Royaume du Maroc

Ministère de l’Éducation Nationale, de la Formation Professionnelle, de l’Enseignement Supérieur

et de la Recherche Scientifique
Universite Sidi Mohamed Ben Abdellah, Faculté Polydisciplinaire de Taza

o m
o . c
p r
ir -
k a
a b
Traitement
l3 du signal
. aDr. Mustapha ABARKAN
w w
w Filière Science de la Matière Physique: Option Electronique
Module Traitement du signal
Edition 2017-2018
1
A. Introduction au traitement du signal
Sommaire
B.
Classification des signaux
Energie et puissance –Notion de corrélation

o
Outils mathématiques pour l’étude des signaux et systèmesm
. c
Rappels sur les systèmes linéaires continus.
L’impulsion de Dirac.

o
La convolution.
Transformée de Fourier

p r
C.
Transformée de Laplace
Signaux à temps continu
ir -
Description mathématique des signaux analogiques.
Signaux de base.

k a
Représentation vectorielle des signaux
D. Du continu au numérique

a
Échantillonnage idéal
Échantillonnage Réel
b
Blocage
l 3
.a
Quantification
Les convertisseurs CAN et CNA
E. Signaux Discrets

w w
Représentation des signaux & systèmes discrets.
Transformée en Z.
Transformée de Fourier Discrète.

w
F. Filtrage des signaux
Filtrage analogique
Filtrage numérique
2
 o m
. c
Chapitre I ro
ir -p
Introduction au k a
traitement du signal
a b
a l 3
w .
w w
3
 Quelques définitions
Qu’est ce qu’un signal ?
C’est une représentation physique d’une information.

o m
C’est une variation dans le temps, ou dans n’importe quel autre espace, d’une grandeur
physique.

o . c
Où rencontre - t – on les signaux?

p r
dans tous les domaines des Génies,…
ir -
Les domaines d'applications sont nombreux et variés: Vie quotidienne, dans les laboratoires et

k a
Exemples: RADAR, Télécommunication, Reconnaissance des formes, Optique, Acoustique,
Biomédical, Vision Artificielle...

a b
A quoi sert un signal ?

l 3
.a
 Le signal est le support d’information émise par une source et destinée à un récepteur: C’est un
véhicule de l’intelligence dans les systèmes.

w w
Source : Un émetteur, une parole, une chaleur,….
Destination : Un récepteur, une antenne, des oreilles, …

w
 Le signal transporte les ordres dans les équipements de contrôle et de télécommande et
achemine l’information sur les réseaux d’information, la parole et l’image.

4
 Un signal analogique est un signal qui varie de manière continue dans son espace de
représentation (temps).
Exemples: la voie (parole), l’image optique, la température,…etc.

o m
 Un signal digital (discret, ou numérique) varie par sauts discrets dans son espace de
représentation.

o . c
Exemples: télégraphe, signaux numériques dans un PC,…

p r
 Remarque : Certains signaux sont discrets par nature.

ir
Qu’est ce que le Traitement du Signal ? -
k a
C’est l’ensemble des techniques permettant l’analyse, la transformation, le stockage,

Le TS a pour but:
a b
l'accès ou la combinaison des informations (données) , en vue de les exploiter.

l 3
1. D’extraire de l’information.

w .a
2. De modifier le message transporté.
3. D’adapter le message aux moyens de transmission.

w w
Le Traitement Numérique du Signal (TNS) désigne l’ensemble des opérations, calculs
arithmétiques et manipulations des nombres qui sont effectuées sur un signal à traiter,
représenté par une suite de nombres, en vue de fournir une autre suite de nombre qui
représentera le signal traité.
5
Dans le cas général, les systèmes de traitements des signaux sont des systèmes
électronique et informatique.

Exemple de chaîne de communication

o m
Procédé
physique . c
Information

o
(Source d’information)
p r Traitement de

ir -
Création du signal (codage,
modulation,…etc.)
l’information et
du signal

k a Signal

a b Traitement

l 3 Système de du signal

.a
transmission
Signal

w w Récepteur (détection, Traitement de

l’information

w Système
d’exploitation
décodage,démodulation,..)

Information
et du signal

6
Bruits
Le bruit est tout phénomène perturbateur gênant la perception ou l’interprétation d’un
signal.

o m
LLa parole chuchotée entre deux élèves porte des informations d’un certain niveau
d’importance pour les élèves. Cette parole est un bruit pour le reste des élèves de la
même classe.

o . c
CCertains phénomènes électromagnétiques d’origine galactique captés par les

r
antennes des radios astronautes sont rares et constituent des signaux d’une haute

p
ir -
importance. Ces mêmes signaux ne sont que des bruits pour les ingénieurs en
télécommunications qui se forceront à les éliminer.

k a
Rapport Signal Sur Bruit (RSB)

a b
C’est une mesure du degré de contamination du signal par un bruit.

l 3
RSB=Puissance du signal / Puissance du bruit
Ou en décibel,

w .a
RSBdB=10 log10(RSB)

w w
RS/B=26 dB RS/B=0 dB 7
Classification des signaux
Différents modes de classification sont possibles. Les modes sont définis sur des bases
théoriques, ou par simple commodité pratique.

o m
 Classification selon la nature des signaux
 Classification morphologique
o . c
 Classification spectrale

p r
 Classification énergétique
ir -
k a
Classification selon la nature des signaux
Signal périodique

a b
Signal déterministe:

l 3
.a
Signal pour lequel on peut déterminer l'amplitude pour
toute valeur du temps grâce à une description

w w mathématique ou un graphique.

w
8
 Signal Apériodique: Signal transitoire:
Non périodique + support non borné Non périodique + support borné

o m
o . c
p r
ir -
Signaux aléatoires

k a Signal réel, Signal complexe:

et dont on ne peut pas prédire

a b
Signal dont l'évolution est imprévisible Le signal réel représente une grandeur
physique. Son modèle mathématique est

l 3
l'amplitude à un temps t. Dans certains une fonction réelle.
Le signal complexe est une

.a
cas, on connaît les propriétés
statistiques. représentation complexe (a+jb) de deux
informations réelles a et b.

w w
w
9
 Signaux physiques

o m
Signaux déterministes
o . c Signaux aléatoires

p r
ir -
Périodiques Non Périodiques

k a Stationnaires Non Stationnaires

a b
Sinusoïdaux

l 3 Pseudo
périodiques
Ergodiques

Périodiques

w
Complexes .a Transitoires
Non Ergodiques

w w Un signal aléatoire est dit ergodique si les

moyennes temporelles existent et sont
indépendantes de l'échantillon.

10
Amplitude A Classification morphologique

m
Signal analogique

o
Amplitude A
.
Temps (t)

o c
p r Signal échantillonné

ir -
Amplitude (k A0)
k a
Temps (k t)

a b Signal quantifié

l 3
w .a
Amplitude (k A0) Temps (t)

Signal numérique

ww Temps (k t)
Numérisation d’un signal analogique 11
 Classification spectrale

m
Définitions:

.
Largeur de bande: C’est le domaine f occupé par le spectre du signal:
Hz 
o
Spectre: C’est la distribution de l’énergie ou de la puissance en fonction de la fréquence.

c
C’est une caractéristique absolue.
ro
F  fmax  fmin

ir -p
 La classification se fait en comparant le spectre du signal avec le domaine fréquentiel
dans lequel se situe le signal. On distinguera:

k a
1.
b
Signaux à bande large (caractéristique relatif):

a
F  fmoy
l 3 (fmax  fmin )

.a
f max  f min
2. Signaux à bande étroite (caractéristique relatif): f moy 

w
F  fmoy
w (fmax  fmin )
2

w
12
 Classification énergétique

 Toute transmission d'information est liée à un transfert d'énergie.

 Comment calcule - t - on l'énergie d'un signal?

o m
o . c
Énergie et Puissance des signaux:
p r Interactions entre 2 signaux

ir -
Puissance
instantanée
Energie de x(t)
sur T0 =[t1, t2]
k a
Puissance moyenne de
x(t)
Energie
instantanée
Energie d’interaction
entre x(t) et y(t) sur T0
de x(t)
Ex
a b sur T0 =[t1, t2] d’interaction
de x(t) et y(t)
=[t1, t2]
E xy

l 3
.a
t
x(t )x* (t ) t2
x(t )y* (t ) t2
 1 2

*
x(t )y * (t )dt

x(t )x (t )dt x( t ) x *
(t )dt
w
t1 t1
t 2  t 1 t1 y ( t )x * ( t )

w w
Inégalité de Cauchy – Schwartz :
E xy
2
 ExEy
13
 Energie totale de x(t) Puissance moyenne totale de Puissance d’un signal x(t)
sur x(t) PERIODIQUE de période T.
T0 =[t1, t2]= [- + ]. sur T0 =[t1, t2]= [- + ].

