Signaux à exponentielle réelle et complexe : x(t ) = Ce at avec a = r + jw et C = C e jq
0
r >0 r<0
A temps discret
Signaux à exponentielle réelle: x[n] = Ca n avec C et a réels
a >1 0 <a <1
22
Signaux exponentiels et sinusoïdaux (3/3)
Signaux à exponentielle complexe et sinusoïdaux: x[n] = e jw 0 n x[n] = A cos(w 0 n + F )
1) e j (w 0 + 2p )n = e j 2pn e jw 0 n = e jw0 n
e jw0 n = e j (w0 ± 2p )n = e j (w0 ± 4p )n = ! même signal pour des
pulsations différentes!...
0 < w0 < 2pi
0 < f0 < 1
Basses fréquences w 0 = 2k p
Hautes fréquences w0 = (2k + 1)p
23
Signaux à temps discret
24
Impulsion unité et fonction échelon unité (1/2)
A temps discret
D[n]
Impulsion Unité: 1
ì0, n ¹ 0
D[n] = í 0 n
î1, n = 0
Echelon Unité: u[n]
ì0, n < 0 1 ...
u[n] = í
î1, n ³ 0 0 n
Relations:
¥
D[n] = u[n] - u[n -1] u[n] = å D[n - k ]
k =0
x[n]D[n] = x[0]D[n]
du (t )
On veut: d (t ) = Problème!...
dt
d D (t ) Signal Pulse
- (t) n’a pas de durée, sa hauteur est infinie et son aire est égale à l’unité
+¥
-¥
ò d (t )dt = 1
- représentation de 𝛿(t): 𝛿(t) fonction singulière
1
t
Besoin des physiciens:
d(t) modélise par exemple le courant i(t) d ’un filtre RC lors de la charge d ’un condensateur...
+¥ +¥
ò x(t )d (t ) dt = x(0)
-¥
ò x(t )d (t - t ) dt = x(t )
-¥
0 0
du (t )
+¥
u (t ) = d (t - t )dt
ò d (t ) =
0
dt
28
Système à temps continu et à temps discret
Système Système
x(t) Temps y(t) x[n] Temps y[n]
Continu Discret
Exemples:
dy (t )
équations différentielles linéaires du 1er ordre: + ay (t ) = bx (t )
dt
Système 1
E Système 1 Système 2 S E + S
Système 2
Interconnexion Rétro-actionnée
E Système 1 S
Système 2
30
Propriétés de base des Systèmes (1/2)
Système inversible:
Des entrées distinctes conduisent à des sorties distinctes
y[n]
x[n] Système w[n]=x[n]
Système
inverse
Système causal:
La sortie à n’importe quel instant ne dépend que des valeurs de l ’entrée
aux instants présent et passés
n
y[n] = å x[n] y[n] = x[n] - x[n + 1] y[n] = x[-n]
-¥
31
Propriétés de base des Systèmes (2/2)
Système stable:
n
y (t ) = x(t ) - x(t + 1) y[n] = å x[n]
-¥
33
Systèmes Linéaires Temporellement Invariants
SLTI
Systèmes temporellement invariants:
Un décalage temporel sur le signal d’entrée entraîne le même décalage temporel sur le
signal de sortie.
Systèmes linéaires:
x1 (t ) ® y1 (t )
x 2 (t ) ® y 2 ( t )
34
Réponses d’un Système SLTI
Réponse Impulsionnelle:
+¥
On obtient:
y (t ) = ò x(t )h(t - t )dt Intégrale de convolution
-¥
35
Propriétés des SLTI (1/6)
+¥
! Commutativité
+¥ +¥
x[n]* h[n] = h[n]* x[n] å x[k ]h[n - k ] = å h[k ]x[n - k ]
k = -¥ k = -¥
+¥ +¥
x(t )* h(t ) = h(t )* x(t ) ò x(t )h(t - t )dt = ò h(t )x(t - t )dt
-¥ -¥
36
Propriétés des SLTI (2/6)
! Distributivité
Une combinaison parallèle de plusieurs SLTI peut remplacer un seul SLTI dont la réponse
impulsionnelle est la somme des réponses impulsionnelles des SLTI interconnectés
37
! Associativité Propriétés des SLTI (3/6)
x[n]* (h1[n]* h2 [n]) = (x[n]* h1[n])* h2 [n] = x[n]* h1[n]* h2 [n] (IDEM T.C.)
Une combinaison série de plusieurs SLTI peut remplacer un seul SLTI dont la réponse
impulsionnelle est la convolution des réponses impulsionnelles des SLTI interconnectés
!Elément neutre:
x(t )*d (t ) = x(t ) x[n]* D[n] = x[n]
!Décalage temporel:
y[n - n0 ] = x[n - n0 ] * h[n] = x[n] * h[n - n0 ]
(IDEM T.C.)
!Dérivation:
D(x * y ) = (Dx)* y = x * (Dy )
! SLTI stable +¥
+¥
40 ò h(t ) dt < ¥
-¥
Sa réponse impulsionnelle est
absolument intégrable
Propriétés des SLTI (6/6)
! Réponse d’un SLTI à l’échelon unité
di (t )
h[n] = i[n]- i[n -1] h(t ) =
dt
Réponse indicielle utilisée aussi pour caractériser un SLTI
La réponse d ’un SLTI à une exponentielle complexe n’est autre que la
même exponentielle complexe multipliée par une amplitude complexe
valeur propre
En temps continu: e st ® H (s ) e st
vecteurs
propres
En temps discret: z n ® H (z ) z n
41
On démontre que: valeur propre
SERIE DE FOURIER
42
Quelques exemples de signaux périodiques
Sinusoïde
Rectangle périodique
Triangle périodique
Dent de scie
43
Représentation en Série de FOURIER (1/4)
Tout signal périodique de puissance finie peut se représenter sous la forme
d’une combinaison linéaire d’exponentielles complexes reliées harmoniquement
Synthèse
+¥
f 0 = 1/ T x(t ) = å k
X e
k = -¥
jkw 0t
w 0 = 2pf 0
1 T /2
w 0 = 2p / T Xk =
T ò
-T / 2
x(t ) e - jkw0t dt
Analyse
coefficient de Fourier ou coefficient spectral
e jw 0t = cos w 0t + j sin w 0t
e jkw0t + e - jkw0t
cos w 0t = Re e ( jw 0 t
) Euler: cos(kw 0t ) =
2
44
(
sin w 0t = Im e jw 0t ) sin(kw 0t ) =
e jkw 0t
- e - jkw0t
2j
Représentation en Série de FOURIER (2/4)
Composante continue:
1
x(t )dt
Valeur moyenne du signal sur une période T
X0 =
TT ò
Composante fondamentale ou 1er harmonique:
kième harmonique:
Exercices:
Trouver les développements en série de Fourier complexe de:
45 æ pö
x(t ) = sin w 0t x(t ) = 1 + sin w 0t + 2 cos w 0t + cosç 2w 0t + ÷
è 4ø
Représentation en Série de FOURIER (2/5)
1°) Ecrire S2(t) sous forme de série de Fourier complexe ou
exponentielle
&%
𝑆! 𝑡 = $ (𝑋" 𝑒 (()!"*) )
"#$%
2°) Ecrire S2(t) sous forme de série de Fourier sinusoïdal
&%
47
Représentation en Série de FOURIER (4/4)
Le spectre du signal
Exemples de Coefficients de Fourier
Pour ça ?
