Cours Ts Master M3e

COURS CAPTEURS, SIGNAUX ET
SYSTEMES
Mamadou Lamine NDIAYE

École Supérieure Polytechnique de DAKAR
Cours MASTER M3E
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
q Définition d’un capteur :

Mesurande m = Grandeur physique objet de la mesure
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
q Nature du signal de sortie

§Analogique :
• Généralement électrique sous forme de tension ou de courant
(infinité de valeurs)
§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
o Numérique - il s’agit alors d’une grandeur analogique numérisée.
5
Capteurs passifs
Il s’agit d’impédances (très souvent des résistances) dont l’un

des paramètres déterminants est sensible au mesurande
6
Capteurs actifs
Ils fonctionnent en générateur en convertissant la forme

d’énergie propre au mesurande en énergie électrique
7
Capteurs actifs
oEffet thermoélectrique : Un circuit formé de deux conducteurs de nature chimique

différente, dont les jonctions sont à des températures T1 et T2, est le siège d'une force
électromotrice (T1,T2).
oEffet piézo-électrique : L'application d'une contrainte mécanique à certains
matériaux dits piézo-électrique (le quartz par exemple) entraîne l'apparition d'une
déformation et d'une même charge électrique de signe différent sur les faces opposées.
oEffet d'induction électromagnétique : La variation du flux d'induction
magnétique dans un circuit électrique induit une tension électrique.
oEffet photo-électrique : La libération de charges électriques dans la matière sous
l'influence d'un rayonnement lumineux ou plus généralement d'une onde
électromagnétique dont la longueur d'onde est inférieure à un seuil caractéristique du
matériau.
oEffet Hall : Un champs B crée dans le matériau un champs électrique E dans une
direction perpendiculaire.
oEffet photovoltaïque : Des électrons et des trous sont libérés au voisinage d'une
jonction PN illuminée, leur déplacement modifie la tension à ses bornes.
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
qSignaux à temps continu :

• La variable indépendante est continue t
ex: la voix en fonction du temps,
la pression atmosphérique en fonction de l ’altitude
qSignaux à temps discret :

• Définis seulement pour des temps discrets
• La variable indépendante est un ensemble discret de valeurs n
ex: indice Dow-Jones du marché boursier
études démographiques ...
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.
2 types de signaux discrets:

a) Signaux représentant un phénomène dont la variable indépendante est discrète
b) Signaux provenant d ’une opération d ’échantillonnage:
x[n] représente les échantillons successifs d ’un phénomène pour lequel la
variable indépendante est continue (niveau quantifié ou non...)
14
Energie et puissance d’un signal (1/2)
Définition: par analogie avec les signaux électriques
Temps Continu Temps Discret
+¥ +¥
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:
- Signaux à Energie finie

- Signaux à Puissance moyenne finie
- Signaux à Energie et Puissance moyenne infinies
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
t 0 < 0 : AVANCE n 0 > 0 : RETARD
17
Transformation de la variable indépendante (2/2)
Inversion temporelle
Changement d ’échelle
18
Signaux périodiques
x(t ) = x(t + T ) x[n] = x[n + N ]
Remarques:
T0 = période fondamentale = plus petite valeur possible de T
19 Px < ¥ Ex = ¥
Signaux pairs et impairs
Pairs Impairs
x(t ) = x(-t ) x(t ) = - x(-t )

x[n] = x[- n] x[n] = - x[- n]
Propriété:
Tout signal se décompose en la somme:

- d ’un signal pair xpair(t) et
- d ’un signal impair ximpair(t)
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
Signaux à exponentielle complexe périodiques et signaux sinusoïdaux: x(t ) = e jw0t

2p Ex = ¥
w 0 = 2pf 0 =
T0
e jw0t = e jw0 (t +T ) = e jw0t e jw0T e jw0T = 1
{
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
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 à exponentielle complexe et sinusoïdaux: x[n] = e jw 0 n x[n] = A cos(w 0 n + F )
Propriétés liées au Temps Discret:
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
Le taux d ’oscillations de e jw 0 n n ’augmente pas en fonction de w0 !…
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]
25 x[n]D[n - n0 ] = x[n0 ]D[n - n0 ]

Impulsion unité et fonction échelon unité (2/2)
u(t)
A temps continu
ì0, t < 0
Echelon Unité: u (t ) = í
î1, t ³ 0 t
Impulsion Unité ou Dirac:
du (t )
On veut: d (t ) = Problème!...
dt
d D (t ) Signal Pulse
26 d (t ) = lim d D (t ) Impulsion de Dirac

D®0
Propriétés de l’Impulsion de Dirac (1/2)
- (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...
- 𝛿(t) peut être pondéré par un scalaire
k. 𝛿(t) a une aire de k