E  lim
To
2

 x(t ) x
*
(t )dt P  lim
1
To
2

 x(t ) x
*
(t )dt P
1
T
2

o m
 x(t ) x
*
(t ) dt

c
To  To 
To To T

.
 To T
2  
2 2

ro
Remarque:
ir -p
L’énergie et la puissance d’un signal peuvent être calculées par des expressions
Valeur efficace d’un signal: P

k
similaires en utilisant des expressions fréquentielles. a
Le spectre: X(f )X* (f )
a b
Si X(f)=TF(x(t)) est la TF du signal x(t), alors on peut écrire:

l 3


.a

L’énergie totale: E  X(f )X* (f )df
x

f 0  f / 2

w w
L’énergie dans une bande f centrée sur f0: E( f , f 0 ) 

 Les signaux à énergie finie:


f 0  f / 2
X(f )X* (f )df

w
Exp.: grandeurs physiques à support borné,
signaux transitoires, signaux périodiques. 

x(t )x* (t )dt  

14
 1 T / 2
 Les signaux à puissance moyenne finie non nulle : 0  lim  x(t )x* (t )dt  
T T  T / 2
 Exp.: Signaux aléatoires permanent.
Remarques :

o m
. c
Il existe des signaux qui n’appartiennent à aucune de ces deux classes comme l’exponentielle
exp(at), l’impulsion de Dirac,..
o
p r
Autocorrélation & Intercorrélation

ir -
 L’autocorrélation est une fonction qui traduit la similitude entre un signal x(t) et lui-même.

prédictibilité) d’un signal).

k a
Elle réalise une comparaison entre le signal et ses copies retardées. (Caractérise la mémoire (la

b



C xx ( )  C ()  C
x(t )  x* (t   )dt (0)

l 3 a 
xx xx

.a
 L'intercorrélation est une fonction qui mesure l’énergie d’interaction entre un signal x(t) et un
signal y(t) retardée de . 
Cxy ()  C*yx ()

w w C xy ( )   x(t )  y (t   )dt

*

w
15
 o m
Signal à énergie finie :

o . c
Signal à puissance
moyenne finie non nulle
Signal périodique de
période T

Autocorrélation

p r .

Cxx() 

 x(t )  x (t  )dt
*

ir
lim
-1
T T
T/ 2

 x
T/ 2
( t ) *
x ( t   )dt
1
T/2

 x(t )x * (t  )dt
T T / 2

a


Interprétation
de Cxx(0)
C’est l'énergie de x(t)

bk C’est la puissance moyenne C’est la puissance moyenne

Intercorrélation 

l
 x(t )  y 3 a 1

T/ 2
x(t )y * (t  )dt
1
T/ 2

 x(t )y * (t  )dt

.a
Cxy() *
(t  )dt lim
T T T T / 2
T / 2


w w
w
16
 o m
Chapitre II
o . c
p r
-
Outils mathématiquesripour l’étude des
signaux k a
et systèmes
a b
a l 3
w .
w w
17
 Notion de Système
 Un système est un ensemble isolé de dispositifs orientés, qui établit un lien de cause à effet
entre des signaux d’entrée (excitations) et des signaux de sorties (réponses).

 Tout système peut être vu comme une ’’boite’’ ayant des entrées et des sorties.
o m
. c
Lorsqu’on ne dispose pas de connaissances physiques détaillées sur le système, cette boite et dite
‘’ noire’’.
o
p r
 Modélisation comportementale et/ou de reconnaissance.

Systèmes linéaires continus

ir -
k a
b
Entrées x(t) Sorties y(t)
Système

l 3 a
continu
Ou Y(t)=[y1(t),…,ym(t)]

Ou X(t)=[x1(t),…,xn(t)]

w .a Y(t) est fonction de l’entrée ET de ’’l’état’’

du système.

w w
L’étude d’un système revient à caractériser sa sortie et à étudier ses caractéristiques.

a o y  a1
dy d2y
 a 2 2     b o x  b1
dx d2x
 b2 2    
dt dt dt dt
18
 Réponses d’un système

La distribution de Dirac est définie par : ()  ,    ( t )  ( t )dt  (0)
On l'appelle aussi Impulsion de Dirac 

o m
Quelques Propriétés

o . c
C’est un opérateur d’échantillonnage: (de dimension inverse de celle de la variable t)




 x(t )  (t  t )dt  x(t 0 )

p r


(at ) 
1
0

( t ) ir -
Notation (incorrecte) : ( t 0 )  (t  t 0 )

a

k a
x(t)  (t  to)  x(to)  (t  to)
 Autres notations utilisées:
a b 1

  (t)

( x )  0 x0
l 3 t

( x )   
  ( x ) dx  1

w .a 1
( x )  lim   ( x )
 0 

w w
(Opération définit entre - et +)
t

19
Autres formes de fonctions impulsionnelles

1(t)
1/T
2(t)
1/T 3(t)
1/T
o m
o . c
t

p r t t
-T/2 T/2
ir - T -T T

4(t) 1
exp(t / T)(t )
k a
5(t) 1 1
exp( (t / T)2 ) 6(t) 1 T
T

a b 2 2  T2  t 2

l 3 t

.a
t t

w w
Points communs à ces différentes formes:


 i ( t )dt  1 T

w Et on a toujours:
(t )  lim  i (t ) i; T
T0
T0
0 t  0
lim  i ( t )  
 1 t0
20
 Notion de Convolution

Comment calculer la sortie du système avec un signal d’entrée quelconque?

Notion de convolution

o m
c
Définition :

.
Le produit de convolution entre 2 fonctions f(t) et g(t) est défini par:

o
r



f  g (t )  f ( ) g (t   ).d

Pour deux fonctions discrètes, on a: ir



-p
a


bk
(f * g )(k ) 
n 
f (n )g(k  n )

Calcul pratique de la convolution

l 3 a
.a

( x  y )(t0 )   x( ) y(t 0   ).d

w w
A chaque instant t0 on doit:


w
1. Calculer y(t0-): Inversion du signal puis décalage de t0.
2. Réaliser le produit x()y(t0 -).
3. Intégrer la variable  entre – et +.
21
 Quelques propriétés de la convolution

 Elément neutre (impulsion de Dirac) : x( t )  ( t )  x( t )

 Translation temporelle: x( t )  ( t   )  x( t   )
o m
 Commutativité :
o . c
f (t )g(t ) g(t )f (t )

p r

-
Associativité : f ( t )g( t )h( t )  f ( t ) [g( t )h( t )][f ( t )g( t )] h( t )
ir

k a
Distributivité par rapport à l'addition :

b
f ( t )[g( t )h( t )]  f ( t )g( t ) f ( t )h( t )
a

l 3
.a
Théorème de Plancherel: (f(t) et g(t) deux fonctions sommables)

Linéarité :
w w
TF(f (t )g(t )) TF(g(t ))TF(f (t ))  G(f )F(f )
TF(f (t )g(t )) TF(g(t )) TF(f (t ))  G(f ) * F(f )

w
si x(t) = A.x1(t) + B.x2(t) alors y(t) = A.S[x1(t)] + B.S[x2(t)]
La réponse du système à une combinaison de signaux est égale à la même combinaison des
réponses individuelles. 22
Causalité (Principe de l’action et de la réaction)
La réponse du système à un instant donné est indépendante des valeurs futures de l’excitation.
C’est-à-dire que la réponse ne peut pas se produire avant l'excitation qui l'engendre.
si x(t) = 0 pour t < t0 alors y(t) = 0 pour t < t0
o m
Invariance temporelle :

o . c
p r
La réponse du système à une même excitation est la même quelque soit l’instant d’excitation.
Un décalage temporelle en entrée  le même décalage en sortie

ir -
si y(t) =S[x(t)] alors y(t-T) = S[x(t-T)]

k a
Réponse impulsionnelle

b
C’est la réponse d'un système à une impulsion de Dirac (t):

a
l 3
Représentation graphique de (t)

w .a t
Système h( t )  S( t )
y(t)=e(t)*h(t)= (t)*h(t)=h(t)

w w
Avantages de la réponse impulsionnelle :
• Caractérisation complète du système.
• Permet de calculer la sortie du système (linéaire invariant) pour d’autres signaux
d’entrée ! 23
Etude d’un système linéaire Invariant

Partant d’une propriété de l'impulsion de Dirac, pour toute
x ( t )   x ()( t  )d
fonction ou signal x(t), on a :
Pour un système linéaire Invariant, la réponse du système à x(t)  


o m 
s'écrira:


o . c y(t )  S[x(t )]  S   x( )(t  )d

  
Linéarité => S[ x ( t )]   x()S(t  )d
p r


Invariance => S[( t  )]  h ( t  ) ir - d’où: y(t )  S[x(t )] 



 x()h(t  ).d  (x * h)(t )

k a 

Conclusion sur la sortie d’un système linéaire

a b
La sortie d’un système linéaire peut être exprimé à partir de la réponse impulsionnelle par:

l 3 

.a  x( )h(t  ).d
y (t )  ( x * h )( t ) 


w
Entrée: x(t)

w
Système L ( h(t) ) Sortie: y(t)

w
Pour les systèmes discrets, la convolution discrète s’écrit:

y (k )  ( x * h )(k ) 


 x(n)h(k  n)
n  24
 Stabilité des systèmes

Définition 1: Un système est stable si à une entrée bornée on a une sortie bornée.

temps tend à l’infini.

o m
Définition 2: Un système est stable si la réponse libre du système tend à s’annuler lorsque le

o . c
Réponse libre: S’obtient lorsqu’on écarte le système de sa position d’équilibre et analyser sa
réponse. On distinguera:

p r
ir -
 Un système stable a tendance à revenir vers sa position d’équilibre.
 Un système instable a tendance à s’écarter de sa position d’équilibre.

mais ne s’en écarte pas.

k a
 Un système juste stable (à la limite de la stabilité) ne revient pas vers sa position d’équilibre

la fonction de transfert
F(p )  a b
S(p) aop 0  a1p1  a 2p 2  anp n

l 3 E(p) b op 0  b1p1  b np n

w .a
La fonction de transfert est un rapport de deux polynômes en p. Selon les racines du
dénominateur, on la décomposera en éléments simples selon la forme:

w w F(p ) 
S( p )
E(p )
 
i
Ci
p  ci
 
i
A ip  Bi
p  a i 2  b i 2
(Pôles réels, pôles complexes (a+j b))
25
 Réponse temporelle

On abandonne le système avec une condition initiale non nulle. Ceci revient à le soumettre à
l’instant t=0 à une impulsion (t), de TL((t))= 1.
La réponse est alors:
F(p)  f (t )   Ci e o
  e sin(b i t  i )
m
c
ci t ai t

o . i

p r
Si TOUTES les parties réelles des pôles sont négatives, les exponentielles seront amorties et la
réponse f(t) sera nulle à l’infinie: Le système revient à sa position d’équilibre; il est stable.