T=5t
At sin( nw 0t / 2)
Xn =
T nw 0t / 2
A t sin (n p f 0 t )
Xn =
T n p f0 t
48
Propriétés des Séries de FOURIER à TC (1/2)
FS
! Linéarité
z (t ) = a x(t ) + b y(t ) « Z k = a X k + b Yk
FS
! Décalage temporel x(t - t0 ) « X k e - jkw0t0
FS
! Inversion temporelle x(- t ) « X -k x(t) paire Xk paire
x(t) impaire Xk impaire
+¥
! Changement d ’échelle x(a t ) = åX k e j (aw 0 )kt
k = -¥
FS +¥
! Multiplication z (t ) = x(t ) y (t ) « Z k = åX Y l k -l
Convolution discrète
l = -¥
ì X -k = X k* Symétrie conjuguée
ï
x(t) réel í Re( X k ) : paire X k : paire
ïIm( X ) : impaire Ð X : impaire
î k k
! Relation de Parseval
+¥
1
= ò x(t ) dt = å X k
2 2
Pmoy
TT k = -¥
1 2
ò
jkw 0t 2
Pmoy (harm -k ) = X k e dt = X k
TT
æ 2p ö
jk ç ÷n
Ensemble des signaux périodiques avec la période N: Yk [n] = e è N ø
k = 0,±1,...
æ 2p ö æ 2p ö
j ( k + rN ) ç ÷n jk ç ÷n
Yk + rN [n] = e e j 2pnr = Yk [n]
Seulement N exponentielles distinctes è N ø
=e è N ø
k = -¥ k = -¥ k = -¥
51 k= N
å k
X
k= N
e jkw 0 n
= åX
k= N
k e N Temps Discret
Décomposition en Série de FOURIER (TD)
Tout signal discret périodique (période N) peut être représenté par une combinaison linéaire de N
exponentielles complexes discrètes reliées harmoniquement
Synthèse
2p
x[n] =
jk n
åX
k= N
k e jkw 0 n
= åX
k= N
k e N
2p
1 1
å x[n] e - jkw0n å x[n] e
- jk n
Xk = = N
Coefficient de Fourier N n= N N n= N
ou Coefficient spectral Analyse
FS 2p
- jk
x[n - n0 ]« X k e
n0
! Décalage temporelle N0
! Différenciation æ
FS 2p
ö
x[n] - x[n - 1]«çç1 - e N
- jk
÷Xk
÷
è ø
1
! Parseval Pmoy = å x[n ] 2
= å Xk
2
N n= N k= N
La réponse d ’un SLTI à une combinaison de plusieurs signaux d ’entrée peut se déterminer en faisant la somme
des réponses individuelles à chacun de ces signaux
Réponse du SLTI +¥
æ j k 2Np ö j k 2Np n
au signal y(t ) = å X k H ( j kw0 )e j kw 0 t
y[n] = å X k H çç e ÷e
÷
périodique k =-¥ k= N è ø
Coefficient de æ j k 2p ö
Fourier de la Yk = X k H ( j kw0 ) Yk = X k H ç e N ÷
54
sortie périodique ç ÷
è ø 54
Filtrage
Intérêt:
Changer la forme d ’un spectre, laisser passer certaines fréquences et en atténuer ou éliminer d’autres
Un filtre est un SLTI
Filtres sélectifs
Filtres idéaux Temps Continu Filtres idéaux Temps Discret
Passe Bas
Passe Haut
Passe Bande
55 Périodicité 2e jw :n = e j (w + 2p ) n
HF pour = (2k+1)
Exemple de filtre à TC
Résolution des équations différentielles à coefficients constants
1
H ( jw ) =
1 + RCjw
VS(t) + VR(t)
-
R
56
TRANSFORMÉE DE FOURIER
57
Transformée de FOURIER à TC (1/2)
Signaux périodiques +¥
Somme infinie d’exponentielles
Période T x(t ) = å k
X e jkw 0t complexes reliées harmoniquement
w0 = 2p / T k = -¥ Spectre discret apériodique
Puissance Finie
T /2
1
x(t )
Xk = ò x (t )e - jk w 0t
dt Xk
T -T / 2
0 T 2T t Série de Fourier 0 1 2 k
X ( jw ) = ò ( )
x(t) - jw t
x t e dt
-¥
58 0 T t
Transformée de Fourier Directe (Analyse)
58
Transformée de FOURIER à TC (2/2)
1 +¥ jw t +¥ j 2pf t
x(t ) = ò-¥ X ( jw ) e dw x(t ) = ò X ( f )e df
2p -¥
+¥ +¥
X ( jw ) = ò x (t ) e - jw t
dt X(f )= ò x (t ) e - j 2pf t
dt
-¥ -¥
Pulsation Fréquence
59
Quelques exemples de TF à TC
Signaux TF fréquence TF pulsation
d (t ) 1 1
1 d(f ) 2pd (w )
1
cos(2pf 0t ) = cos(w0t ) [d ( f - f 0 ) + d ( f + f 0 )] p [d (w - w0 ) + d (w + w0 )]
2
1 p
sin (2pf 0t ) = sin (w0t ) [d ( f - f 0 ) - d ( f + f 0 )] [d (w - w0 ) - d (w + w0 )]
2j j
1 1 1
u(t ) d ( f )+ pd (w ) +
2 j 2pf jw
ì1, t < a / 2 æw ö
x(t )í a sinc(pfa) a sinc ç a÷
î0, t > a / 2 è2 ø
+¥
1 1 +¥ æ kö 2p 2p +¥
æ 2p ö
PT (t ) = åd (t - kT )
k = -¥
P1 ( f ) =
T T å dç f - ÷
T k =-¥ è Tø T T
P2p ( jw ) =
T å d çw - k
k = -¥ è T ø
÷
60
Peigne de Dirac
Propriétés de la TF à TC (1/4)
TF
! Linéarité a x(t ) + b y (t ) « a X ( jw ) + b Y ( jw )
TF 1 æ wö
x(a t ) «
TF
! Changement d’échelle Xç j ÷ x(- t ) « X (- jw )
a è aø
Contraction Temporelle ( >1) Dilatation Fréquentielle
! Dualité
TF
x(t - t0 ) « X ( jw ) e - jw t0
TF
! Décalage x(t ) e jw 0t
« X ( j (w - w0 ))
TF
x(t - t0 ) « X ( jw ) e - j [ÐX ( jw )-w t0 ]
dx ( t )
TF dX ( jw )
! Dérivation
61
TF
« jw X ( jw ) - jt x( t ) «
dt dw
Propriétés de la TF à TC (2/4)
! Conjugaison TF
x (t ) « X * (- jw )
*
! Relation de Parseval
X ( jw )
2
+¥ +¥ +¥
1
x(t ) X ( jw ) X(f )
2 2 2
E= ò dt =
2p ò dw = ò df Densité Spectrale d’Energie
-¥ -¥ -¥ du signal x(t)
62 Energie total d’un signal = Energie par unité de temps intégrée sur tous les temps
= Densité spectrale d’énergie intégrée sur toutes les fréquences
Propriétés de la TF à TC (3/4)
! Convolution +¥
Recherchons la TF de y(t)=x(t)*h(t) y (t ) = ò x(t )h(t - t )dt
-¥
æ ö æ +¥ ö
ç
+¥ +¥
÷ - jwt +¥
ç ÷ Rappel: vrai si SLTI Stable
Y ( jw ) = ò ç ò x(t )h(t - t )dt ÷ e dt = ò x(t )ç ò h(t - t )e - jwt dt ÷ dt +¥
- ¥ç - ¥
è
+¥
÷
ø
-¥ ç -¥
è
+¥
÷
ø ò h(t ) dt < ¥
-¥
ò x(t )H ( jw )e = H ( jw ) ò x(t )e - jwt dt
- jwt
Y ( jw ) = dt = H ( j w ) X ( jw )
-¥ -¥
TF
y (t ) = x(t ) * h(t ) « Y ( jw ) = X ( jw ) H ( jw )
63
Propriétés de la TF à TC (4/4)
!Multiplication
Modulation d’amplitude
TF
signal modulé r (t ) = s(t ) p(t ) « R( f ) = S ( f )* P( f )
+¥
TF
Considérons l ’impulsion X ( f ) = d ( f - f0 ) « x(t ) = ò d ( f - f 0 )e
j 2p f t
df = e j 2p f t0
-¥
Un signal périodique se décompose en Série de Fourier
+¥ 1
x p (t ) = åX e
k = -¥
k
jk 2p f 0t
f0
= T période du signal
+¥
å d ( f - kf 0 )
+¥ +¥ k = -¥
x p (t ) = å ò
k = -¥
X k d ( f - kf 0 )e jk 2p ft df
... ...
