Académique Documents
Professionnel Documents
Culture Documents
Support de Cours
Traitement de Signal
I NTRODUCTION
Généralement on classe les signaux les plus étudiés en fonction de leur origine, on distingue
ainsi :
Le traitement du signal est la discipline technique qui, s’appuyant sur les ressources
de l’électronique, de l’informatique et de la physique appliquée, a pour objet l’élaboration ou
l’interprétation des signaux. Son champ d’application se situe donc dans tous les domaines
concernés par la perception, la transmission ou l’exploitation des informations véhiculées par
ces signaux.
La théorie du signal est un chapitre de la théorie de la communication qui est la transmission
de messages d’information. Elle met en relation orientée à travers un canal un système de
Support de cours Mastère I2A 3
enseignant : AMIMI Adel
Introduction Chapitre 1
départ (Source) et un système d’arrivée (récepteur). C’est le véhicule de l’intelligence dans les
systèmes, il achemine sur les réseaux l’information, la parole ou l’image.
source lumineuse
onde lumineuse
(étoile, gaz, …)
courant électrique délivré par un ...
spectromètre
...
Photographie
En Physique:
TS
Système
signal
Physique en
Transmission Détection Analyse
évolution
Sources de interprétation
"bruit"
Exemples:: Astronomie:
Ondes électromagnétiques
informations sur l’étoile
Trait. Signal.:
Signal
Échantillonnage
V(t)
Filtrage Atmosphère bruit
Analyse spectrale
...
Physique du solide:
Lumière
transmise I(t) Trait. Signal.:
Lumière Analyse spectrale
incidente Détection synchrone
détecteur ...
échantillon test
fente à ouverture
périodique
Plusieurs approches sont possibles concernant la classification des signaux, parmi celles-ci on
citera :
La classification phénoménologique qui met l’accent sur le comportement temporel du
signal.
La classification énergétique où l’on classe les signaux suivant qu’ils sont à énergie finie
ou à puissance finie
La classification par le domaine des fréquences occupé par son spectre (Bande passante),
appelé aussi largeur de bande du signal.
Dans les deux classes principales, on trouve les signaux déterministes dont l’évolution
temporelle est parfaitement définie. Les signaux aléatoires qui ont un comportement temporel
imprévisible et dont la description ne peuvent se faire qu’au travers d’observations
statistiques.
Parmi les signaux déterministes on distingue les signaux périodiques : st st T0 avec
T0 période du signal et les signaux non périodiques (transitoires et pseudopériodiques)
En ce qui concerne les signaux aléatoires on distingue les signaux stationnaires dont les
caractéristiques statiques ne changent pas au cours du temps (exemple : le bruit électronique).
Les signaux aléatoires non stationnaires dont le comportement statistique évolue au cours du
temps (exemple : la parole).
Signaux Physiques
Sinusoïdales Transitoires
Complexes Pseudopériodiques
CLASSIFICATION ENERGETIQUE:
Définition: par analogie avec les signaux électriques
Wx xt dt
2
Energie d’un signal x(t) :
T
2
xt dt
Puissance moyenne de x(t) : 1
Px lim
2
T T
T
2
Classification : signaux à énergie finie à Puissance moyenne finie
Amplitude
Continue Discrète
𝒙(𝒕) 𝒙𝒒 (𝒕)
t t
t t
SIGNAUX PARTICULIERS
2
Signal sinusoïdal : s( t ) A0 sin 0 t A0 sin 2 F0 t A0 sin
T0
t
0.6 0.6
0.2 0.2
-0.2 -0.2
-0.6 -0.6
-1 -1
0 0
Temps Temps
u(t)
1
1 si t 0 Echelon unité
u( t )
0 si t 0 temps
0
La fonction signe se définit à partir de la fonction échelon unité par :
signe( t ) 2 u( t ) 1
1 si t 2 , 2 temps
ou bien : (t )
0 si t , -/2 0 /2
2 2
Signal porte d’amplitude 1
de largeur θ centré en zéro
L’impulsion de Dirac
ΠD(t) δ(t)
D→0
1/D 1
temps temps
-D/2 0 D/2 0
t 0 si t 0
( t ) dt 1
Peigne de Dirac
C’est une suite infinies de fonctions de Dirac régulièrement espacées. Si T0 est l’intervalle
entre deux Dirac successifs, T0 est la période du peigne.
T0 t t nT
n
0
δT0(t)
… … …
temps
-3T0 -2T0 -T0 0 T0 2T0 3T0 nT0
Signal causal
Un signal s(t ) est dit causal lorsqu’il vérifie la propriété suivante : s(t ) 0 pour t 0
Une fonction f(x) définie sur un intervalle [a,b] est dite à variations bornées si q.q.s. le
partage de [a,b] par x0=a<x1<x2...<xn<.=b, la somme :
∑|𝑓(𝑥𝑛 ) − 𝑓(𝑥𝑛−1 )|
𝑛
est bornée par un nombre M indépendant du partage.
En électronique tous les signaux sont à variations bornées. On pourra vérifier qu'un signal
carré est bien à variation bornée.