ir -
Dans l’autre cas, le système est instable: La sortie divergera selon un mode exponentiel (si pôle

a
réel positif) ou oscillatoire (si la partie réelle d’un pôle complexe est positive).

k
a b
Condition de stabilité: Un système est stable si, et seulement si, la fonction de transfert (en
boucle fermée) n’a pas de pôle à partie réelle positive ou nulle.

l 3
.a
Critères de stabilité
1. Critères algébriques:

2. w w
Le plus connu est le critère de Routh. Il donne le signe des racines d’un polynôme (les
pôles) sans avoir à les calculer.

w
Critères graphiques:
Ils permettent d’étudier la stabilité d’un système à partir de l’étude fréquentielle de la
fonction de transfert dans un plan donnée (de Nyquist , de Black, de Bode,…) et par rapport
à un point critique du plan considéré.
26
 Stabilité et réponse impulsionnelle

Cas d’un système linéaire: Les deux définitions de stabilité sont équivalentes.

o m
c
Quelle est la condition sur h(t) pour que la sortie y(t) soit bornée ?

o . y(t ) 
 

 x()h(t  ).d   h()x(t  ).d

p r
Un système est stable si sa réponse impulsionnelle est intégrable
 

y(t ) 
ir


- 
h(u)  x(t  u ) du sup x(u )  



h(u ) du

a
uIR

Réponse d’un système discret

bk
Le réponse d’un système discret de réponse impulsionnelle h(k) a une entrée x(k) est:

y(k )  ( x * h)(k ) 
l


3 a
 x(n)h(k  n) y(k )  (h * x)(k ) 


 h(n)x(k  n)
.
Si le système est causal: a
n  n 

y (k ) 

w w k

 x(n )h(k  n )
n 
y (k ) 


 h(n )x(k  n )
n0

w
Si l’entrée est causale
y (k ) 
k

 x(n)h(k  n)
n0
y (k ) 
k

 h(n )x(k  n )
n0
27
 Transformée de FOURIER Transformée de LAPLACE
Représentation fréquentielle des signaux

Décomposition en Série de Fourier

o m
. c
Principe: Exprimer un signal x(t) de période To comme une combinaison linéaire de signaux
sinusoïdaux.
o
p r
Définition: Un signal x(t) périodique de fréquence f0 =1/T0, s'exprime sous certaines conditions,

ir -
comme une somme de fonctions sinusoïdales de fréquences fn multiples de f0 (dite fréquence
fondamentale):

 2 
x(t )  ao   an cos  n
 2 
t   bn sin n
k a 

t   ao  an cos 2f 0nt   b n sin 2f 0nt 
n 1  To  

a b
To  n 1

3
To / 2
2
To  To / 2
ao 
l
Avec: x(t ) dt (Valeur moyenne ou composante continue)

w .a
an 
2

To / 2

To To / 2
x( t ) cos
 n 2 

 To 
t  dt n1
Les coefficients an et bn

w w bo  0

bn 
2
To / 2

To To / 2
x( t ) sin
 n 2 

 To
t  dt n  1

sont les coefficients de la
série de Fourier.

28
Décomposition en harmoniques

La série de Fourier peut être écrite sous la forme d’un développement en fréquences harmoniques
(fréquences fn =nf0 )

x(t )  a o   Cn cos 2nf0 t  n 
C n  a
o
2
n
m b 2
n

n 1

o . c
Avec:
 n  artg
 bn 
  
 an 

r
Spectre en fréquence: Il est donné par les amplitudes de l’ensemble des fréquences (fondamentale
p
et harmoniques).
C’est un spectre de raies dont l’écart est de f0. ir -
Spectre c1 c4

k
Le spectre d’un signal continu, de 0 a a c2 c3

b
période T0, est un spectre de discontinu.

a
l 3 0
Décomposition en Série de Fourier: Forme complexe:
f0 2f0 3f0 4f0 fréquences

complexes:
w
exp( j2f o t )
.a
On exprime le signal périodique x(t) comme une combinaison linéaire de signaux exponentiels

Avec w w
x(t ) 


n 
Xn exp( j2nfo t ) Harmoniques négatives!?

To / 2
1
Xn   x(t ) exp( j2nf t )dt
o
29
Dans le cas d’un signal réel, on a: an  a n et bn  b n
Relation entre les coefficients : a  jbn Cn  a n2  b n2
Xn  X(nf0 )  n

m
2
 b 
n  artg  n 
X(nf0 )  X* (nf0 )

. c
Interprétation spectrale: X(kf0 )  X(kf0 ) exp( j(kf0 ))
o  an 

ro
fréquentielle de x(t).
ir -p
Les coefficients de Fourier de x(t), ’’ Xn’’ de la série de Fourier forment une représentation

k a
X(nf0) est interprété comme la nième composante fréquentielle de x(t).

b
Le spectre en fréquence de x(t) est un spectre de raies.

a
3
L’écart minimum est la fréquence fondamental, f0.

l
.a
Spectres d’amplitude, de puissance et de phase:
X(nf0 )
•Spectre d’amplitude

w w •Spectre de Puissance
X(nf0 )
2

w •Spectre de phase
(kf0 )  arctg ( 
bk
ak
)

30
 Transformée de Fourier
Définition: Pour un signal x(t), non périodique, La TF de x(t) , si elle existe, est donnée par:

X(f )  TF( x(t )) 



 x( t )e  j 2 ft
dt
o m
. c 

X(f) est un nombre complexe qui admet donc une amplitude spectrale A(f) et une phase spectrale

o
F(f).
Formule d'inversion: 1


p r
j2 ft
 X(f )e
ir -
x(t )  TF ( X(f )) 


df


a
Par rapport à la pulsation,   2f 1

 x ( t )e dt x ( t )  X()e jt d
 jt
X() 

bk
La TF et la TF inverse ne sont pas toujours définies
 2  

3 a
Quelles sont les conditions d’existence de la TF(x(t))?
l
w .a
Conditions nécessaires pour l'existence:
1 x(t) doit être borné, 2 d’énergie finie (sommable) et 3 ayant un nombre de discontinuités
et d’extrema fini.

1




w w
x(t ) dt   2




2
x(t ) dt   3
x(t) continue par morceaux et admet un
nombre de discontinuités et d'extrema fini.

31
TF d’un signal réel
 

 x(t )e  x(t )cos(2ft )  j sin(2ft )dt

 j 2 ft
X(f )  dt 
 

Réel  X ( f )  


o m
 x(t ) cos(2ft )dt
X(f )  RéelX(f )  j Im agX(f )

o . c 

Im ag  X ( f )     x(t ) sin( 2ft )dt

p r 

X(f )  X(f ) exp( jx (f ))

ir - Spectre d’amplitude

k a Spectre de phase
Pour un signal réel;

a b
Le spectre d’amplitude est une fonction paire.

l 3
Le spectre de phase est une fonction impaire.

w .a
Théorème de Wiener-Kintchine: 
TFI X ( f )
2
  TFI X ( f ) X *
( f )

w
S xx ( f )  X ( f )
w
2





C xx


(t ) e  j 2ft
dt  TF C xx (t ) 
 x (t ) * x * ( t )




 x( ) x
*
(  t ) d

Généralisation: S x y (f )  C

xy ( t )e  j 2 ft dt
 C xx (t ) 32
 Théorème de Bernstein
Ce théorème permet de relier le support en fréquence et la variation d'un signal :

o m
Énonce: Si x(t) est  borné et  à support borné en fréquence (fmax), alors on a toujours:
dx ( t )
 2f max M et
o . c
d p x(t)
 2 f p
M
r p max
dt dt

ir -p
Interprétation: Les variations d'un signal (dérivées) sont bornées.
Un signal ne peut pas varier arbitrairement vite.

a
Conséquence: Un signal présentant des discontinuités est un signal à support en fréquence non

k
b
borné.
Rappels: 
 t, x(t )  M   f  f max , X(f )  0
Extension de la TF:
l 3 a
.a
Cas des signaux à énergie infinie
Les signaux à énergie infinie (puissance moyenne finie et non nulle) ne vérifient pas les

w w
conditions d’existence de la TF.
Ces signaux ne satisfont pas les critères de convergence habituels. Pour calculer leur TF, on

w
applique la théorie des distributions
Chercher la théorie des distributions!!!
33
•Quelle est la TF de la distribution associée à 1 ?

 TF 1,   1, TF     TF  ( f ) df  TFI t  0   (0)   ,  

m

TF(1)  (f )
•Quelle est la TF de la distribution associée à Const = Constante ?

. c
On a 1  (f ) Grâce à la linéarité de la TF, on peut écrire que: Const  Const (f )
o
Exercice: Calcul de la TF de sin(t) ou cos (t)
ro
TF d'un signal périodique ir -p
Calculer la TF du signal: x(t )  A cos(2fo t   )

k a
La TF d'un signal périodique est divergente, mais elle peut être calculer au sens des distributions.

a b
Toute fonction périodique f(t) de période T peut s'écrire comme une somme infinie de cosinus et
de sinus (décomposition en Série de Fourier.):

l 3 
 2   2 
f ( t )  a o   a n cos  n t   b n sin  n t 

w .a
en utilisant la linéarité de la TF
n 1  T   T 

w an  ibn a  ibn
 
TF[f (t )]  ao (f )   (f  n fo )   n
1
(f  n fo ) f0 

w n 1
Le résultat correspond à un spectre de raie.
2 n 1 2 T

34
  
TF d'un Peigne de Dirac  T ( t )   (t  kT O ) F T (t )  fo  f  nf 
o
k   n 

La TF d'un peigne de Dirac est un peigne de Dirac

o m
Réponse fréquentielle des systèmes

o . c
La réponse fréquentielle est obtenue en excitant le système par un signal exponentiel complexe:

ri 2ft
x(t )  e
p
La sortie s’exprimera alors par:
ir -
S[ x ( t )]  (h  x )(t )

k a  (h  e j2 ft )(t )

a b  


h ()e j2 f ( t  ) d

a l 3   h ()e  j2 f d e j2 ft

 

w .  
 H(f )e j2 ft


w w
soit, en définitif: h(t )  e j2ft  H(f )e j2ft

35
 Transformée de Laplace
C’est une généralisation de la TF
Décomposition de x(t) dans une base de fonctions exponentielles ept (avec p complexe).