-¥
-2f0 -f0 0 f0 2f0 3f0
+¥ f
æ +¥
ö jk 2p ft
ò å
x p (t ) = çç
- ¥è k = -¥
X k d ( f - kf 0 ) ÷÷ e
ø
df
xp(t)
T= 4 T1
-T 0 T1 T
Xk X p ( jw )
66
Signaux périodiques et TF à TC (3/3)
Tout signal périodique xp(t) peut être représenté comme la somme d’une suite infinie de translatées de x(t) motif
élémentaire sur [0, T] xp(t)
... ...
Or: x(t - kT ) = x(t )*d (t - kT )
-T 0 T 2T 3T t
+¥ X(f )
D ’où: x p (t ) = x(t ) * åd (t - kT ) = x(t )* PT (t )
k = -¥
æ 1ö
X ç- ÷
æ1ö
Xç ÷
è Tø è T ø X æç 2 ö÷
èT ø
Propriété de la convolution 1
f0 = f
1 T
X p ( f ) = X ( f ) . P1 ( f )
0 1/T 2/T 3/T
X p( f )
T T
+¥ +¥
1 æ kö 1 ækö æ kö
X p( f )= å X ( f )d ç f - ÷ = å
1 æ1ö
Xç ÷dç f - ÷ 1 æ 1ö
X ç- ÷
Xç ÷
T èT ø 1 Xæ 2 ö
T k =-¥ è T ø T k =-¥ è T ø è Tø T è Tø ç ÷
T èT ø
1 ækö 1
X ç ÷ = X (k f 0 )
67 La TF permet d’obtenir
Xk = 0
directement les coefficients de Fourier!
1/T 2/T 3/T f
T èT ø T
67
Réponse fréquentielle d’un SLTI
!SLTI régi par des équations différentielles linéaires à coefficients constants
N
d k y(t ) M d k x(t )
å
k =0
ak
dt k
= å bk
k =0 dt k
Y ( jw ) Hypothèse:
Propriété des SLTI: Y ( jw ) = H ( jw )X ( jw ) H ( jw ) =
X ( jw ) H(jw) existe (converge)
æ N d k y(t ) ö æ M d k x(t ) ö
Or: TF çç å ak k
÷÷ = TF çç å bk k ÷
÷
è k =0 dt ø è k =0 dt ø
éN kù éM kù
êå
ë k =0
a k ( jw ) ú
û
Y (w ) = ê å
ë k =0
bk ( jw ) ú X ( jw )
û
å b ( jw )
k
k
H ( jw ) = k =0
N
å ak ( jw )
k
68 k =0
Transformée de FOURIER à TD
Série de Fourier
Somme finie de N
2p
Signaux périodiques jk n exponentielles complexes
Période N x[n] = å Xk e N reliées harmoniquement
Puissance Finie Spectre discret et
k= N
2p périodique
1
å x[n]e
-jk n
x[n] Xk = N
Xk
N n= N
... ...
0 N 2N 01 N k
ò ( )
1
¥
x[n] =
Période N jw n d’exponentielles complexes
Energie Finie X e jw e dw
2p 2p Spectre continu et périodique
+¥
( ) å x[n] e
x[n] - jw n X(ej )
X e jw =
n = -¥
69
0 N n 0 2p
Transformée de Fourier Directe (Analyse)
Principales paires de
la Transformée de
Fourier Temps
Discret
70
70
Propriétés de la Transformée de FOURIER à TD (1/5)
! Périodicité (
X e j (w +2p ) = X e jw ) ( )
( ) ( )
TF
! Linéarité a x[n] + b y[n] « a X e jw + b Y e jw
( )
TF
! Inversion temporelle x[- n] « X e - jw
( )e ( )
TF TF
x[n - n0 ] « X e x[n] e « X e j (w -w 0 )
! Décalage jw - jw n0 jw 0 n
! Dérivation
TF
(
x[n] - x[n - 1] « 1 - e - jw
)X (e )jw
- jn x[n] «
dX e jw
TF ( )
dw
71
Propriétés de la Transformée de FOURIER à TD (2/5)
! Changement d’échelle
72
Propriétés de la Transformée de FOURIER à TD (3/5)
( )
TF
! Conjugaison
x [n] « X * e - jw
*
{ ( )}
Re X e jw : paire ( )
X e jw : paire
Im{X (e w )}: impaire
j
Ð X (e w ): impaire
j
! Relation de Parseval
( )
X e jw 2
ò X (e )
+¥ 1 Densité Spectrale
1 jw 2
å x[n] dw = ò X ( f )
2 2
E= = df d’Energie
n=-¥ 2p 2p 0 du signal x(t)
73 Energie total d’un signal = Energie par unité de temps sommée sur tous les temps
= Densité spectrale d’énergie intégrée sur une période
Propriétés de la Transformée de FOURIER à TD (4/5)
! Convolution
( ) ( ) ( )
TF
y[n] = x[n]* h[n] « Y e jw = X e jw H e jw
+¥
Rappel: vrai si SLTI Stable å h[n]< ¥
n=-¥
74
Propriétés de la Transformée de FOURIER à TD (5/5)
! Multiplication
TF
y[n] = x1[n] x2 [n] « Y ( f ) = X1 ( f )* X 2 ( f )
ò ( ) ( )
1
Y ( f ) = X 1 (u )X 2 ( f - u )du =
ò X 1 e jq X 2 e jw - e jq dw
0
2p 2p
75
Signaux périodiques et TF à TD (1/2)
+¥
åd ( f - f0 - k )
k =-¥
+¥
Soit le peigne de X(f )= åd ( f - f0 - k ) ... ...