27
Propriétés de l’Impulsion de Dirac (2/2)
x(t )d (t ) = x(0)d (t ) x(t )d (t - t0 ) = x(t0 )d (t - t0 )
+¥ +¥
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
Un peigne de Dirac, représente une suite d’impulsions de Dirac décalées dans

le temps. Le peigne de Dirac est représenté par la relation suivante :
+∞
png( t) = ∑δ ( t − kT )
k =−∞
28
Système à temps continu et à temps discret
x(t) y(t) x[n] y[n]
Système Système
x(t) Temps y(t) x[n] Temps y[n]
Continu Discret
Exemples:
- Relation entre la tension aux bornes d ’un condensateur et la tension d ’entrée

- Relation entre la vitesse d ’un véhicule et la force appliquée
dy (t )
équations différentielles linéaires du 1er ordre: + ay (t ) = bx (t )
dt
- Evolution d ’un compte bancaire y[n] -1.01 y[n -1] = x[n]

29
Interconnexion des Systèmes
Idée: des systèmes complexes peuvent être construits en interconnectant
des sous ensembles plus simples...
Interconnexion Série Interconnexion Parallèle
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 sans mémoire:

La sortie y à l’instant t ou n ne dépend que de l’entrée x à ce même instant
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]
-¥
Système temporellement invariant :
x[n-n0] Système y[n-n0] x(t-t0) Système y(t-t0)
Système linéaire: Propriété de superposition
Soit x1 (t ) ® y1 (t ) Alors a.x1 (t ) + b.x2 (t ) ® a. y1 (t ) + b. y2 (t )

x2 (t ) ® y2 (t )
x1 [n] ® y1 [n] a.x1[n] + b.x2[n] ® a. y1[n] + b. y2[n]
32 x2 [n] ® y2 [n]
SYSTEMES LINEAIRES
TEMPORELLEMENT INVARIANTS
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:
Définition: Réponse impulsionnelle = Réponse d’un SLTI à l’impulsion de Dirac
𝜹(t) SLTI h(t)
+¥
On obtient:
y (t ) = ò x(t )h(t - t )dt Intégrale de convolution
-¥
y(t ) = x(t )* h(t )

SLTI entièrement caractérisé
par sa réponse impulsionnelle
35
Propriétés des SLTI (1/6)
+¥
Systèmes entièrement caractérisés y[n] = å x[k ]h[n - k ] = x[n]* h[n]

k = -¥
par leur réponse impulsionnelle
+¥
y (t ) = ò x(t )h(t - t )dt = x(t )* h(t )
-¥
! 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
-¥ -¥
x[n] h[n] y[n] h[n] x[n] y[n]
36
! Distributivité
x[n]* (h1[n] + h2 [n]) = x[n]* h1[n] + x[n]* h2 [n] (IDEM T.C.)
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
La réponse impulsionnelle d ’un SLTI résultant de l ’interconnexion série de plusieurs SLTI

38 ne dépend pas de l ’ordre dans lequel ils ont été cascadés
! Multiplication par un scalaire
(IDEM T.C.)
a (x[n] * y[n]) = ax[n] * y[n] = x[n] *ay[n]
!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.)
x(t )* d (t - t0 ) = x(t - t0 ) x[n]* D[n - n0 ] = x[n - n0 ] Très important
!Dérivation:
D(x * y ) = (Dx)* y = x * (Dy )
dx (t ) Dx[n] = x[n] - x[n -1]

39 Dx(t ) =
dt
! SLTI sans mémoire h[n] = 0 pour n ¹ 0 (IDEM T.C.)
! SLTI inversible h[n]* hi [n] = D[n] h(t )* hi (t ) = d (t )
! SLTI causal h[n] = 0 pour n < 0

h(t ) = 0 pour t < 0
! SLTI stable +¥
å h[k ] < ¥ Sa réponse impulsionnelle est

k = -¥ absolument sommable
+¥
40 ò h(t ) dt < ¥
-¥
Sa réponse impulsionnelle est
absolument intégrable
! Réponse d’un SLTI à l’échelon unité
Réponse indicielle: i[n] = h[n]* u[n] i(t ) = h(t )* u(t )
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
Composante continue:
1
x(t )dt
Valeur moyenne du signal sur une période T
X0 =
TT ò
Composante fondamentale ou 1er harmonique:
x fondamental (t ) = xharm1 (t ) = X -1e- jw0t + X1e jw0t

Signal de même fréquence que le signal périodique f0 = 1/T
kième harmonique:
xharm - k (t ) = X - k e - jkw 0 t + X k e jkw 0 t
Signal de fréquence f = kf0 Tk=T/k
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
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
&%
𝑆! 𝑡 = $ (𝐴" cos(𝑤, 𝑘𝑡 + 𝜑" )