X(p)   x ( t )e  pt dt
o m

X(p) n'est définie que si cette intégrale converge.

o . c
Définition :

p r
on appelle Région de Convergence (RC), de la TL l'ensemble des p telle que l'intégrale
converge.
ir -
Quelques règles:

k a
Partant de l’expression générale :
F(p ) 
S( p )

a b
a o p 0  a1p1  a 2p 2  a n p n

m

 p  z 
i 0
i

l
E(p )

a 3 b o p  b1p  b n p
0 1 n n

 p  p 
i

.
1. La RC ne contient pas de pôles

w
i 0

2. Si x(t) est à support borné, alors la RC est égale à tout le plan complexe sauf éventuellement 0

w
et l'infini.

w
3.  t o \ x(t )  0 pour t  t o La RC est de la forme Re(p)  minRe(pi ), i  1 .. n

4.  t o \ x(t )  0 pour t  t o La RC est de la forme Re(p)  maxRe(pi ), i  1 .. n 36

Transformée de Laplace : propriétés

 linéarité : a1x1 (t )  a 2 x 2 (t ) a1X1 (p)  a 2 X 2 (p)

 convolution : x(t )  y(t ) X(p).Y(p)
o m
 translation temporelle : x(t  t o ) e pto X(p)
o . c
 translation fréquentielle :
p
e x(t )  X(p  a )
at r
 dérivation :
-
x(t )  pX(pr) i x(0)
k a
Systèmes et transformée de Laplace

a b
TL et réponse impulsionnelle :

a l 3 y(t )  h(t )  x(t )  Y(p) H(p).X(p)

w .
Transmittance complexe :
Utilisation de la TL pour les systèmes
H ( p) 
Y ( p)
X ( p)
Y et X étant des polynômes en p

w w
 Critère de stabilité : stabilité asymptotique de H ( p) 
Y ( p)
X ( p)
 Stabilité ssi les pôles de H(p) sont à partie réelle strictement négative
37
 o m
Chapitre III o . c
p r
r i -
k a
Signaux à temps continu
a b
a l 3
w .
w w
38
Quelques descriptions de base
 Signaux de durée finie (à support borné):

x(t )  0 t  T  t1 , t 2  x(k )  0 k  T  k 1 , k 2 

o m
 Signaux bornés:


x(t )  M t   ,  o . c x(k )  M k   ,

p r


Signaux pairs
Signaux impairs -
x(t )  x( t ) x(k )  x( k )
ir
x(t )   x( t ) x(k )   x( k )

k a
a b
Remarque: Décomposition d’un signal en deux signaux pair et impair:
x p (t ) 
x ( t )  x(  t )

l 3
x(t )  xp (t )  x i (t ) Avec:
2
x( t )  x(  t )

.a
x i (t ) 
2

w w
w
39
L’exponentielle
Son importance vient du fait qu’elle est la solution de l’équation différentielle (ED) linéaire à
dn 1x(t )
m
coefficients constants. d n x(t ) dx (t )
 a n 1      a1  ao x(t )  0
dt n
dt n 1

. c
dt
Ces équations caractérisent un grand nombre de processus physiques et en particulier les filtres o
linéaires.

ro
L’expression générale de la solution est de la forme:
n 1 1
x(t )  e 1t  c1 jt j  e  2t  ri -p n 2 1

 c 2 jt j  .....  e
pt
n p 1
c pj t j
j 0

k a j 0
Où les i sont les solutions de multiplicité n i du polynôme caractéristique de l’ED:
j 0

r  an 1r
n n 1

a b
 .....  a1r  ao  0
1
p
(  in i  n)

l 3 i 1

.a
La Fonction signe
 1 t  0  t  1 k  1,2,....
  t  0 sgn(k )  
sgn( t )   1 t  0   t

w w  0 t  0  0 t  0

1
 1 k  0,1,2,...

w 1
0 t
-1
k

-1 40
Saut unité ou Echelon

1 t0

1
1
(t )   0 t  0  sgn( t ) 
2
1
2 U( k )  
o
0 k  1,2,... m
 1 k  0,1,2,....

 2 t  0

o . c
0.5
1

p r 1

-
t 0

ir
k
0

Notations: (t)=u(t)…..
k a
Remarques: Dans certains applications, on assigne à (0) la valeur 1.

La rampe
a b
t

l 3
r(t )   ()d  t(t )
k k  0
rk  

.a
 0 k  0
Rampe unité

w w
r(t)
1
r(k)

w 1
t k

41
Le rectangle  1
 1 t ' 
2
1 1   1  1 k  k0
rect (t ' )   (t ' )   (t ' )  0 t '   
m
rect ( k )
2 0 ailleurs
2 2 

. c
 t’ :variable adimensionnelle
o
rect(t)
ro rect(k)
1
ir -p
Surface unité

-0.5 +0.5
k a k

L’impulsion rectangle
a b
l 3 A rect((t-)/T)

.a
Surface A.T
C’est une fonction rectangle de durée T, A

w
d’amplitude A et centrée en t= .

w -T/2  +T/2
w
t

42
L’impulsion de Dirac

Représentation graphique de (t): Représentation graphique de (k):

(t-t0) (k-k0)

o
( k )   m
1 k  0
1 1

o . c 0 k  0

p r
t0 t

ir - k0 k
Exercice 1.Donner l’expression de la moyenne d’un signal x(t) sur un intervalle T centré en t=t0.

k a
2.Exprimer x(t0) en fonction de l’expression de la moyenne.
3.Comparer ce dernier résultat avec la propriété d’échantillonnage de l’impulsion de
Dirac pour t= t0.

a b
4. Déduire l’expression de (t-t0) et de (t).
Peigne de Dirac
l 3

.a
C'est une somme infinie d'impulsions de Dirac régulièrement espacées de To

w
 To   ( t  kTo )
 To

w w
Propriété importante:
k   -2To -To 0

x(t)
To 2To t

x ( t )   To   x (kTo)  ( t  kTo) t
k 43
 Représentation vectorielle des signaux
Un signal analogique quelconque, x(t), peut être exprimé selon une combinaison linéaire de

m
fonctions connues: N
x( t )    k (t )  k (t ) k  1,2,N
k 1
k

. c o
l’analyse des signaux.
ro
Cette expression constitue une représentation discrète du signal x(t): C’est le fondement de

ir
Quelle est l’utilité de cette représentation ?
-p
a
1. Facilite l’interprétation du signal, surtout à travers des systèmes linéaires.

k
b
N N
x( t )    k (t ) y (t )   S ( k (t ))

a
k k
k 1 k 1

l 3
2. Permet de considérer le signal comme un vecteur dans un espace vectoriel (de dimension N) ce

.a
qui offre un outil mathématique puissant.
3. C’est le seul moyen pour le traitement numérique des signaux.

w w Système
y(t)

 k (t )k 1,n
 k (t )k 1,n
w linéaire

44
Structure de l’analyseur de signaux

*1 (t)
1
m
x(t)
l1

t2
x(t)
x(t)
*

.
2
l2
c
 (t)
t1
dt
o
2
o
t2

p r t1
dt

ir -
k a *n (t)

a b 
x(t)
ln t2
dt

l 3 t1
n

w .a *
1
l
(t) 
l
*
2 (t)
 
 *
n
l
(t)
Intégrateurs

w w 1 2

Générateur de fonction orthogonales

n

45
Synthétiseur de signaux

 1  1 (t )
1
 2  2 (t )
o m
o.c
2
x(t)

p r
n ir -
 n  n (t )

k a
1 (t ) 2 (t )n1 (t )

a b
Générateur local de fonctions

l 3 orthogonales

w .a
w w
46
 o m
Chapitre IV
o . c
p r
Du signal continu a
i -
aur signal numérique
bk
l 3 a
. a
w w
w
47
Échantillonnage idéal
L’échantillonnage d’une fonction continue est sa représentation par un ensemble de N valeurs, N
étant un nombre entier.
Sur le plan théorique, l’échantillonnage offre une représentation discrète pour les signaux

o m
c
analogiques.

.
L’opération inverse de l’échantillonnage: L’interpolation.
o
r
Il s'agit de restituer toutes les valeurs du signal analogique à partir de la connaissance des

p
-
échantillons.

Circuit d’échantillonnage ir
k a
C’est tout circuit générant un ensemble discret de valeurs prélevées sur son entrée analogique.

x(t)

a b x(nT)

3
Echantillonneur

.a l
Temps: t

Le symbole d’un échantillonneur est l’interrupteur.

T
Temps:
n=0,1,2,..

w w Période d'échantillonnage Te= T

Signal discret

w Signal original x(t)

Temps: t
xe(t)= x(nT)={x(nTe)}

Temps:
T n=0,1,2,.. 48
 Théorème de Shannon

Pour échantillonner un signal sans perte d'information, il faut que la fréquence d'échantillonnage
Fe soit supérieure au double de la fréquence maximale du signal: Fe  2F max
o m
Fréquence de Shannon:

o . c
(de Nyquist ou fréquence de repliement):

p r
Fma x 
Fe
Elle vaut:

ir - 2
C’est la fréquence maximale admissible dans un spectre qui permet d’éviter les distorsions du

a
spectre du signal échantillonné par une fréquence Fe.

k
Filtre de Shannon :

a b
C’est le filtre passe – bas idéal de fréquence de coupure égale à la
fréquence de Shannon.
l 3 -Fe/2 0 Fe/2 f

Restitution du signal

w .a
Pour restituer un signal x(t) à partir de xe(t) il suffit de pouvoir isoler un motif du spectre Xe(f).

w w
Pour ceci, il faut que 1 le spectre initial soit borné et que 2 l’échantillonnage vérifie le
théorème de Shannon.