Dirac: k =-¥
0
TF +¥ f0-2 f0-1 f0 f0+1 f0+2 f
Montrons que: e j 2p f 0n « åd ( f - f
k = -¥
0 - k)
+¥
x[n] = ò åd ( f - f
1 1
ò X(f )e j 2p f n
df = 0 - k )e j 2p f n df (Hypothèse
0 0
k = -¥
0<f0<1 )
x[n] =
1 1
ò d ( f - f 0 )e j 2p f n df = ò d ( f - f 0 ) e j 2p f n df = e j 2p f
0 0 n
0 0
2p
x p [n] = åX
jk n
Un signal périodique se décompose en Série de Fourier e N
k
k= N
æ 1 +¥
æ k ö ö æ æ 1
kö ö
x p [n] = å Xkç òå d ç f - - l ÷ e j 2p f n df
ç l = -¥ è N ø
÷
÷
x p [n] = å ç è ò
X k ç d ç f - ÷ e j 2p f n df
Nø
÷
÷
k= N è0 ø k= N è0 ø
1
æ +¥ æ k öö
òå
x p [n] = çç
0 è l = -¥
X k d ç f - ÷ ÷÷ e j 2p f n df
è Nøø Train d’impulsions de Dirac
pondérées par les coefficients de
+¥
æ kö
å
Fourier périodiques et
76 Par identification X p( f )= Xk d ç f - ÷ situées aux fréquences f = k/N
l = -¥ è Nø
Signaux périodiques et TF à TD (2/2)
Tout signal périodique xp(t) peut être représenté comme la somme d’une suite infinie de translatées de x[n] motif
élémentaire sur [0, N] xp[n]
x[n]
x[n + N ] x[n] x[n - N ] x[n - 2N ]
... ...
0 N n 0 N 2N 3N
n
+¥
PN [n] = å D[n - kN ]
+¥
x p [n] = å x[n - kN ]
k = -¥
k = -¥
... ...
Or: x[n - kN ] = x[n]* D[n - kN ]
-N 0 N 2N 3N t
+¥
D ’où: x p [n] = x[n]* å D[n - kN ] = x[n]* P [n]
k = -¥
N
X(f)
æ1ö
Xç ÷
Propriété de la convolution ... èNø ...
1
X p ( f ) = X ( f ). P1 ( f ) 0 1 f
N N
+¥ +¥ Xp (f)
1 æ kö 1 ækö æ kö
X p( f )=
N å
k = -¥
X ( f )d ç f - ÷ =
è Nø N å Xç ÷dç f - ÷
k = -¥ è N ø è Nø
1 æ 1ö
Xç ÷
N èNø
... ...
77 1 ækö 1 ækö La TF permet d’obtenir 0 1/N 1
Xk = Xç ÷ = Xç ÷ f
N èNø N èNø directement les coefficients de Fourier!
77
Réponse fréquentielle d’un SLTI
!SLTI régi par des équations différentielles linéaires à coefficients constants
N M
å ak y[n - k ] = å bk x[n - k ]
k =0 k =0
æ N
ç å ak e
ç
- jw k ÷Y e
÷
( )
ö jw æ M
= ç
ç å bk e - jw k ö
÷ X e jw
÷
( )
è k =0 ø è k =0 ø
M
å bk e- jw k
( )
H e jw = k =0
N
å ak e- jw k
78 k =0
Résumé Séries de Fourier - Transformées de Fourier
Spectre discret
Signaux périodiques
apériodique
x(t ) w0 = 2p / T +¥
1
T /2 Xk
x(t ) = åX k e jkw 0t
Xk = ò x(t )e - jkw 0t dt
k = -¥ T -T / 2
0 T 2T t
012 k
Spectre continu
Signaux apériodiques
apériodique
X(jw)
x(t) 1 +¥ +¥
x(t ) = X ( jw )e
jw t
2p ò
-¥
dw X ( jw ) = ò x (t )e - jw t
dt
-¥
0 T t
w
Spectre discret
Signaux périodiques
périodique
x[n] 2p 2p
jk n 1 Xk
å x[n]e
-jk n
... x[n] = å Xk e N Xk = N
k= N
N n= N
0 N 2N
01 N k
Spectre continu
Signaux apériodiques
périodique
x[n] X(e jw)
+¥
ò ( )e dw X (e ) = å x[n] e- jw n
1
x[n] = jw jw n jw
X e
79 2p 2p
n = -¥
w
0 N n 0 2p
79
Représentation en Amplitude et en Phase de la TF (1/2)
SLTI Y ( jw ) = H ( jw ) X ( jw ) ( ) ( ) ( )
Y e jw = H e jw X e jw
D ’où: Y ( jw ) = H ( jw ) X ( jw ) ÐY ( jw ) = ÐH ( jw ) + ÐX ( jw )
80
Représentation en Amplitude et en Phase de la TF (2/2)
Phase Linéaire et Phase Non Linéaire
H ( jw ) = e- jw t0 ( )
H e jw = e- jw n0
H ( jw ) = 1 ÐH ( jw ) = -w t0 ( )
H e jw = 1 ( )
ÐH e jw = -w n0
Phase linéaire avec w Phase linéaire avec w
81
Amplitude Logarithmique-Diagramme de Bode
Intérêt de l’échelle logarithmique log Y ( jw ) = log H ( jw ) + log X ( jw ) Les amplitudes
log H ( jw ) = log H1( jw ) + log H 2 ( jw ) s’ajoutent ...
82
Bande passante et Largeur de bande
• Bande passante • Largeur de bande
– Caractérise un système – Caractérise un signal
– Module de la réponse en fréquence – Densité Spectrale
– Définie à -3dB (1/ 2) (Pm/2) – Espace des fréquences utiles !
83
Filtre non idéaux
- wc - -
cw
-p 0 c p 2p
2p c
84
Système du 1er ordre à TC (1/2)
Système du 1er ordre
dy (t )
t + y (t ) = x(t ) t >0 Constante de temps
dt
Ex: R
C Rapidité de réponse du
x(t) + y(t)
système
-
1
H ( jw ) =
dy ( t ) jwt + 1
RC + y ( t ) = x (t )
dt
t
1 -
h(t ) = e u (t )
Réponse impulsionnelle t
€
t
é - ù
t
s(t ) = h(t ) * u (t ) = ê1 - e ú u (t )
Réponse indicielle t
ë û
85
Système du 1er ordre à TC (2/2)
(
20 log10 H ( jw ) = -10 log10 (tw ) + 1
2
) Diagramme de Bode
tw << 1 Þ 20 log10 H ( jw ) @ 0
Ð H ( jw ) = - Arctan(tw )
FIG 6.20 449
tw << 1 Þ Ð H ( jw ) @ 0
tw >> 1 Þ Ð H ( jw ) @ -p / 2
æ 1ö
w = 1 / t Þ Ð H ç j ÷ = -p / 4
è tø
86
Système du 2nd ordre à TC
d 2 y(t ) dy (t )
Système du 2nd ordre
+ 2xw n + w n
2
y (t ) = w n x(t )
2
wn 2 dt 2 dt
H ( jw ) =
( jw )2 + 2xw n ( jw ) + w n 2
wn2 c1 = -xw n + w n x 2 - 1
H ( jw ) =
( jw - c1 )( jw - c2 ) c2 = -xw n - w n x 2 - 1
H ( jw ) =
M
-
M wn w n : Fréquence propre
M =
jw - c1 jw - c 2 2 x 2 -1 x : Facteur d’amortissement
[ ]
h(t ) = M ec1t - ec2t u(t )
Régime Amorti
x > 1 Þ c1 et c2 réels et < 0 h(t) = différence de 2 exponentielles réelles décroissantes
Régime Pseudo-Périodique
0 < x < 1 Þ c1 et c2 complexes
87
h(t ) =
w n e -xw t
2 j 1-x
n
2
{exp[j(w n )] [ ( ) ]}
1 - x 2 t - exp - j w n 1 - x 2 t u (t )
1
Q= Facteur de qualité
2x
Amplification pour < 0.7
1
H ( jw ) = 2
æ w ö æ w ö