"#,
3°) Ecrire S2(t) sous forme de série de Fourier trigonométrique
𝑆! 𝑡 = ∑&%
"#,(𝑎" cos 𝑤, 𝑘𝑡 + 𝑏" sin 𝑤, 𝑘𝑡 .
1 1 𝑏!
𝐴! = 𝑎!" + 𝑏!" 𝑋! = 𝑎! − 𝑗𝑏! 𝑋#! = 𝑎! + 𝑗𝑏! 𝜑! = 𝐴𝑟𝑐𝑡𝑎𝑔
2 2 𝑎!
46
Forme trigonométrique:
Tout signal périodique réel de
Ak et Bk : Coefficients de Fourier réels puissance finie peut être représenté
¥
par une combinaison linéaire de sinus
A
x(t ) = 0 +
2 å A cos(kw t ) + B sin( kw t )
k =1
k 0 k 0
et de cosinus
T /2 Lien avec la série exponentielle:

2
Ak = ò x(t ).cos(kw 0t )dt
T -T / 2
k = 0,1,2,...
1
X 0 = A0 X k = ( Ak - jBk ) X -k = 1 ( Ak + jBk )
T /2 2 2
2
Bk = ò x(t ).sin(kw 0t )dt
T -T / 2
k = 1,2,3...
Fréquence fondamentale: Composante
2p continue: A0
w 0 = 2pf 0 =
T 2
47
Le spectre du signal
Exemples de Coefficients de Fourier
Pour ça ?
T=5t
Regraduons l ’axe des n

en fréquence ...
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 = -¥
49 x(t ), y(t ), z(t ) de même période T

Propriétés des Séries de FOURIER à TC (2/2)
FS
! Conjugaison
x (t ) « X -*k
*
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
x(t) réel et paire Xk réel et paire

x(t) réel et impaire Xk imaginaire et impaire
! 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
La puissance moyenne d’un signal périodique est égale à la somme des

50
puissances moyennes de toutes ses composantes harmoniques
Séries de FOURIER à temps discret
Signal périodique x[n] = x[n + N ] Période N
Fréquence fondamentale: 0= 2 /N
Problème:
2p
x[n] = e
j n
jw 0 n
Prenons: =e N
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
Représentation d ’un signal périodique avec les séquences Yk [n] :

+¥ +¥ +¥ 2p
x[n] = å X Y [n] = å X e åX e
jk n
jkw 0 n
k k k = k
N
k = -¥ k = -¥ k = -¥
Seulement N Yk [n] distinctes

2p
Série de Fourier
Þ x[n] = å X k Yk [n] =
jk n
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
Remarque x[n] = X 0 Y0 [n] + X 1Y1[n] + ... + X N -1YN -1 [n]

x[n] = X 1Y1 [n] + X 2 Y2 [n] + ... + X N YN [n]
Donc:
...
X0 = X N X k = X k+N
Les coefficient Xk sont périodiques de période N

La représentation en Série de Fourier Temps Discret est une série FINIE de N termes
52
Propriétés des Séries de FOURIER à TD
FS
! Multiplication z[n] = x[n]y[n]« Z k = åX Y l k -l
Convolution discrète
l= N périodique
z[n] périodique N Zk périodique N
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 puissance moyenne d ’un signal périodique est égale à la somme des

puissances moyennes de ses N composantes harmoniques
53
Réponse d’un SLTI à une entrée périodique
Principe de superposition
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
Temps Continu Temps Discret

+¥ 2p
jk n
x(t ) = å k j kw 0 t
x[n] =
Signal d ’entrée
périodique
X e å Xk e N
k =-¥ k= N
Réponse
( )=
+¥ +¥
fréquentielle du H ( jw ) = ò h(t )e - jw t
dt He jw
å h[n ]e - jw n
SLTI -¥ n=-¥
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
Exemple: Filtre Passe-Bas RC

dVC (t )
R
RC + VC (t ) = VS (t )
dt
C
VS(t) +
-
VC(t)
VS (t ) = e jw t ® VC (t ) = H ( jw )e jw t
1
H ( jw ) =
1 + RCjw
Exemple: Filtre Passe-Haut RC

C
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
Transformée de Fourier Transformée de Fourier Inverse

(Synthèse)
Signaux apériodiques Intégrale infinie
1 +¥
x(t ) = X ( jw )e
jw t
ò
Période T ¥ dw d’exponentielles complexes
Energie Finie
2p -¥
Spectre continu apériodique
+¥ X(jw)
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)
Transformée de Fourier en Temps Continu pour des Signaux Apériodiques
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
! Conjugaison TF
x (t ) « X * (- jw )
*
Cas particulier: x(t) réel Symétrie conjuguée: X ( jw )= X * (- jw )
Re{X ( jw )}: paire X ( jw ) : paire