49
Echantillonnage réel
Le peigne de Dirac utilisé pour l’échantillonnage idéal est un objet théorique.

courte non nulle.

o m
Dans la pratique, seules des impulsions approximant ceux de Dirac peuvent être utilisées: durée

o .
Pour un échantillonnage réel, il faut prendre en compte: c
p
1. Les moyens techniques disponibles pour la
r génération des impulsions de durées
 et de période Te (électronique non linéaire) .
ir -
2. Les limites tolérables des déformations lors de la restitution.

k a
b
Un nouveau objet mathématique va être utilisé: Le peigne réel.

a
a l 3
Te, (t )    (t ) *  Te (t ) 

  (t  nTe)
2

.
n 

n 

w w  Te (t )   (t  nTe)
n 
Te nTe

w
Son spectre s’exprime par:
TF( Te, )(f )  .Fe


 sinc(nF )(f  nF )
e e
n  50
Exemples d’échantillonnages

xe(t) xe(nTe)=x(t)
o
Echantillonnage naturel:
m
pour

o
nTe - <t< nTe + . c
Amplitude égale à celle du signal durant la
durée 2.

p r
2 nTe t
ir -
xe(t)
a
xe(t)=x(nTe )
k
Echantillonnage régulier:

b
pour Amplitude constante durant toute la durée
2 et égale à celle du signal à l’instant

2 l 3 a
nTe -  <t< nTe +  d’échantillonnage x(nT ).

t
e

.a
nTe
Echantillonneur moyenneur:
xe(t)

w w xe(nTe)= moy(x(t)) Amplitude constante durant toute la durée

pour 2 et égale à la moyenne du signal durant
l’instant
w
intervalle 2 autour de
nTe- - <t< nTe +  d’échantillonnage nTe.

2 nTe t
51
Echantillonnage naturel
xe(nTe)=x(t)
 

xe (t )  x(t ).    (t  nTe)  x(t )   (t ) *  Te (t )
n 
o m
pour
nTe - <t< nTe +

o . c

X e (f )  X(f ) * .Fe


r
sinc( nFe )(f  nFe )
p
n 

r i - 2 t

 a
 Te

bk
Xe (f )  .Fe
n 
sin c( nFe )X(f  nFe )

3 a
Si  est suffisamment faible, la fonction sinc peut être assimilée à une impulsion de Dirac. Le
l
spectre de base Xe0(f) peut alors s’écrire (si les précautions théoriques sont prises) selon:

w .a Xe0 (f )  .Fe .X(f )

w w
Cet échantillonnage est comparable à l’échantillonnage idéal et n’est pas
réalisable pratiquement.
52
Echantillonnage régulier bloqueur
xe(t)=x(nTe) pour

x e (t )   x(nTe).
n 
 (t  nTe)

o m
nTe <t< nTe+

Remarquons qu’on a aussi

o . c


x e (t )   x(t ).


p r 
(t  nTe )  *   (t )
 n 
ir - 
! nTe t

k a 
 


a b
X e (f )   X(f ) * Fe .
 n 
(f  nFe ) . sin c( f )


l 3  .Fe . sin c( f ).


X(f  nFe )

w .a n 

Xe0 (f )  .Fe . sincf .X(f )

w w
Il y a déformation de X(f) par la fonction sinc. Si <<Te, cette déformation peut être acceptable.
Exemple: =5s; Te=20kHz; distorsion à f0=1KHz de l’ordre de 2%.
53
Échantillonneur moyenneur

m
Échantillonnage réel par moyennage simple xe(nTe)= moy(x(t)) pour

xe (nTe) 
1
2 nTe 
nTe 
x(t ) dt 
1
2 nTe 
nTe 
  (t  nTe )x(t ) dt
. c o
nTe - <t< nTe +

ro
Comme
nTe 

nTe 
 e
ir -p
  (t  nT )x(t ) dt  (x(t ) *  (t ))(nT )
 e

k a nTe t

Alors
xe (nTe ) 
1
2 a b
( x(t ) *   ( t )(nTe )

 .a
l
xe (t ) 
3 xe (nTe ).(t  nTe ) 
1
 ( x(t ) *   ( t ))(nTe ).(t  nTe )
2 n

X e (f ) 
w
w
1 
n


 sinc( ft ).X(f ) * Fe (f  nFe )  Fe  sinc(f  nFe )t X(f  nFe )
w 2 n   

Et on a:
n 

Xe0 (f )  Fe . sincf .X(f )

54
Relations énergétiques
Exercice:
1. Exprimer l’énergie d’interaction entre deux signaux x(t) et y(t) (à spectres bornés ) en
Shannon.
o m
fonction des échantillons obtenus par un échantillonnage respectant la condition de

2.
o . c
Déduire l’expression de l'énergie totale d’un signal en fonction des puissances des
échantillons.

p r
3.
ir -
Déduire l’expression de l’autocorrelation d’un signal en fonction des puissances des
échantillons.

k a
a b
l 3
w .a
w w
55
Quantification des signaux échantillonnés

• La quantification est une discrétisation de l’amplitude du signal.

o m
• C’est une opération préliminaire à tout traitement numérique d’un signal car les systèmes
numériques ne travaillent que sur des quantités finies: les amplitudes, comme le temps, doivent

. c
prendre des valeurs finies dans un ensemble fini de valeurs.

o
• Ceci limite la précision d’une représentation.

p r
La quantification consiste à transformer les échantillons d’un signal x(nTe)=x(n)=xn en des

ir -
échantillons d’amplitudes y(nTe)=y(n)=yn prises dans un ensemble fini connu à l’avance.
La quantification est donc

k a
b
1. Une classification de xn dans des intervalles pré-définis.

a
l 3
2. Une approximation où chaque valeur de xe(t) est représentée par un multiple entier d'une
quantité élémentaire q appelée "pas de quantification" ou quantum.

.a
Si le quantum q est constant, on parle de quantification uniforme.

w
w w
Lois de quantification:
L’association de yn à xn se fait selon une certaine loi: Arrondi au plus proche voisin, Arrondi par
défaut, par excès,…..

La quantification yn =Q(xn ) est une loi non linéaire. 56

Exemples de quantification:
1. Par arrondi: Si
2. Par troncature: Si
 1 1 Alors à xe(t) on associe le code
 N    q  x e (t)  ( N  )  q N ou la valeur Nq
 2 2
Nq  x e (t )  ( N  1)  q
o m
Alors à xe(t) on associe le

Erreur de quantification:
o . c code N ou la valeur Nq

r
La quantification introduit une erreur dite erreur de quantification:

p
 (k )  yn  xn
Procédure de base

ir -
1. On défini des intervalles d’amplitude Ik selon Ik=]xk , xk+1] où xk et xk+1 sont deux valeurs

associé aux niveaux de xk.

k a
numériques. (En général, on prend M=2N intervalles (k=1 à M) où N est le nombre de bits

b
2. On associe à l’échantillon d’amplitude xn un indice k si son amplitude est dans l’intervalle Ik.

a
Exemple: Arrondi par défaut

l 3
.a
Echantillons discrets: Amplitude signal
valeurs numériques de référence:

w w
Intervalles d’amplitudes:
I3
xk (k=1,2,3,4)

w I2
I1
I0
-3Te -2Te -Te 0 Te 2Te 3Te t 57
 Amplitude
Quantification uniforme
+Vmax
La longueur de l’intervalle Ik=]xk , xk+1] est une
constante: C’est le quantum q. 2V
q  max  max
M
2V
2N
otm
La quantification selon le plus proche voisin se

o . c -Vmax
fera en associant

p r
l’ensemble xe (k ) à ensemble xe,q (k ) selon: xe ,q (k )  nq si  n    q  xe (k )  (n  )  q
1 1

CAN ir -  2 2

k a
La fonction de transfert d’un CAN définit la relation entre le code numérique de la sortie du CAN
en fonction de la tension d'entrée

a b
l 3 Sortie

w
Rechercher à la maison .a CAN

w w Signal
numérique
Signal d’entrée au CAN
Signal analogique
58
Erreur de quantification
C’est l’erreur entre l’entrée et la sortie reconstituée du CAN.
e(t )  xnum (t )  xanal(t )
Elle s’exprime par:
m
Cette erreur est comprise entre - q/2 et +q/2.

o
o . c
On numérise une rampe.

p r L’erreur est négative et oscille

ir - entre 0 et –1 (LSB)

k a Il y a un offset dans le signal

numérique (quantification par

a
Quantification sans offset (CAN corrigé)b défaut).

l 3 On décale le premier LSB d’un demi LSB à gauche.

w .a L’erreur est centrée: elle est

symétrique par rapport à 0 et
égale à ±1/2 LSB.

w w Le 1/2 LSB tronqué au début se

retrouve au dernier état.
59
 o m
o . c
p r
-
ChapitreiV
r
k a
a b
Signaux Discrets
Partie 1 . a l3
w
Représentation des signaux & systèmes discrets.
w
w
Transformée en Z.

60
Signaux et systèmes discrets
Signal discret: C’est une série de N valeurs discrètes. Un signal discret peut être obtenu par un
échantillonneur délivrant des données discrètes à des instants tn (n=0,1,2..N-1).
Exemples:
Signal Signe:
o
Signal Echelon: m
sgn(n )  
 1 n  1,2,....

o . c U ( n ) 
 1 n  0,1,2,....