çç j ÷÷ + 2x çç j ÷÷ + 1
è wn ø è wn ø
ìé 2 2
ù 2ü
ï æ w ö 2æ w ö ï
20 log10 H ( jw ) = -10 log10 íê1 - çç ÷÷ ú + 4x çç ÷÷ ý
ïîêë è w n ø úû è wn ø ï
þ
ì 0 pour w << w n
20 log10 H ( jw ) @ í
î- 40 log10 w + 40 log10 w n pour w >> w n
æ 2x (w / w n ) ö
Ð H ( jw ) = - Arctançç ÷
2 ÷
è 1 - (w / w n ) ø
ì 0 w << w n
88 Ð H ( jw ) = í
î- p w >> w n
88
Système du 1er ordre à TD (1/2)
Système du 1er ordre y[n] - ay[n -1] = x[n] a <1
Rapidité de réponse du système
( )
H e jw =
1
s[n] = h[n]* u[n] =
1 - a n+1
u[n]
1 - ae - jw h[n] = a u[n]
n
1- a
89
89
Système du 1er ordre à TD (2/2)
( )
H e jw =
1 æ a sin w ö
Ð H ( jw ) = - Arctanç ÷
(1 - a 2
- 2a cos w )
1/ 2
è 1 - a cos w ø
90
Système du 2nd ordre à TC
Système du 2nd ordre y[n] - 2r cosq y[n - 1] + r 2 y[n - 2] = x[n]
Équivalent au système du 2nd ordre en Temps
H (e ) =
jw 1
Continu en régime pseudo-périodique
1 - 2r cosq e - jw + r 2 e - j 2w Pour =0 régime critique
( )
H e jw =
1
H (e jw ) =
A B
1 - (re jq
)e - jw
1 - (re - jq
)e - jw
A=
e jq
2 j sin q
B=
e - jq
2 j sin q
[(
h[n] = A re jq )
n
(
+ B re- jq ) ]u[n] = r
n n sin[(n + 1)q ]
sin q
u[n]
q =0
( )
H e jw =
1
h[n] = (n + 1) r n u[n]
(1 - r e ) - jw 2
q =p
91
( )
H e jw =
1
h[n] = (n + 1)(- r ) u[n]
n
(1 + r e ) - jw 2
TRANSFORMÉE DE LAPLACE
92
Transformée de LAPLACE
A) Intérêt de la Transformée de Laplace
- Une grande partie des signaux peuvent se représenter comme une combinaison d ’exponentielles complexes
périodiques e st = e jwt , fonctions propres des SLTI, MAIS PAS TOUS ….
Transformée de Laplace = Généralisation de la Transformée de Fourier en Temps
Continu avec s = 𝝈 + j w
- Permet l’étude de la stabilité des systèmes et la résolution des équations différentielles à
coefficients constants
TL
B) Définition de la Transformée de Laplace Bilatérale x(t ) « X (s ) = TL{ x(t ) }
+¥
X (s ) = ò x(t ) e - st dt avec s = s + jw
-¥
Rappel:
! Réponse d’un SLTI de réponse impulsionnelle h(t) à un signal d ’entrée exponentiel complexe est
+¥
93 y(t ) = H (s ) e st avec H (s ) = ò h(t ) e - st dt Fonction de transfert du système
-¥
93
Transformée de LAPLACE et TF
Im
Quand: s = jw
s = jw Plan-s
+¥
X (s ) s = jw = X ( jw ) = ò x(t ) e - jw t dt = TF { x(t ) }
-¥
Transformée de Laplace = Transformée de Fourier de x(t)
Re
Remarque:
+¥ +¥
X (s ) s =s + jw = ò x(t ) e dt =-s t
ò x(t ) e -(s + jw ) t dt
-¥ -¥
ò [x(t ) e ] e { }
+¥
X (s ) = -s t - jw t
dt = TF x(t ) e -s t
-¥
Transformée de Laplace = Transformée de Fourier du signal x(t) multiplié par une exponentielle réelle
e -s t = exponentielle réelle croissante ou décroissante dans le temps selon si 𝜎 est positif ou négatif
94
Propriétés de la Transformée de LAPLACE
TL
! Linéarité a x(t ) + b y (t ) « a X (s ) + b Y (s )
! Décalage TL
x(t - t0 ) « X (s )e
TL
x(t ) e « X (s - s0 )
- s t0 s0 t
( ) ( )
TL
! Conjugaison
x (t ) « X * s *
* si x(t) réel ( ) = * *
Si pôles et zéros complexes s paires complexes
X s X
conjuguées
TL
! Convolution x(t ) * y (t ) « X (s ) Y (s )
dX (s )
TL
! Dérivation dx ( t ) TL - t x( t ) «
↔ s X ( s) − x(0) ds
dt
95 d 2 x ( t ) TL 2
2
↔ s X ( s) − px(0) − x'(0)
dt
Causalité et stabilité des SLTI (1/3)
Fonction de Transfert d’un SLTI: Y (s ) = H (s ) X (s ) avec H (s ) = TL{ h(t ) }
N (s )
Õ (s - z )j
N ordre de la fonction de transfert
H (s ) =
j =1 Pôles et zéros
=K
D(s ) N
réels ou paires complexes
Õ (s - p )
i =1
i conjuguées
! Propriété 1
Pour un système est réel, donc causal, la fonction de transfert H(s) est telle que: M £N
! Propriété 2
Région de Convergence de H(s) fonction rationnelle,
SLTI CAUSAL =
96 1/2 plan droit, à droite du pôle le plus à droite
Causalité et stabilité des SLTI (2/3)
[ ]u(t ) 1 h(t ) causal
TL
h(t ) = e - e « H (s ) =
Exemple: -t - 2t
( s + 1)(s + 2)
Re
-2 -1
! Propriété 3
Un SLTI CAUSAL possédant une fonction de transfert H(s) rationnelle est STABLE,
si et seulement si tous les pôles de H(s) sont situés dans le demi-plan gauche [Re(s)<0]
du plan de Laplace, axe imaginaire exclu
97
Causalité et stabilité des SLTI (3/3)
Exemples:
TL 1 TL 1
h1 (t ) = e - 2t
u(t ) « H1 (s ) = h2 (t ) = e u (t ) « H 2(s ) =
2t
( s + 2) ( s - 2)
SLTI CAUSAL SLTI CAUSAL
Im Im
Plan-s Plan-s
Re Re
-2 2
STABLE INSTABLE
Propriété générale
99
Réponse fréquentielle d’un SLTI (1/3)
!SLTI régi par des équations différentielles linéaires à coefficients constants
N
d k y(t ) M d k x(t )
å
k =0
ak
dt k
= å bk
k =0 dt k
æ N d k y(t ) ö æM d k x(t ) ö
Linéarité + dérivation: å
TLçç ak
è k =0
k
dt ø
÷÷ = TLçç bkå
è k =0 dt øk ÷
÷
æ N ö æM ö
ç å ak s ÷Y (s ) = ç å bk s k ÷ X (s )
k
ç ÷ ç ÷
è k =0 ø è k =0 ø
Fonction de Transfert åb s k
k
H (s ) = k =0
N
100
åa s
k =0
k
k
Réponse fréquentielle d’un SLTI (2/3)
Exemple 1: R L
lllllll
+
d 2 y(t ) dy (t ) +
LC 2
+ RC + y(t ) = x(t ) x(t) C y(t)
dt dt -
1 / LC
H (s ) =
s 2 + (R / L )s + (1 / LC )
A.N.