Im{X ( jw )}: impaire Ð X ( jw ) : impaire
x(t) réel et paire X(jw) réel et paire

x(t) réel et impaire X (jw) imaginaire et impaire
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
! 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 )
x(t) y(t) = x(t) * h(t)

h(t)
h(t): réponse impulsionnelle du SLTI
H(jw): réponse fréquentielle du SLTI TF TF TF

+¥
H ( jw ) = ò h(t )e - jw t dt X(f) Y(f) = X(f) . H(f)
63 -¥ H(f)
63
!Multiplication
Modulation d’amplitude
TF
signal modulé r (t ) = s(t ) p(t ) « R( f ) = S ( f )* P( f )
signal modulant porteuse

S(f)
Exemple A
Porteuse: p(t ) = cos(2pf 0t )
-f1 f1 f
P(f)
1/2 1/2 1
P( f ) = [d ( f - f 0 ) + d ( f + f 0 )]
-f0 f0 f 2
R(f)
A/2 A/2
1
R( f ) = [S ( f - f 0 ) + S ( f + f 0 )]
64 -f0-f1 -f0 +f1 f0 -f1 f0 +f1 f 2
-f0 f0
Signaux périodiques et TF à TC (1/3)
+¥
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
+¥ Train d’impulsions de Dirac pondérées

Par identification
X p( f )= å X d ( f - kf )
k = -¥
k 0 par les coefficients de Fourier Xk et
situées aux fréquences f = kf0
65
xp(t)
T= 4 T1
-T 0 T1 T
Xk X p ( jw )
66
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)
x(t ) x(t + T ) x(t ) x(t - T ) x(t - 2T )

... ...
t 0 3T
0 T T 2T t
+¥
PT (t ) = åd (t - kT )
+¥
x p (t ) = å x(t - kT )
k = -¥
k = -¥
... ...
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
Transformée de Fourier Inverse

Transformée de Fourier (Synthèse)
Signaux apériodiques Intégrale sur une période
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
! Changement d’échelle
ì x[n / k ] si n multiple de k xk: « version ralentie » de x[n]

x(k )[n] = í
Soit:
î 0 sinon
+∞ +∞ +∞
X ( k ) (e jω
)= ∑ x ( k ) [ n ]e − jω n
= ∑ x( k) [rk]e − jω rk
= ∑ x [ r]e− j ( kω ) r = X (e j kω )
n=−∞ r=−∞ r=−∞
72
( )
TF
! Conjugaison
x [n] « X * e - jw
*
Cas particulier: x[n] réel Symétrie conjuguée: ( ) ( )

X e jw = X * e - jw
{ ( )}
Re X e jw : paire ( )
X e jw : paire
Im{X (e w )}: impaire
j
Ð X (e w ): impaire
j
x[n] réel et paire X(e jw) réel et paire

x[n] réel et impaire X (e jw) imaginaire et impaire
( )
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
! Convolution
( ) ( ) ( )
TF
y[n] = x[n]* h[n] « Y e jw = X e jw H e jw
x[n] y [n] = x [n] * h [n]

h [n]
h[n]: réponse impulsionnelle du SLTI
H(e j ): réponse fréquentielle du SLTI TF TF TF

+¥
He ( ) = å h[n] e
jw - jw n
X(f) Y(f) = X(f) . H(f)
n = -¥ H(f)
+¥
Rappel: vrai si SLTI Stable å h[n]< ¥
n=-¥
74
! Multiplication
TF
y[n] = x1[n] x2 [n] « Y ( f ) = X1 ( f )* X 2 ( f )
Attention: Convolution périodique

1
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
N M
å ak y[n - k ] = å bk x[n - k ]
k =0 k =0
Propriété des SLTI: Ye( ) = H (e )X (e )

jw jw jw
He ( )
jw
=
( )
Y e jw Hypothèse:
( )
X e jw H(e jw) existe (converge)
Or: linéarite + décalage temporelle
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
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
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)
Amplitude et Phase de la TF: X ( jw ) = X ( jw ) e ÐX ( jw ) ( ) ( )

X e jw = X e jw eÐX (e )
jw
Amplitude Contenu fréquentiel du signal

X ( jw ) 2 Densité spectrale d’énergie de x(t)
Phase Information sur la phase des différentes fréquences composant le signal

Des signaux qui ont 1 TF avec amplitude = mais 1 phase peuvent être très différents
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 )
GAIN du système DECALAGE DE PHASE du système

Si effets négatifs: Distorsion d’Amplitude et Distorsion de Phase...
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
y(t ) = x(t - t0 ) y[n] = x[n - n0 ]
Le signal d’entrée est simplement décalé temporellement (décalage = pente de la phase),

il n’est pas déformé
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 ...
Unité: le décibel (dB): 20 log10 H ( jw ) 0dB |H(jw)| = 1 6dB |H(jw)| = 2

-3dB |H(jw)| = 1/racine(2) 20dB |H(jw)| = 10
Diagramme de Bode: 20 log10 H ( jw ) et Ð H ( jw ) en fonction de log10 ( f )

Pour les systèmes Temps Continu
Exemple: Système du 2nd ordre
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
Rappel: Filtres idéaux non réalisables car non causaux ...