0 n  1,2,...
 1 n  0,1,2,...

p r
1
ir - 1

a
n n

-1
bk 0

3 a
Systèmes discrets: Un système discret, est un opérateur ou un algorithme qui transforme une
l
séquence d’entrée x(n) en une séquence de sortie y(n).

w .a Système
y(nT)

w w x(nT)

nT
Discret
nT
n=0,1,2,..
n=0,1,2,.. T
T 61
 Réponse impulsionnelle
C’est la réponse d'un système à une impulsion de Dirac (k):

1 k  0
( k )  
0 k  0
Système h(k )  S(k )
o m
(k)
o . c h(k)

p r
-
1

ir
0 k
k a 0 k

donnée par:
a b
Si le système est linéaire et invariant dans le temps, la réponse, y(k), à toute entrée x(k) est


3
y (k )  ( x * h )(k ) 

l
 x(n)h(k  n)
n 

Causalité:

w .a
Un système est causal si et seulement si sa réponse impulsionnelle est nulle pour tous les indices

w
De même, w
négatifs du temps. h(n)  0 pour n  0

Un signal est causal si et seulement si ses valeurs sont nulles pour tous les indices négatifs du
temps. x(n)  0 pour n  0 62
Réponse d’un système discret

Le réponse d’un système discret de réponse impulsionnelle h(k) a une entrée x(k) est:

y(n )  ( x * h )(n ) 


 x(m)h(n  m) y(n )  (h * x)(n ) 



o m
 h(m)x(n  m)
Si le système est causal:
m 

o . c m 

r


 h(m)x(n  m)
n
y (n )   x(m )h(n  m ) y (n ) 

Si l’entrée est causale

m 

ir -p m0

y (n ) 
n

 x(m )h(n  m)
m0

k a y (k ) 
k

 h(m) x(k  m)
m 0

a b
Stabilité
l 3
w .a
Définition 1: Un système est stable si à une entrée bornée on a une sortie bornée.
Définition 2: Un système est stable si la réponse libre du système tend à s’annuler lorsque le

w w
temps tend à l’infini.
Condition Nécessaire et Suffisante pour les systèmes discrets: 


m 
h( m )  

63
 Réponse fréquentielle
C’est la réponse d'un système à une fréquence f0 (signal harmonique): x(n)  e j 2nf0
Comme X(f )  (f  f0 ) et y(n)  (x * h)(n)
o m
Alors Y(f )  X(f ).H(f )
. c
c’est-à-dire: Y(f )  H(f0 )(f  f0 )

o
r
La réponse Y(f) est aussi harmonique,
p
ir -
et sera caractérisé par le module et la phase de H(f) à la fréquence f0.


 h(k ).e
a
 j 2 fk
D’où, pour toute f, on aura: H(f ) 

bk k  

Corrélation de signaux discrets

l 3 a
L’inter-corrélation entre deux signaux discrets x(n) et y(n) au point k est donnée par:

.a


x

Cxy (k )  y n k ou C (k ) 
n 
n
xy x n y n  k

w
n 
Selon la définition

w
 

Cxy ( )   x(t )  y (t  )dt

*
ou Cxy ( )   x(t )  y * (t  )dt

w  

64
Transformation en Z
La TZ, X(z) d’un signal discret x(k) est donnée par la fonction complexe:
 

 x(n )z x
m
n
X( z )   n z n

o
n  n 

où z est une variable complexe définissant le plan Z.

On parle d’une TZ bilatérale.
o . c
Notation: TZ(x(k))= X(z)= Z(x(k))

p r x


ir -
Cas d’un signal causal, la TZ bilatérale se réduit à une expression unilatérale: X( z ) 
n0
n z n

Existence de la TZ

k a
b
La TZ X(z) converge si les séries X ( z ) et X  ( z ) convergent:

a
1 
X( z )  x z n
  xn z n  X  ( z )  X  ( z )  

3
n

.a l n 

X  ( z ) est la TZ d’un signal causal lim xn z

n0

n
1/ n
 lim xn
1/ n
z 1
1 R1  lim xn
n 
1/ n

w
n  n 
1  

 xn z   x m z   x m z m
w
n
X  ( z ) est la TZ d’un signal anti-causal. X  ( z )  m

n   m 1 m 1

w
lim x m z
m 
m
1/ m
 lim x m
m 
1/ m
z 1
1
R2 
lim x m
m 
1
1/ m

65
Cas d’un signal pair ou impair
 
X (z )  x n z n
X (z 1
) x z n

m
n
n0 n0

o
   
X( z )  x z n   xn z n  x z n   xn z n
c
Or n n
n 1

X  ( z)  X  ( z )
n0
1

o . n 1 n0

On en déduit que:

p r
-
Si le signal est impaire, on aura: X ( z )   X ( z 1 )
ir
Couronne de convergence

k a Imag(z)

R1  lim xn
1/ n

a b n 

R2  1

3
1/ m

.a l lim x m
m 

Réel(z)

w
C1(0, R1)

w w C2(0,R2)

X(z) converge sur un anneau du plan z défini par la couronne:0  R1  z  R 2

Avec les conditions nécessaires: R1  R 2 & R1  R 2 66
 n2
Règles de convergence de la TZ d’un signal de durée finie X( z )  x
n  n1
n z n

Les conditions de convergence sont

1. Des modules x n finis pour n  n1 , n 2 .
o m
2.

Il faut étudier le cas des points singuliers:

o . c
r
Si n1 et n2 sont tous les 2 positifs: Pas de convergence en z=0 (z-n diverge).


ir -p
Si n1<0 et n2>0: Pas de convergence en z=0 et en z tendant vers .
Si n1<0 et n2<0: Pas de convergence pour z tendant vers .
Quelques résultats

k a
x(n)

a b X(z) (R1,R2)
a n
x(n )  
0
n0
n0
l 3 1
1  az 1
 a , 

x(n )  (n )  

w
 0 n0
.a
1 n  0
0 n  0
1
1  z 1
1
1,

0, a 

w w
x(n )  
 a
a n
x(n )   n
b
n
n0
n0
n0
1
1  az
1  az 1

1

1
1  bz 1
 a , b  si a  b

1  z N
x(n )   N (n  N / 2) 0,
1  z 1 67
Propriétés de la TZ

•Linéarité : x(n)  y(n)  X(z )  Y(z ) avec R   max(R x , R y  ) et R   min(R x , R y  )

•Décalage : x(n  n 0 )  z n0 X(z ) avec (R x , R x )

o m
. c
•Multiplication par ak : a n x(n)  X(z / a) avec ( a R x , a R x )

o
•Dérivation:

n k x(n )    z
d 
r
 X( z )
p
n

avec (R x , R x )

•Inversion :
 dz 
ir -
x(n)  X(1 / z ) avec (1 / R x ,1 / R x )
•Produit:

k  l
k a 
X( z )Y( z )    x(l )y(k  l )z k

avec (max(R x  , R y  ), min(R x  , R y  ))

•TZ d’un produit de convolution :

a b x(n) * y(n)  X(z )Y(z )

l 3
•Région de convergence étant l’intersection des deux couronnes. R x , R x  et 1 / R x , 1 / R x 

.a

1 1 dz
•Théorème de Parseval en z :  x(n) 2  2j 
X( z ) X( z )

w n  z

w
avec  un chemin fermé contenu dans les couronnes .

w
68
•Théorème de la valeur finale : x()  limz  1.X( z )
z 1

•Théorème de la valeur initiale: x(0)  lim X( z )

•TZ et corrélation:
z 

TZ(C xy (k ))  X(1 / z )Y(z )

o m
. c
le domaine de convergence est: 1 / R x  z  1 / R x  R y   z  R y  
o
Retour à l’étude des systèmes
p r
Un système, H( z ) 


 h(k )z ir
k
- R h  z  R h
est stable si (C.N.S)
k  

k a
H( z ) 


 h(k )  

Sur le cercle unité, z  1 on a: H( z ) b

a 
k  



h(k )  

l 3 z 1
k  

.a
Conséquences:
La couronne de convergence d’un système stable doit nécessairement contenir le cercle unité.
w
Il existe au moins un lieu de l’espace complexe, le cercle z  1 , où H(z) est définie:
w
w
H(z) existe toujours pour un système stable.

69
  
•Si le système h(k) est causal H( z )   h(k )z
k  
k
  h(k )z
k 0
k

Sa couronne de convergence est alors l’extérieur du cercle de rayon Rh+:

R h  1
lim h m
1/ m  
Et on a alors R h  z  
o m
c
m 

Conséquences:
o .
r
Si le système causal est également stable, il contient forcement le cercle unité et la couronne
p
ir -
de convergence a un rayon intérieur plus petit que un:
Les pôles d’un système
R h  1
linéaire stable et causal se trouvent à l’intérieur du cercle unité.
TZ Inverse
k a
La TZI est obtenue par l’intégrale: x(l ) 

a b 1
2j 
X( z ) z l 1
dz

Méthodes de calcul de la TZI

l 3
w .a
1. Intégration directe par les résidus.
2. Développement en série de puissances.

w w
3. Développement par division.
4. Développement en fractions partielles.
C’est cette dernière technique qu’on utilisera le plus en association de la table des TZ.

70
 o m
o . c
p r
r i -
Partie 2. Transforméeade Fourier Discrète.
bk
l 3 a
. a
w w
w
71
Transformée de Fourier des signaux discrets
Soit le signal xe (t )   x(k )(t  k )

m
k
Calculons sa Transformée de Fourier
X(f ) 


  x(k )(t  k )e
 k

. c
 i 2 ft
o
dt 
k  

 x(k )e
k  
 j 2 kf

ro
Définition: La TF d’un signal discret x(k) est donnée par:

 -p

X(f )  x k e  j 2 f k
ir k 

a
!

k
Le signal x(k) est discret mais sa transformée de Fourier X(f) est à variable continu.