R=1kΩ C=1𝜇F L=0.01H
p1 = -9.9 E4 p2 = -0.1 E4
Système causal et Re(p1) et Re(p2) <0 Système STABLE
[
y(t ) = e -t
-e - 2t
]u(t ) TL
« Y (s ) =
1
( s + 1)(s + 2)
Re(s) > -1
( s + 3) s+3
La fonction de transfert est: H (s ) = = 2
( s + 1)(s + 2) s + 3s + 2
d 2 y(t ) dy (t ) dx(t )
102 +3 + 2 y(t ) = + 3x(t )
dt 2 dt dt
Transformée de LAPLACE inverse (1/4)
x(t) peut être représenté comme une intégrale pondérée d ’exponentielles complexes
103
Transformée de LAPLACE inverse (2/4)
Pôles simples
On suppose pour commencer que d°(N(p))<d°(D(p)) et que les pôles pi de F(p) sont simples
N ( p)
F( p) = pi ≠ pj si i ≠ j
( p − p1)( p − p2 )......( p − pm )
F( p) =
A1
+
A2
+ ....+
Am Ai = F( p)( p − pi ) p=pi
€
p − p1 p − p2 p − pm
Ai 2 = F( p)( p − pi )
2
Ai1 =
(
d F( p)( p − pi )
2
)
p=pi € dp p=pi
On en déduit que la contribution des fractions simples dues aux pôles doubles sont:
€
€
Exemple: 3p 3p
F( p) = 2
= 2
=
p + 4 p + 2 ( p + 2)
€ f ( t) = ( e −t − e −2t ) µ ( t)
105
f(t) = [3 e(-2t) – 6t e (-2t)]u(t)
Transformée de LAPLACE inverse (4/4)
Fraction rationnelle quelconque
Dans le cas général, il se peut que l'on ait non seulement des pôles multiples, mais également que le
d°(N(p))≥d°(D(p)). Il suffit alors de commencer par procéder à la division du polynôme N(p) par D(p)
Q( p) D( p) + R( p) R( p)
F( p) = = Q ( p) + avec d°( R) < d°( D)
D( p) D( p)
( )
f ( t ) = q0δ ( t ) + q1δ ' ( t ) + ......+ qkδ ( k−1) ( t ) + .....
Exemple:
p 3 + 3p 2 + 4 p + 3 p+2 p+2
€ F( p) = 2
= p +1+ 2 = p +1+ 2
p + 2p +1 p + 2p +1 ( p +1)
1 1
F( p) = p +1+ 2
+
( p +1) ( p +1)
106
f ( t) = δ '( t) + δ ( t) + ( te −t + e −t )ε ( t)
NUMÉRISATION
ECHANTILLONNAGE
107
Numérisation – Échantillonnage (1/2)
Sous certaines conditions, un signal Temps Continu peut être reconstitué parfaitement en ne connaissant ses
valeurs qu’ en certains points espacés régulièrement dans le temps (échantillons):
Théorème de l ’échantillonnage
ECHANTILLONAGE D’UN SIGNAL CONTINU
S (n )
s (t)
?
-n m nm
Représentation fréquentielle
du signal continu
Te 1
108 ne = = fréquence d’échantillonage
signal échantillonné se(t) Te
Numérisation – Échantillonnage (2/2)
Opération d’échantillonnage
x e (t)
xe (t ) = x(t ) . pT (t )
+¥
pT (t ) = å d (t - nT )
n = -¥
xe
(t)
+¥
xe (t ) = å x(nT ) d (t - nT )
n=-¥
S e (n )
- 2n e -n e 0 ne 2n e
Comment retrouver le signal continu ?
110
Spectre et reconstruction (2/2)
- 2n e -n e 0 ne 2n e
S e (n )
- 2n e -n e 0 ne 2n e
-./",0%&'()*+),"%
-./",0%&'()*+),"%
échantillonnage
!"#$%&'()*+), !"#$%&1+%'0"*
numérisation
-./",0%&1+%'02*"%
bloqueur -./",0%&1+%'02*"%
(ordre 0)
!"#$%&'()*+), !"#$%&1+%'0"*
112
Représentation des signaux discrets
Distribution :
Fonction :
Suite :
113
Reconstruction du signal à temps continu
THEOREME DE SHANNON
Un signal continu s(t) à spectre borné est entièrement connu par une suite
infinie d’échantillons s(kT0) de s(t) si la période d’échantillonnage respecte la relation
:
Variante
114
Numérisation – Échantillonnage (4/4)
Théorème de l’échantillonnage ( Théorème de Shannon ou Théorème de Nyquist)
w s > 2w M
où 2p
ws =
T
A partir de ces échantillons, il est possible de reconstruire x(t) en générant un train d’impulsions
dont les impulsions successives ont pour amplitude la valeur des échantillons. Ce train
d’impulsions est alors filtré par un filtre passe-bas idéal de gain T et de fréquence de coupure
supérieure à wM et inférieure à ws -wM . Le signal résultant sera alors exactement égal à x(t)
115
Reconstruction d’un signal TC à partir de ses échantillons
Exemple 2
en utilisant un filtre passe-bas idéal
Xe(jw)
xe
(t)
Système d’échantillonnage
et de reconstruction
Spectre de x(t)
Xe(jw)
Spectre de xe(t)
Spectre de xr(t)
116
Reconstruction d’un signal à partir des échant (1/2)
Interpolation: Ajustement d’un signal continu à un ensemble d ’échantillons pour reconstruire une fonction soit
de manière approximative, soit de manière exacte
Interpolation linéaire
x e (t)
xe
(t)
x e (t)
118
Numérisation - Échantillonnage
3) Interpolation avec un bloqueur d’ordre 1 : interpolation linéaire
x e (t)
x e (t)
119
Numérisation – Échantillonnage à TD (1/3)
1) Echantillonnage d’un signal discret
x[n] x xe [n]
ì x[n], si n = multiple de N
xe [n] = í
î 0, autrement ¥
p[n] = å D[n - kN ]
k =-¥
¥
xe [n] = x[n] p N [n] = å x[kN ] D[n - kN ]
k = -¥
( )
X e e jw =
1
2p ò P(e
jq
) X (e (w q ) ) dq
j -
2p
( )
+¥
2p
Pe jw
=
N
åd (w - kw s )
k =-¥
2p
w s > 2w M
Xe(e jw)
ws = x e [n]
N
Spectre périodique,
N -1
( ) å ( )
1 superposition des Xe(e j )
( )
X e e jw
( )
H e jw
( )
X r e jw
121
Numérisation – Échantillonnage à TD (3/3)
2) Décimation ou sous-échantillonnage
xe [n] est nul entre les instants d ’échantillonnage séquence inefficace pour la transmission ou le stockage
Solution: créer une nouvelle séquence xd [n] identique à xe [n] aux instants d’échantillonnage
+¥
( ) = å x [k ] e
Xd e jw
d
- j kw
k = -¥
+¥
( ) = å x [kN ] e
Xd e jw
e
- j kw
k = -¥
x e [n]