H(e jw)
H(jw)
- wc - -
cw
-p 0 c p 2p
2p c
Précision, sélectivité compromis Coût, Complexité
Flexibilité pour le comportement du filtre : - dans la Bande Passante

- dans la Bande Coupée
- dans la zone de transition
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
tw >> 1 ou w >> 1 / t Þ 20 log10 H ( jw ) @ -20 log10 (tw ) = -20 log10 w - 20 log10 t

Asymptote en HF: Pente de 20 dB / décade
æ 1ö
w = 1 / t Þ 20 log10 H ç j ÷ = -3dB Fréquence de coupure à 3dB
è tø
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
x = 1 Þ c1 = c2 Régime Critique h(t ) = w n2 t e -w nt u (t )
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
Fig 6.26 6.27 p 462
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
[1 - (re ) e ][1 - (re ) e ]

jq - jw - jq - jw
r : taux de décroissance
q ¹ 0 ou p : fréquence d ’oscillation
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
! Changement d ’échelle TL 1 æsö

x(a t ) « Xç ÷
a èa ø
( ) ( )
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 ) }
Cas des fonctions de transfert H(s) rationnelles

Généralement, H(s) peut s ’exprimer sous la forme d ’une fonction rationnelle, c ’est à dire sous la forme d ’un
rapport de deux polynômes en s :
M
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
[ ]u(t ) 1 h(t ) causal
TL
h(t ) = e - e « H (s ) =
Exemple: -t - 2t
( s + 1)(s + 2)
Région de convergence de la transformée de Laplace de H(s)

Im
Plan-s
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
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
Un SLTI est STABLE si est seulement si l’axe (j w) ( c ’est à dire Re(s) = 0)

98 est inclus dans la Région de Convergence de sa fonction de transfert H(s) (quelconque)
Quelques exemples de Transformée de LAPLACE
99
Réponse fréquentielle d’un SLTI (1/3)
N
d k y(t ) M d k x(t )
å
k =0
ak
dt k
= å bk
k =0 dt k
Propriété des SLTI:

Y (s )
Y (s ) = H (s )X (s ) H (s ) =
X (s )
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
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
R=10 Ω C=100nF L=0.1H

p1 = 1 E2 * (-0.5000 + 3.1225i) p2 = 1 E2 * (-0.5000 - 3.1225i)
101 Système causal et Re(p1) et Re(p2) <0 Système STABLE

Exemple 2:
On connaît l ’entrée d ’un SLTI initialement au repos:

TL 1
x(t ) = e - 3t
u(t ) « X (s ) = Re( s) > -3
( s + 3)
On connaît la sortie d ’un SLTI initialement au repos: :
[
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
Le système est causal, Re(p1) et Re(p2)<0 donc le système est STABLE
L ’équation différentielle régissant le système est:
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)
Utilisation d ’un contour

1 s + jw
x(t ) = òs - jw X (s ) e st ds d ’intégration dans le plan
j 2p complexe...
x(t) peut être représenté comme une intégrale pondérée d ’exponentielles complexes
Généralement, la Transformée de Laplace inverse sera déterminée à partir des tables,

après une décomposition en fractions partielles de X(s)
103
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
Les Ai sont appelés les résidus de leurs pôles respectifs. On en déduit :

€
f ( t) = ( A1e p1 t + A2 e p2 t + ......+ Am e pm t ) µ ( t)
Exemple:
1 1
F( p) = =
p 2 + 3p + 2 ( p +1)( p + 2)
€ f ( t) = ( e −t − e −2t ) µ ( t)
104
Pôles doubles
Supposons d°(N(p))<d°(D(p)), mais que F(p) possède des pôles doubles
N ( p) On peut toujours écrire Ai1 Ai 2

F( p) = F( p) = .....+ + + ......
2
.......( p − pi ) ...... ( p − pi ) ( p − pi ) 2
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:
€
€
f ( t) = .....+ ( Ai1e pi t + Ai 2 t.e pi t ) µ ( t) + ........
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)
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)
L'inversion de la fraction rationnelle en R(p) se fait comme précédemment, et l'inversion de Q(p)

donne : €
F ( p) = (q0 + q1 p + ......+ qk p k ) + .....
( )
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
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=-¥
Produit en Temps entraine Convolution en Fréquence 1 +¥