Propriétés:
a b
l 3
1. La TF d’un signal discret existe si le signal est absolument sommable:

a


x k 1

.
k  
2. Les propriétés de la TZ s’étendent à la TF d’un signal discret.

w w
3. Si x(k) est réel, X(f) est paire.
4. Les spectres d’amplitude, de phase, d’énergie,.. sont donnés par les expressions habituelles:

w X(f ) , arg X(f ), X(f )

5. La TF d’un signal discret est une fonction périodique, de période 1: X(f )  X(f  1)
2
,

72
TF Inverse d’un signal discret
0.5
Elle est définie à partir d’une seule période selon x( k )   X ( f )e j 2fk df
 0.5

TF des fonctions de corrélation Cxy (k ) 



x n y n k
o m
 xy (f )  TF(C xy (k )) 
o . c 

C
n 

(n ).e  j2 nf

r
xy
n 





n  m ir -p
x m y m n .e  j2 nf mn  l




kax m .e  j2  ( m )f y l .e  j2  (  l )f

a b
m 

 X(f )Y * (f )
l

a l 3  xy (f )  X(f )Y* (f )

Remarque:
w . Si C x y (k ) 


x y n  k

w w alors
n 

 x y (f )  X* (f )Y(f )
n

73
Transformée de Fourier Discrète (TFD)

Pour un signal x(k) apériodique de durée N, la TFD est donnée sur N fréquences
fn 
n
N
 n.f n [0,, N  1]

o m
par:
X(n ) 
N 1

. c
 x(k )e
o
k 0
 j 2 k
n
N

Interprétation de la TFD
p r
ir -
Il s’agit d’analyse de la relation entre X(k) et x(n) obtenu par échantillonnage d ’un signal x(t)
à la période Te.
Calculons la TFD pour k=0.
k a
On a:
N 1
X (0)   x(n)  x(t )  0 (t )
a b avec
1 N 1
0 (t )   (t  nTe)
n 0

l 3 N n0

.a 1 1  e  j2 fNTe
N 1

et TF  ( t )    ( f ) 
1
e  j 2 fnTe

N 1  e  j2 fTe
0 0

w
N n0

w w
Ecrivons  0 (f )  e  j( N1)Te (f ) avec  (f ) 
1 sin(fNTe)
N sin(fTe)
X(0) est le résultat du filtrage fréquentiel de X(f) par le filtre de réponse fréquentiel 0 (f)

74
Généralisation de l’interprétation
Pour les termes X(k), X(k )  x(t )  k (t )
N 1  j 2k n

avec:  k (t )   e
n 0
N
 (t  nTe)

o m
et
N 1  j 2 nk
k ( f )   e e  
N  j 2fnTe
 1 e
o . c k  jf ( N 1)Te
e
j
k
N 
 f 
k 

n 0

p r  NTe 

ir -
La TFD revient à appliquer au signal continu x(t) un ensemble de N filtres identiques, répartis

Propriétés de la TFD
k a
uniformément dans le domaine des fréquences avec un pas 1/(NTe).

Linéarité
a b TFa.x(n)  b.y(n)  aTFx(n)  bTF y(n)

l 3 TFx(n  n 0 )  X(f )e  i 2 fn 0

.a
Décalage temporel

TF x(n)]ei 2 f0n  X(f  f0 )

w w
Décalage fréquentiel

Relation de Parseval



n 
2
x(n ) 
1/ 2

 X(f )
1 / 2
2
df

w Relation de Plancherel
TFx(n ).y(n ) 
1/ 2

 X(u)Y(f  u)du
1 / 2

TFx(n)  y(n)  X(f ).Y(f )

75
TFD Inverse
La TFD est inversible

k  k 0 , (k 0  N  1)
Pour tout

o m
1 N 1

c
n
j 2 k
x(k )   X(n )e

.
N
On peut écrire N n0
Ceci définit la TFDI.

ro
Remarque: Le facteur 1/N peut être présent ou pas selon la définition adoptée. Sa présence,

sur une période N.

ir -p
permet une interprétation de la TFD comme une discrétisation de la TF du signal discret ramenée

Notation importante
On note W  e i
2
N

k a
la Nième racine de l’unité. x(k ) 
1 N 1
 X(n )WNnk

b
N N n0
2
C’est la solution de l’équation z N  1  0

l 3 a ,elle s’écrit donc selon z  W  e

N
 j
 
N

a
W3

w . Plan Z

W2
W


w w
Illustration:
-
W-1
W-2
76
 2
Propriétés de i WNl  k  WNl .WNk
WN  e N

•Séparabilité WNk  WNk mod N 

•Périodicité WNlN  1

o m
•Valeurs particulières
•Orthogonalité sur une période
o . c N
WN  1
2

p r WN
k
N
2
  WNk
1 N 1 nk  1

N n0
WN
 
si k  lN, l entier
ir
0 ailleurs (k non multiplede N )-WN2  WN

a
2

Relation entre la TFD et la TZ

bk 
X( z ) 
z  N  1 N 1
N n0
1
X(n). n 1
WN z  1

l 3 a X(z) peut être calculée à partir de N valeurs de la TFD

.a
Relation entre la TFD et la TF

w X(f ) 
1 N 1
 X(n).
sinfN 
 n 
j  f ( 1 N )  
e  N

w w N n0  n 
sin (f  ) 
 N 

La TF est obtenue par interpolation entre N valeurs de X(n)

77
 Echantillonnage

Signal échantillonné xe(k)

m
Signal continu x(t)

o
Interpolation

o . c
TZ TZI

p r
ir - TF TFI

Espace temps
X(z)

k a Espace fréquentiel
TFD
b
TFDI

a
l 3
.a
Echantillonnage

w
Spectre Spectre
discret continu

w w Interpolation

78
Calcul de la TFD N 1 n
 j 2 k

Nombre d’opérations nécessaires pour le calcul d’une TFD: X(n )   x(k )e

k 0
N

n  0,  , N  1

o m
N2 multiplications et N(N-1) additions complexes.

. c
Nécessité de trouver un algorithme de calcul qui diminuerai le

o
nombre des multiplications complexes.

p r N 1
Transformée de Fourier Rapide (FFT)
ir -
X(n )   x(k )W
k 0
nk
N

a
Le calcul d'une TFD d'ordre N aboutit à 2 TFD d'ordre N/2 + N/2 Multiplications.

k
d'ordre N/2, N/4,N/8,…..,2.
a b
Si N=2m, on peut réitérer ce processus et le calcul de la TFD d'ordre N se ramène à celui de TFD

l 3
.a
Dans ce cas, on a
m itérations.

w
Chaque itération nécessite N/2 multiplications complexes et N additions

w
Soit la complexité globale devient :
N
log 2 N Multiplications et N log 2 N additions

w
2
Sachant que la TFD nécessitait: N2 multiplications le gain en complexité se calcul par le
rapport: N2 2N

N log2 N
log2 N
79
 o m
o . c
p r
Chapitre VI
ir -
k a
Filtrage
a b des signaux
a l 3
w .
w w
Filtrage: arrêter ou modifier, complètement ou non, le passage d’une information.

Changement ou annulation des caractéristiques des signaux (amplitudes,

fréquences ou phase)
–En général, tout système est un filtre:
o m
Systèmes à temps continu
o . c
filtrage analogique.
Systèmes à temps discret
p r filtrage numérique.

ir -
D’une manière générale, un filtre linéaire invariant dans le temps sera décrit par :
Dans le domaine temporel:

k a
Par sa réponse temporelle (impulsionnelle, indicielle,…).

a b
Le filtrage revient à une atténuation ou une interruption du signal au cours du temps.
y(t) = h(t) . x(t) Y(f) = H(f) * X(f)

l 3
.a
Dans le domaine fréquentiel:
Par le module et l’argument de la fonction de transfert.

w
Filtrage fréquentiel revient à sélectionner ou atténuer certaines fréquences.

w
w Y(f) = H(f) . X(f) y(t) = h(t) * x(t)

81
 Cas des filtres analogiques
Le filtrage est réalisé par des systèmes utilisant des composants passifs (résistances,
capacités,…etc.) et/ou actifs (A.O., Transistors,…etc.). R
H( j) 
C
o m 2  1 
R 
 


2

c
C

Ve
R
Vs 
Ve
o . 1

1  1 jCR
p r f

ir -
k a
L’inconvénient majeur de ces filtres est la variabilité de la réponse: sensibilité à la
température, au temps (vieillissement, aux variations de la tension,…etc.

b
La réponse en fréquence présente toujours une variabilité!

a
l 3
Notations: Pour un filtre de réponse impulsionnelle h(t), on note :
Le gain du filtre :

.a
H (f )
La phase: (f )  Arg Hf 
Le retard de propagation du groupe :  1 (f )

w w 2 f

w
82
 Cas des filtres numériques
Dans le domaine numérique, le filtrage est réalisé par des opérations arithmétiques de
précision limitée.
Les réponses des filtres numériques sont parfaitement
et stables. m
reproductibles

o
. c
De plus, ces filtres sont reprogrammables d’où la possibilité de changer la réponse

o
fréquentielle sans changer le système de calcul.

p r
Exemple : Retarder l’entrée d’une période d’échantillonnage.
y(n)  F(x(n))  x(n  1)
x(n)
ir
G( Z)  Z 1- Y(Z)  Z 1 X(Z)
Critères de performance typiques:
k a
Gain du filtre

a
Gain
b Bande passante: atténuation de 3dB

l
Gain max
3 (cut-off frequency f-3dB )
Zone de transition

w .a
Gain max-3dB
Bande de coupure
(-40dB, -80dB,…).

w w f-3dB
f

Ondulations des bandes

83
Phase du filtre H()  Re el(H())  j Im ag(H())  H() arg( H())
 Re el( H()) 
()  tan 1  
 Im ag ( H ( )) 

o m
La description de la phase est liée au retard (time delay) que fait les différentes fréquences en
passant dans le filtre.

o . c
Filtres à phase linéaire & non linéaire :

p r
Un filtre à phase linéaire retarde toutes les fréquences de la même manière.

ir -
Un filtre à phase non linéaire produit des retards différents pour différentes fréquences: La
sortie d’un tel filtre est distordue.