+¥ n
Xd e( ) = å x [n] e
jw
e
- jw
N
n = multiple de N
+¥ n
æ j wN ö
122
x d [n]
( ) = å x [n] e
Xd e jw
e
- jw
N
= X e çç e ÷÷
n = -¥ è ø
Quantification et codage
123
TRANSFORMÉE EN Z
124
Transformée en Z
A) Intérêt de la Transformée en Z
TZ
B) Définition de la Transformée en Z x[n] « X (z ) = TZ { x[n] }
+¥
X (z ) = å
n = -¥
x[n] z - n avec z = r e jw
Rappel:
! Réponse d’un SLTI de réponse impulsionnelle h[n] à un signal d’entrée exponentiel complexe zn
+¥
Remarque:
+¥ +¥
X (z ) z = re jw = å (
x[n] re jw - n
) = å { x[n] r }e -n - jw n
n = -¥ n = -¥
+¥
X (z ) = å { x[n] r }e
n = -¥
-n - jw n
{
= TF x[n] r -n }
Transformée en Z = Transformée de Fourier du signal x[n] multiplié par une exponentielle réelle
126
Transformée en Z (1/2)
A) Exemple x[n] = a nu[n]
+¥ +¥
X (z ) = å a u[n] z å (az ) az -1 < 1 Û z > a
-n -1 n Converge si
Transformée en z: n
=
n = -¥ n =0
1 z
X (z ) = =
1 - az -1 z - a
Région de convergence de la transformée en Z
a >1
a <1 Im
Plan- Plan-
z Im z
1 1
a Re a Re
La région de convergence
contient le cercle unité, La région de convergence ne
127 TF{x[n]} converge contient pas le cercle unité,
TF{x[n]} ne converge pas
Conclusion : Transformée en Z (2/2)
- La transformée de Fourier ne converge pas pour tous les signaux
- La transformée en Z converge pour certaines valeurs de z , |z| >a et pas pour d ’autres
- Si a <1, X(z) peut être évalué en z = ejw, la TF et la TZ de x[n] existent
- Si a >1, X(z) ne peut être évalué en z = ejw, la TF de x[n] n ’existe pas alors que la TZ existe
1
a Re
1Re
a
La région de convergence ne
La région de convergence
128 contient pas le cercle unité, TF{x[n]} ne
contient le cercle unité, TF{x[n]} converge
converge pas
Propriétés de la transformée en Z
TZ
! Linéarité a x[n] + b y[n] « a X (z ) + b Y (z )
TZ
! Décalage temporel x[n - n0 ] « X (z ) z -n0 z-1 Opérateur retard unité
Im Im
z 0 = e jw 0
C1 C1
TZ æ zö
! Changement d ’échelle dans Z x[n] z0 « X çç ÷÷
n
è z0 ø
0
Re Re
( )
TZ
! Inversion temporelle x[- n] « X z -1
( ) ( )
! Conjugaison TZ
x [n] « X * z *
* si x[n] réel X (z ) = X * z *
pôle (ou zéro) en z=z0 pôle (ou zéro) en z = z*0
TZ
! Convolution x[n] * y[n] « X (z ) Y (z )
TZ dX (z )
! Dérivation dans Z
129 n x[n] « - z
dz
PROPRIÉTÉS DE LA TRANSFORMÉE EN Z
130
Causalité et stabilité des SLTI (1/3)
Fonction de Transfert d ’un SLTI: Y ( z ) = H (z ) X ( z ) avec H (z ) = TZ { h[n] }
N (z )
Õ (z - z )
j
N ordre de la fonction de transfert
H (z ) =
j =1 Pôles et zéros
=K
D( z ) N
réels ou paires complexes
Õ (z - p )
i =1
i conjuguées
! Propriété 1
1) M £N
SLTI CAUSAL 2) Région de Convergence de H(z) fonction rationnelle
=
Région strictement extérieure au cercle associé au pôle le
plus éloigné du centre
131
Causalité et stabilité des SLTI (2/3)
z3 - 2z 2 + z
Exemple 1: H (z ) = 2 SLTI non causal, M>N
z + 0.25 z + 0.12
1 1
Exemple 2: H (z ) = + z >2 1) RC à l ’extérieur du pôle le + éloigné
1 - 0.5 z -1 1 - 2 z -1 2) M=N
2 z 2 - 2.5 z Donc le système est causal
H (z ) = 2 z >2
z - 2.5 z + 1
éæ 1 ö n ù
h[n] = êç ÷ + 2 n ú u[n]
êëè 2 ø úû
! Propriété 2
Un SLTI CAUSAL possédant une fonction de transfert H(z) rationnelle est STABLE,
si et seulement si tous les pôles de H(z) sont situés à l’intérieur strictement du cercle unité
du plan Z c ’est à dire | pi |< 1 i
132
Causalité et stabilité des SLTI (3/3)
Exemples: 2 pôles:
1
H (z ) = z1 = re jq
1 - (2r cosq )z -1 + r 2 z -2 z2 = re- jq
Im
Plan-z Im Plan-z
r
r
1 1
Re Re
STABLE INSTABLE
Propriété générale
TZ 1 z
Exemple: h[n] = a u[n] « H (z ) =
n
= z>a
1 - az -1 z - a
Im Plan-z v2 = z - a
Soit les vecteurs :
C1 jw
v1 = z = e j
z=e
v1
w
v2 Réponse fréquentielle : ( )
H e jw =
1
1 - ae - jw
a 1 Re v2 = z - a = r v1 = 1
1
H ( jw ) = Arg{ H ( jw ) } = w - j
r
134
TRANSFORMÉE EN Z
N (z )
Õ (z - z )
j
Cas général H (z ) =
j =1
=
D( z ) N
Õ (z - p )
i =1
i
Le module de la réponse fréquentielle est égal au produit des modules des vecteurs reliant les zéros au point z
=e j du cercle unité divisé par le produit des modules des vecteurs reliant les pôles à ce même point z
La phase de la réponse fréquentielle est égale à la somme des arguments des vecteurs correspondant aux zéros
moins la somme des arguments des vecteurs correspondant aux pôles
135 Un vecteur correspondant à un pôle situé près du cercle unité aura un module faible et donc entraînera une
valeur importante de la réponse fréquentielle (phénomène de résonance)
Quelques exemples de Transformée en Z
136
Réponse fréquentielle d’un SLTI (1/2)
!SLTI régi par des équations différentielles linéaires à coefficients constants
N M
å a y[n - k ] = å b x[n - k ]
k =0
k
k =0
k
Y (z )
Propriété des SLTI: Y ( z ) = H ( z )X ( z ) H (z ) =
X (z )
æ N ö æ M ö
Linéarité + décalage temporel: TZ ççå
è k =0
ak y[n - k ]÷÷ = TZ çç
ø è k =0
å
bk x[n - k ]÷÷
ø
æ N -k ö æM ö
å
è k =0 ø è k =0
å
çç ak z ÷÷Y (z ) = çç bk z -k ÷÷ X (z )
ø
åb z k
-k
Fonction de Transfert H (z ) = k =0
N
137
åa z
k =0
k
-k