X e ( jw ) = ò X ( jq ) PT ( j (w - q )) dq
2p +¥ 2p -¥
Or PT ( jw ) =
T å d (w - kw )
k = -¥
s
ws =
2p
T
Donc 1 +¥
109 X e ( jw ) = å X ( j (w - kw s )) Spectre périodique, superposition des répliques
T k =-¥ de X(jw) décalées tous les ws et pondérées par 1/T
Spectre et reconstruction (1/2)
Spectre du signal échantillonné :
S e (n )
- 2n e -n e 0 ne 2n e
Comment retrouver le signal continu ?
110
Spectre et reconstruction (2/2)
Spectre du signal échantillonné :

S e (n )
- 2n e -n e 0 ne 2n e
S e (n )
- 2n e -n e 0 ne 2n e
111 Repliement de spectre (aliasing)

Classification des signaux déterministes
-./",0%&'()*+),"%
-./",0%&'()*+),"%
échantillonnage
!"#$%&'()*+), !"#$%&1+%'0"*
numérisation
-./",0%&1+%'02*"%
bloqueur -./",0%&1+%'02*"%
(ordre 0)
!"#$%&'()*+), !"#$%&1+%'0"*
112
Représentation des signaux discrets
Définition du signal échantillonné :
Représentation du signal discret :
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
Théorème de l’échantillonnage ( Théorème de Shannon ou Théorème de Nyquist)
Soit x(t) un signal de bande limitée telle que: X ( jw ) = 0 pour w > wM

Alors x(t) est déterminé de manière unique par ses échantillons x(nT), n=0, 1, 2, … si:
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)
Filtre Passe-Bas idéal pour

reconstruire X(jw) à partir de Xe(jw)
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
Interpolation: Effet du filtre passe-bas dans le domaine temporel

xr (t ) = xe (t )* h(t )
+¥
xr (t ) = å x(nT ) h(t - nT )
n=-¥
1) Interpolation exact
w cT sin (w ct ) w cT
Réponse impulsionnelle d ’un filtre idéal : h(t ) = = sinc (w ct ) (gain de T)
pw ct p
+¥
w cT
Formule d ’interpolation exacte : xr (t ) = å
n = -¥
x(nT )
p
sinc (w c (t - nT ))
117
Reconstruction d’un signal à partir des échant (2/2)
Interpolation exacte basée sur le sinus cardinal
x e (t)
2) Interpolation avec un bloqueur d ’ordre 0
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 = X e j (w -kw s ) répliques de X(e jw)

120
N k = -¥
décalées tous les ws et
pondérées par 1/T
Restitution exact d’un signal temps discret à partir de ses échantillons
x[n] x H(e jw) xr [n]

xe [n] ( )
X e jw
p[n]
( )
X e e jw
( )
H e jw
( )
X r e jw
121
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
Décimation xd [n] = xe [nN ] Û xd [n] = x[nN ]
Relation entre x[n], xe [n] échantillonnage et xd [n] décimation ou sous-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
Quantification consiste à diviser la dynamique [-Vam, Vmax] en N intervalles définissant N niveaux

équidistants. Chaque niveau est représenté par un code binaire. Le nombre k de bits nécessaire au
codage vérifie N = 2k
La quantification est le procédé qui permet d'approximer un signal continu (ou à

valeurs dans un ensemble discret de grande taille) par des valeurs d'un ensemble
discret de petite taille.
123
TRANSFORMÉE EN Z
124
Transformée en Z
A) Intérêt de la Transformée en Z
- Transformée en Z pour les signaux TD Transformée de Laplace pour les signaux TC

- TZ peut être appliquée à une + grande classe de signaux que la TF TD
Transformée en Z = Généralisation de la Transformée de Fourier en Temps Continu
jw
avec
z = r e
- Permet l’étude de la stabilité des systèmes et la résolution des équations aux différences à
coefficients constants
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
+¥
125 y[n] = H (z ) z n avec H (z ) = å

n = -¥
h[n] z -n Fonction de transfert du système
Transformée en Z et TF
Plan- Im
Quand: z = e jw c ’est à dire z =1 z z = e jw
+¥
= X (e ) = å x[n]e = TF { x[n] }
1
X ( z ) z =e jw
jw - jw n
Re
n = -¥
Transformée en Z = Transformée de Fourier de x[n]
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
r -n = exponentielle réelle croissante ou décroissante avec n selon si r >1 ou r<1
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
B) Exemple x[n] = - a nu[- n - 1]