Réponse temporelle d’un filtre

k a
a b
La réponse d’un filtre à une excitation peut être utilisé pour caractériser le filtre. D’autres

l 3
paramètres tels l’amplitude maximale d’éloignement de la sortie de sa valeur finale, les

.a
oscillations autour de la valeur finale,…, peuvent également être utilisés.
Exemple: Réponse temporelle à un échelon
Vsortie

90%
w w 5%
Ventrée
tr : temps de réponse (au bout duquel la sortie
atteint 90% de la valeur finale).

w tréponse ts temps
ts: le temps à partir du quel la sortie reste
confiné dans 5% de la valeur finale.

84
Catégories principales des filtres
Selon la nature du support de H() on distingue différents types de filtres. Les gabarits idéaux
de ces filtres peuvent être:

m
H() H()

. c
Passe - Bas o
Passe -Haut

H()
0 c

ro  (f)
H()
0 c (f)

ir -p
Coupe - Bande
Passe - Bande
0

k a1 2 (f) 0 1 2 (f)

Filtre désiré

a b Changements ( ou f)

l 3
Passe- Bas à c 

c
ou f
f
fc

.a
 f
 c f c
Passe- Haut à c 
ou
f

w w
Passe - Bande B=[1 2],
de largeur: B 
1 2  1 
c
B

(1  c )


w
Coupe - Bande B=[1 2],
de largeur:
2 2  1

B
1 2  1
2 2  1

1
c / B(  c / )
85
 Classification selon la structure
(Typologies)
On distingue:
1. Les filtres à Réponse Impulsionnelle Infinie (RII) h(k )  0 pour k  n,
Structure récursive: Il y a une réaction de la sortie vers l’entrée du filtre.
o m
. c
y k  a1y k 1  ..  an y k n  xk  b1xk 1  ...  bm xk m

o
r
Exemples: Filtres ARMA, AR (contexte stochastique).

p
ir -
2. Les filtres à Réponse Impulsionnelle Finie (RIF) h(k )  0 pour k  n, m
Structure non récursive

k a y k  xk  b1xk 1  ...  bm xk m
Exemple: Filtres MA.
a b
l 3
Exemple d’une structure non récursive xn

.a
N z-1 z-1 z-1
1
Filtre moyenneur sur N échantillons: y k 
N
x k i

w
i 1 x x x
Le filtre réalise une moyenne glissante sur N

w
1
points du signal d’entrée. 
hk   N
0  k  N 1


w
0 Ailleurs +
yn

86
 N
Exemple d’une structure récursive y k  k .x k   a i .y k  i
i 1
xk y k 1 y k 2 y k N
z-1 z-1 z-1

o m
k x x  a1 x

o . c x x  a N 1 x  aN

p r
y k 1 ir - +

k az-1
yk
yk
Propriétés des structures RIF et RII
Pour un même ordre du filtre, on a:
a b
l 3
.a
Le pouvoir de coupure des FRII est plus grand que celui des FRIF.

w w
Les FRIF à phase linéaire sont plus simple à réaliser, plus stables, plus robustes (moins
sensibles aux erreurs de quantification des coefficients que les FRII.

w
De plus,
Les méthodes de synthèse des FRIF sont plus nombreuses, plus efficaces et sont faciles à
mettre en œuvre. 87
 Synthèse de filtres
numériques
La conception des filtres numériques se fait en 3 étapes:
1. L’élaboration des spécifications.
2. La détermination des paramètres du filtre.
o m
finie.

o . c
3. La réalisation par une structure spécifique et avec une arithmétique de précision
Remarques:

p r
1. les spécifications sont souvent fréquentielles et se réfèrent à des filtres idéaux sur
une période ([-0.5 +0.5]).
ir -
2. Les spécifications pratiques des filtres ne peuvent être données qu’avec des
approximations (tolérances).
Elaboration des spécifications :
k a
d’un filtre analogique.
a b
Idée de base: Déterminer la transmittance discrète ’’équivalente’’ à la transmittance continue

l 3
.a
Schématiquement, il faut trouver un filtre HN(z) de telle sorte que la sortie soit
égale à celle du filtre Ha(p) après échantillonnage.
x(t) x(n)

w w HN(z)
y(n)
C’est un problème d’équivalence entre les filtres Ha(p) et HN(z).

w
K La solution HN(z) n’est pas exacte.
y(n)
y(t)
Ha(p)
K 88
Exemples de filtres dans le
plan
1
H 1 (p ) 
1 Filtre PB 1er H 3 (p )  Filtre PB 2 ième

1  pT ordre. 1  2Tp  T2p 2 ordre.

m
1 1
p p
p
H 2 (p ) 
pT
1  pT Filtre PH 1
er
p

. c H 4 (p )  o
T 2p 2 Filtre PH 2
ordre.
1  2Tp  T 2p 2
ième

o
ordre.

Invariance de la réponse impulsionnelle

p r
ir -
On cherche le filtre numérique dont la réponse impulsionnelle est égale à la réponse

a
impulsionnelle échantillonnée du filtre analogique choisi.

k 1

Te

b
Ainsi, à partir de H (p), on réalise la transformation
p  pi 1  expp i Te z 1

l 3 a
Inconvénient: les caractéristiques fréquentielles ne sont pas conservées: La fréquence de
coupure haute de ce filtre doit être très inférieur à la fréquence de Shannon. (c.à.d mauvais

.a
fonctionnement en HF).
Invariance de la réponse indicielle

w w
On cherche le filtre numérique dont la réponse indicielle est égale à la réponse indicielle
échantillonnée du filtre analogique choisi.

w
Ainsi, à partir de H (p), on réalise la transformation
1
p  pi

z 1 Te
z 1  expp i Te z 1
Inconvénient: Comme l’invariance impulsionnelle, cette transformation a un mauvais
fonctionnement en HF). 89
 Représentation des systèmes:
Modélisations des opérations de base:

o m
Le calcul de la sortie d’un système numérique y(n) nécessite des additionneurs, des

. c
multiplieurs et des retards. Ces opérations seront modélisées selon:

o
Additionneur
p r
Multiplieur

ir - Retard

x(n)
+
x(n) +w(n)

k a x(n)
z-1
x(n-1)

w(n)

a b
x(n)
a
a. x(n)
Ou encore
l 3
x(n)
w .a
x(n)+w(n)
x(n)
z-1
. x(n-1)

w(n)

w w
90
 Système RIF N
Réponse impulsionnelle du système est à support bornée H( z )   h(n )z
N
n
y ( n )   h(k )x(n  k ) k 0
n0
Le calcul de y(n) nécessite N+1 multiplications et N additions
x(n)
z-1 z-1
... z-1
o m
c
Structure:
Forme Directe : h(0) h(1)

o .
h(2) ... h(N-1) h(N)

p r ... y(n)

Cas particulier important

ir -
a
Système RIF filtre à phase linéaire Les filtres à phase linéaire sont des filtres à RIF dont la

bk réponse impulsionnelle est soit symétrique soit anti-

symétrique h(n)  h(N  n) h(n)  h(N  n)

l
Exemple : N pair et h(n) symétrique
a
Cette propriété peut être exploitée pour réduire la complexité.

3 N
y(n )   h(k )x(n  k )

. a N / 2 1
k 0

 h(k )(x(n  k )  x(n  N  k ))  h(N / 2)x(n  N / 2)

w w y (n ) 
k 0

x(n-k) et x(n-N+k) peuvent être sommé avant la multiplication.

w
Complexité : N/2 multiplications et N additions

91
 M N
b 0  b1z 1  b 2 z 2  ..  b M z M
Système RII
y(n)   b k x(n  k )   ak y(n  k ) H( z ) 
k 0 k 1 1  a1z 1  a 2 z 2  ..  a N z N

m
M

b x(n  k )

o
k
Y Y W 1
Première structure équivalente:   k 0

c
N

a
X W X 1
y (n  k )

o . k 1
k

r
N M
y (n )  w (n )   a k y (n  k ) w(n )   b k x(n  k ) (Structure de forme II)

Structure des systèmes RII

k 1

ir -p k 0

Forme I
k a Forme II
y(n)

b
x(n) b0 y(n) x(n) w(n) b0

z-1
b1
l 3 a -a1
z-1
-a1
z-1 z-1
b1

Y( z) 
1
A( z )
w
B(z)X(z) .a
bq-1 -ap-1
 1
Y(z)  B(z) 
 A( z)

X( z) 
 -ap-1 bq-1

w w z-1
bq -ap
z-1
-ap
z-1 z-1
bq
Complexité =
p+q+1 multiplications, p+q additions, p+q ou max (p,q ) retards 92
Structure en cascade: Elle est obtenue
M
en factorisant le numérateur et le dénominateur de H(z)
b k z k max(M , N )
1   k z 1
H( z )  k 0
A  1   k z 1

m
N
1   ak z k k 1

k 1

. c
Si h(n) est réel, les racines sont complexes conjugués: H k (z) 
o
1  1,k z 1   2,k z 2
1  1,k z 1   2,k z  2

Exemple :
x(n)

ro y(n)

IIR d’ordre 4 implémenté

par 2 systèmes d’ordre 2 en cascade.
ir -p -a11
z-1
b11 -a12
z-1
b12

k a -a21
z-1
b21 -a22
z-1
b22

éléments simples: p

a b
Structure parallèle: Si p > q et les pôles sont distincts, alors H(z) peut être décomposé en

3
Ak
H( z )  

.a
N
Si h[n] est réel: H(z)  
lk 1 1   k z 1
 0,k  1,k z 1
1  1,k z 1   2,k z  2 g01 g02

w
k 1 x(n)
y(n)
x(n)

Exemple:

w w
IIR du 4 ordre implémenté par des
système du 2ordre en parallèle.
a11
z-1
g11 a12
z-1
g12

z-1 z-1
a21 b21 a22 b21
93