Réponse fréquentielle d’un SLTI (2/2)
Exemple : Déterminer la réponse impulsionnelle du SLTI causal caractérisé
1 1
par l’équation suivante:
y[n] - y[n - 1] = x[n] + x[n - 1]
2 3
é 1 -1 ù é 1 -1 ù
1+ z
1 1 ê1 + 3 z ú Y (z ) ê 3 ú
Y (z ) - z -1Y (z ) = X (z ) + z -1 X (z ) Y ( z ) = X ( z )ê H (z ) = =ê ú
2 3 1 ú ( )
X z ê1 - 1 z -1 ú
ê1 - z -1 ú
ë 2 û ë 2 û
é ù é ù
ê 1 ú 1ê z -1
ú Plan-z Im
H (z ) = ê ú + ê
1 -1 3 1 -1 ú
ê1 - z ú ê1 - z ú
ë 2 û ë 2 û
Pôle en zp = 1/2, 1
Table + linéarité+ décalage temporel Zéro en zz = -1/3 Re
n n -1
æ1ö 1 æ1ö
h[n] = ç ÷ u[n] + ç ÷ u[n - 1]
è 2ø 3 è 2ø
138
|zp| < 1 SLTI STABLE
Représentation en diagramme d’un SLTI
!SLTI régi par des équations différentielles linéaires à coefficients constants
Exemple 1: 1
SLTI du 1er ordre H (z ) =
1
1 - z -1
4
Trouver l ’équation aux différences caractérisant le SLTI causal et donner le diagramme bloc du système:
1 +
y[n] - y[n - 1] = x[n]
x[n] y[n]
+
4 +
1
y[n] = y[n - 1] + x[n] z-1
4
1/4
139
1 1
Exemple 2: H (z ) = =
æ 1 -1 öæ 1 -1 ö 1 -1 1 - 2
ç 1 + z ÷ç 1 - z ÷ 1 + z - z
è 2 øè 4 ø 4 8
Trouver l ’équation aux différences caractérisant le SLTI causal et 3 diagrammes-bloc possibles du système:
1 1
y[n] + y[n - 1] - y[n - 2] = x[n]
4 8
1 1
1) y[n] = - y[n - 1] + y[n - 2] + x[n]
4 8
Forme directe
æ ö æ ö
ç 1 ÷ ç 1 ÷
2) H (z ) = ç ÷ ç ÷
1
ç 1 + z -1 ÷ 1
ç 1 - z -1 ÷
ç ÷ ç ÷
è 2 ø è 4 ø
Forme cascade
æ ö æ ö
ç 2 / 3 ÷ ç 1/ 3 ÷
3) H (z ) = ç ÷+ç ÷
1 1
ç 1 + z -1 ÷ ç 1 - z -1 ÷
ç ÷ ç ÷
è 2 ø è 4 ø
140
Forme parallèle
140
Transformée en Z inverse
141
FILTRAGE NUMERIQUE
142
Analyse et Synthèse de filtres numériques
Ø Un système dynamique discret (ou filtre discret) est régi par une équation récurrente de
la forme :
p q
sn = ∑ ai en−i − ∑ bj sn−j
i =0 j =1
€
Ø En appliquant la transformée en z sur l’équation récurrente on obtient:
p
p q $ q ' p S( z)
∑a z i
−i
S( z) = ∑ ai z −i E( z) − ∑ bj z −i S( z) S( z)&1+ ∑ bj z ) = ∑ ai z −i E( z)
−i
H ( z) = = i =0
q
% j =1 ( i =0 E( z)
i =0 j =1 1+ ∑ bj z −i
j =1
Transmittance en z du filtre
€
Analyse et Synthèse de filtres numériques
p
S( z)
∑a z i
−i
i =0
H ( z) = = q
E( z)
1+ ∑ bj z −i
j =1
a0 z
E( z) = 1 ⇒ S( z) = H ( z) =
z + b1
n
Ceci admet comme transformée inverse sn = a0 (− b1)
€
€
Analyse des filtres purement récursifs du 1er ordre
Ø Ces filtres sont régis par l’équation récurrente : sn = a0 en − b1sn−1
C’est à dire la transmittance a0 a0 z
H ( z) = =
1+ b1z −1 z + b1
€
z
€ az z
E( z) = ⇒ S( z) = H ( z) ⋅ E( z) = 0 ⋅
z −1 z + b1 z − 1
− a0 b1
A1 =
S( z) − b1 − 1
€1) az 1 S( z) A1 A
= 0 ⋅ = + 2
z z + b1 z − 1 z z + b1 z − 1 a0
A2 =
1+ b1
€
n
A1z Az sn = A1(− b1) + A2 ⋅ un
2) S( z) = + 2
€ z + b1 z − 1€
€
€
Analyse des filtres purement récursifs du 1er ordre
Ø Ces filtres sont régis par l’équation récurrente : sn = a0 en − b1sn−1
C’est à dire la transmittance a0 a0 z
H ( z) = =
1+ b1z −1 z + b1
€
H ( z) =
a0
=
a0 z€ Pour évaluer la réponse fréquentielle il faut remplacer z = e Te p = e jwTe
1+ b1z −1 z + b1
a0 a0
⇒ H ( jw) = =
€ 1+ b1e −jwTe 1+ b1 cos( wTe ) − jb1 sin( wTe ) €
a0 a0
1) ⇒ H ( jw) =
2 2
⇒ H ( jw) =
(1+ b1 cos( wTe )) + ( b1 sin( wTe )) 1+ 2b1 cos( wTe ) + b12
€
$ b sin( wT ) '
2) ⇒ ∠H ( jw) = Arg( H ( jw)) = Arctg& 1 e
)
€ € ( wTe ) (
%1+ b1 cos
Application : Tracer la réponse fréquentielle pour a0=1 et b1=1 avec w = 2πf
f 1
€
fe > 2 f ⇒ <
fe 2
Tracer le module de H(jw) en fonction de f/fe et la phase de H(jw) en fonction de f/fe
Synthèse des filtres récursifs
Connaissant les formes de réponses temporelle ou fréquentielle, l’équation
différentielle entre l’entrée et la sortie, le problème consiste à retrouver la
transmittance : H ( z)
du filtre discret.
Il existe plusieurs méthodes de synthèse des filtres récursifs :
o Les€méthodes basées sur l’invariance impulsionnelle ou indicielle
o Les méthodes basées sur les équations différentielles (Euler, rectangle,
tranpèze)
o Les méthodes basées sur une réponse fréquentielle entrant dans un
gabarit donné (Transformée bilinéaire).
Synthèse des filtres récursifs
Ø Méthode de l’invariance impulsionnelle :
1
Soit le système de transmittance H ( p) =
1+ τp
La méthode de l’invarance impulsionnelle consiste à déterminer l’original h(t) et à calculer
la transformée en z de h(t)
€
t
1 1 −τ 1 − e
nT
1 z
H ( p) = ⇒ h( t) = e ⇒ hn = h ( nTe ) = e τ ⇒ H (z) =
τ τ Te
1+ τp τ z−e
−
τ
1 1 1 A A
S( p) = H ( p) ⋅ E( p) e( t) = u( t) ⇒ E( p) = S( p) = H ( p) ⋅ = = 1+ 2
p p p(1+ τp) p p+1
€ t
τ
1 1 − ∞
z z
A1 = 1 A2 = −1 S( p) = − ⇒ s( t) = 1− e τ S( z) = ∑ s( nTe )z −n = −
p p+1 z −1 −
Te
n=0
τ z− e τ
€
€
€ € $ ' Te
S( z) & z z ) ⋅ z − 1 = 1− z − 1 −
H ( z) = = − 1− e τ
E( z) & z −1 T
− e )€ z T
− e
€ H z =
() Te
% z− e τ ( z− e τ −
z− e τ
€ €
Synthèse de filtres récursifs (RII)
Méthodes :
jj (a )
A(a ) e
sin(2pn 2 (t - a))
sin(2pn 2t )
j (a ) = -a a
0.8
0.6
0.4
0.2
-0 . 2
-0 . 4
-0 . 6
-0 . 8
-1
x 10
4
-3
FIN DU COURS
0.3
0.25
0.2
0.15
F
0.1
0.05
-0 . 0 5
0 2 4 6 8 10 12 14 16 18 20