+¥ -1 +¥ +¥
X (z ) = - å a u[- n - 1] z å å å (a z )
n
n -n
=- n -n
a z =- -n n
a z = 1- -1 Converge si a -1 z < 1 Û z < a
n = -¥ n = -¥ n =1 n =0
1 1 z
X (z ) = 1 - = = a >1
1 - a -1 z 1 - az -1 z - a
Im Plan-
Plan- a <1 z
z Im
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
Fonction de Transfert d ’un SLTI: Y ( z ) = H (z ) X ( z ) avec H (z ) = TZ { h[n] }
Cas des fonctions de transfert H(z) rationnelles

Généralement, H(z) peut s ’exprimer sous la forme d’une fonction rationnelle, c ’est à dire sous la forme d ’un
rapport de deux polynômes en z :
M
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
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
Vérification: calcul de la réponse impulsionnelle en utilisant les tables:
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
Exemples: 2 pôles:
1
H (z ) = z1 = re jq
1 - (2r cosq )z -1 + r 2 z -2 z2 = re- jq
Hypothèse SLTI CAUSAL Hypothèse SLTI CAUSAL
Im
Plan-z Im Plan-z
r
r
1 1
Re Re
STABLE INSTABLE
Propriété générale
Un SLTI est STABLE si est seulement si le cercle unité |z| =1

133
est inclus dans la Région de Convergence de sa fonction de transfert H(z) (quelconque)
Évaluation géométrique de la TF
Diagramme des pôles et des zéros de H(z) représenté dans le plan-z permet d ’estimer graphiquement
la réponse fréquentielle du système (quand elle existe)
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
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
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
Utilisation de l’opérateur retard z-1
Forme directe, forme cascade et forme parallèle
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
Théorème des Résidus
1 Utilisation d ’un contour

x[n] = ò X (z ) z
n -1
dz d’intégration dans le plan
j 2p complexe...
Généralement, la Transformée en Z inverse sera déterminée à partir des tables,

après une décomposition en fractions partielles de X(z)
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
Ø 1er CAS : Si bj¹0

On a des filtres récursifs encore appelés filtres à réponse impulsionnelle infinie (RII)
Si de plus, seul le coefficient
€ a0 est différent de zéro, on parle de filtre purement récursif.
Exemple :
Ø 2nd Cas : Si bj=0 " j

Dans ce cas on parle de filtres non récursifs encore appelés filtres à réponse impulsionnelle
finie (RIF)
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
€
a0 z
E( z) = 1 ⇒ S( z) = H ( z) =
z + b1
n
Ceci admet comme transformée inverse sn = a0 (− b1)
€
€
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€
€
€
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).
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
La conservation du gain statique entraine H ( p) p=0 = H ( z) z=1

Te
Te −
1 1 1 −
1− e τ
H ( p) p=0 = 1 = H ( z) z=1 = Te
⇒ = 1− e τ H ( z) =
τ − τ Te
1− €
e τ −
1− e τ
⋅ z −1
Application : Tracer la réponse fréquentielle pour Te= 0,1 et τ=1 des filtres analogiques et numériques
Filtre
€ analogique H ( jw) =
1 Filtre numérique H ( jw) =
1− e −0,1
1+ jw 1+ e −0,1e −j 0,1w
€
Ø Méthode de l’invariance indicielle :
1
Soit le système de transmittance H ( p) =
1+ τp
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)
Ø On se fixe des performances du filtre dans le domaine fréquentiel
Ø On détermine les coefficients de l’équation récurrente

Ø Une condition : le filtre doit être causal (sauf cas particuliers : image,…)
Ø Une contrainte : le filtre doit être stable
Définition d’un gabarit défini par :

Ø une bande passante
Ø une/des fréquence(s) de coupure
Ø une/des pentes de coupure
Ø des ondulations dans la bande passante
Ø un temps de propagation de groupe
Ø…
Méthodes :
Ø Méthode de l’invariance impulsionnelle : H ( p) h (t )

Te
Avantage : simplicité
Inconvénient : risque de repliement H ( z) h(n)
Ø Méthode de la transformation bilinéaire :
Avantage : repliement impossible

Inconvénient : temps de propagation non constant
Ø Méthode d’optimisation : Calcul d’erreur à partir de paramètres

grossièrement estimés
Synthèse de filtres non récursifs (RIF)
Avantage : filtres toujours stables
Méthode : multiplication de la RI d’un filtre RII

par une fenêtre (rectangle, apodisation)
Inconvénient : apparition d’oscillations

sur la réponse fréquentielle
Synthèse de filtres non récursifs (RIF)
Intérêt d’une phase linéaire

Temps de propagation constant (indépendant de la fréquence)
sin(2pn1 (t - a))
sin(2pn1t )
jj (a )
A(a ) e
sin(2pn 2 (t - a))
sin(2pn 2t )
j (a ) = -a a
Þ Conservation des références temporelles

Comparaison entre les filtres RII et RIF
1
0.8
0.6
0.4
0.2
-0 . 2
-0 . 4
-0 . 6
-0 . 8
-1
α 0 0.5 1 1.5 2 2.5 3 3.5
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

Cours Ts Master M3e

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

Cours Ts Master M3e

Transféré par

Droits d'auteur :

Formats disponibles

COURS CAPTEURS, SIGNAUX ET

Mamadou Lamine NDIAYE

Cours MASTER M3E

q Définition d’un capteur :

q Nature du signal de sortie

o Numérique - il s’agit alors d’une grandeur analogique numérisée.

Il s’agit d’impédances (très souvent des résistances) dont l’un

Ils fonctionnent en générateur en convertissant la forme

oEffet thermoélectrique : Un circuit formé de deux conducteurs de nature chimique

qSignaux à temps continu :

qSignaux à temps discret :

2 types de signaux discrets:

Temps Continu Temps Discret

- Signaux à Energie finie

t 0 < 0 : AVANCE n 0 > 0 : RETARD

x(t ) = x(t + T ) x[n] = x[n + N ]

x(t ) = x(-t ) x(t ) = - x(-t )

Tout signal se décompose en la somme:

Signaux à exponentielle complexe périodiques et signaux sinusoïdaux: x(t ) = e jw0t

Propriétés liées au Temps Discret:

Le taux d ’oscillations de e jw 0 n n ’augmente pas en fonction de w0 !…

25 x[n]D[n - n0 ] = x[n0 ]D[n - n0 ]

26 d (t ) = lim d D (t ) Impulsion de Dirac

- 𝛿(t) peut être pondéré par un scalaire

k. 𝛿(t) a une aire de k

x(t )d (t ) = x(0)d (t ) x(t )d (t - t0 ) = x(t0 )d (t - t0 )

Un peigne de Dirac, représente une suite d’impulsions de Dirac décalées dans

x(t) y(t) x[n] y[n]

- Relation entre la tension aux bornes d ’un condensateur et la tension d ’entrée

- Evolution d ’un compte bancaire y[n] -1.01 y[n -1] = x[n]

Interconnexion Série Interconnexion Parallèle

Système sans mémoire:

Système temporellement invariant :

x[n-n0] Système y[n-n0] x(t-t0) Système y(t-t0)

Système linéaire: Propriété de superposition

Soit x1 (t ) ® y1 (t ) Alors a.x1 (t ) + b.x2 (t ) ® a. y1 (t ) + b. y2 (t )

Définition: Réponse impulsionnelle = Réponse d’un SLTI à l’impulsion de Dirac

𝜹(t) SLTI h(t)

y(t ) = x(t )* h(t )

Systèmes entièrement caractérisés y[n] = å x[k ]h[n - k ] = x[n]* h[n]

x[n] h[n] y[n] h[n] x[n] y[n]

x[n]* (h1[n] + h2 [n]) = x[n]* h1[n] + x[n]* h2 [n] (IDEM T.C.)

La réponse impulsionnelle d ’un SLTI résultant de l ’interconnexion série de plusieurs SLTI

x(t )* d (t - t0 ) = x(t - t0 ) x[n]* D[n - n0 ] = x[n - n0 ] Très important

dx (t ) Dx[n] = x[n] - x[n -1]

! SLTI inversible h[n]* hi [n] = D[n] h(t )* hi (t ) = d (t )

! SLTI causal h[n] = 0 pour n < 0

å h[k ] < ¥ Sa réponse impulsionnelle est

Réponse indicielle: i[n] = h[n]* u[n] i(t ) = h(t )* u(t )

x fondamental (t ) = xharm1 (t ) = X -1e- jw0t + X1e jw0t

xharm - k (t ) = X - k e - jkw 0 t + X k e jkw 0 t

Signal de fréquence f = kf0 Tk=T/k

𝑆! 𝑡 = $ (𝐴" cos(𝑤, 𝑘𝑡 + 𝜑" )

T /2 Lien avec la série exponentielle:

Regraduons l ’axe des n

49 x(t ), y(t ), z(t ) de même période T

x(t) réel et paire Xk réel et paire

La puissance moyenne d’un signal périodique est égale à la somme des

Représentation d ’un signal périodique avec les séquences Yk [n] :

Seulement N Yk [n] distinctes

Remarque x[n] = X 0 Y0 [n] + X 1Y1[n] + ... + X N -1YN -1 [n]

Les coefficient Xk sont périodiques de période N

z[n] périodique N Zk périodique N