Soit donc un intervalle de temps t 0 , t 0 T0 sur lequel une fonction f(t) satisfait les
conditions de Dirichlet, voir Fig.1. Décomposer f(t) en série de Fourier, c'est projeter f(t) sur
un ensemble de fonctions de base constituées des fonctions cosn 0 t et sinn 0 t , avec n
entier et 0 2 T0
f(t)
t0 t0+T0
Figure 1 : Fonction f(t) satisfaisant les conditions de Dirichlet sur l'intervalle [t0,t0+ T0]
Cette opération est à rapprocher de celle qui consiste à décomposer un vecteur V dans un
espace à deux dimensions suivant deux vecteurs de base i et j . Pour effectuer unetelle
opération il faut qu i et j constituent une base orthonormée, c'est à dire que :
i j 0 et i i j j 1 (1)
Si les trois produits scalaires ci-dessus sont vérifiés, alors on peut écrire V a i b j
avec :
a V i et b V j (2)
Les coefficients a et b mesurent respectivement les projections du vecteur V sur les vecteurs
de base i et j .
Dans le cas d'une décomposition en série de Fourier, les relations d'orthogonalité, analogues
aux relations (1) précédentes, s'écrivent :
𝑡0 +𝑇0
∫ sin(nωt). cos(mωt)dt = 0 ∀ n et m (≡ ⃗i. ⃗j = 0)
𝑡0
𝑡0 +𝑇0
0 si n ≠ m
∫ cos(nωt). cos(mωt)dt = { ⁄
𝑡0
T0 2 si n = m
𝑡0 +𝑇0
0 si n ≠ m
∫ sin(nωt). sin(mωt)dt = { ⁄
𝑡0
T0 2 si n = m
DEFINITION
D’où :
2
𝑎𝑛 = ∫ 𝑓(𝑡). cos(nω0 𝑡) 𝑑𝑡 𝑝𝑜𝑢𝑟 𝑛 ≥ 1
𝑇0 𝑇0
2
𝑏𝑛 = ∫ 𝑓(𝑡). sin(nω0 𝑡) 𝑑𝑡 𝑝𝑜𝑢𝑟 𝑛 ≥ 1
𝑇0 𝑇0
1
𝑎0 = ∫ 𝑓(𝑡) 𝑑𝑡 𝑣𝑎𝑙𝑒𝑢𝑟 𝑚𝑜𝑦𝑒𝑛𝑛𝑒 𝑜𝑢 𝑐𝑜𝑚𝑝𝑜𝑠𝑎𝑛𝑡𝑒 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑒
𝑇0 𝑇0
L’expression (4) peut s’écrire aussi sous la forme suivante d’un développement en
harmonique :
+∞
𝑓(𝑡) = 𝑎0 + ∑ 𝑆𝑛 . cos(𝑛𝜔𝑡 + 𝜑𝑛 )
𝑛=1
𝑏
On pose : 𝑡𝑔(𝜑𝑛 ) = 𝑎𝑛 et 𝑆𝑛 = √𝑎𝑛2 + 𝑏𝑛2
𝑛
Un terme constant 𝑎0 égal à la valeur moyenne du signal 𝑓(𝑡) appelé composante continue
du signal.
1 2 3 𝑛
Une infinité de termes sinusoïdaux de fréquences 𝑇 , 𝑇 , 𝑇 , ⋯ , 𝑇
1
Le terme de fréquence 𝑇 s'appelle le fondamental (harmonique de rang 1).
𝑛
Le terme de fréquence s'appelle l'harmonique de rang n.
𝑇
En introduisant la notation complexes de 𝐜𝐨𝐬 𝒏𝝎𝟎 𝒕 et 𝐬𝐢𝐧 𝒏𝝎𝟎 𝒕, il est possible d’obtenir une
écriture complexe de la série de Fourier ; Par ailleurs, l’écriture complexes est une bonne
introduction à l’intégrale de Fourier.
𝑏𝑛
𝐶𝑛 = √𝑎𝑛2 + 𝑏𝑛2 𝑒𝑡 𝜑𝑛 = 𝐴𝑟𝑐𝑡𝑔 (− )
𝑎𝑛
Les coefficients complexes 𝐶𝑛 sont reliés aux coefficients 𝑎𝑛 et 𝑏𝑛 ainsi qu’aux coefficients
𝑆𝑛 et 𝜑𝑛 par les relations suivantes :
1 1 𝑆𝑛 −𝑗𝜑
𝐶𝑛 = (𝑎𝑛 − 𝑗𝑏𝑛 ) 𝑒𝑡 𝐶−𝑛 = (𝑎 + 𝑗𝑏𝑛 ) 𝐶𝑛 = 𝑒 𝑛
2 2 𝑛 2
Support de cours Mastère I2A 13
Transformation de Fourier Chapitre 2
que le spectre d’une fonction périodique, de période 𝑇0 , est discontinu et composé de raies
dont l’écart minimum est, sur l’axe des fréquences, 𝐹0
a 0 0 a1 A 0 et a n 0 pour n 1
b n 0 pour n 0
Exemple 2: Soit le signal 𝑆2 (𝑡) = 𝐵0 sin 2𝜋𝐹0 𝑡, on a :
b1 B 0 et b n 0 pour n 1
a n 0 pour n 0
S (t ) S(nF ) exp jn t
n
0 0
S(nF0 )
1
a n jb n a n an et b n b n
2
SnF f nF
1 2 C
S(nF0 ) a n b n2 n S(f ) 0 0
2 2 n
S1 (f )
A0
f F0 f F0 et S 2 (f )
j B0
f F0 f F0
2 2
D’où les représentations :
cos(t)
1/F0 S1(f)
A0
A0/2
temps
0 fréquence
-F0 0 F0
-A0
a 0 0 a1 A 0 et a n 0 pour n 1
b n 0 pour n 0
Exemple 2: Soit le signal 𝑆2 (𝑡) = 𝐵0 sin 2𝜋𝐹0 𝑡, on a :
b1 B 0 et b n 0 pour n 1
a n 0 pour n 0
S (t ) S(nF ) exp jn t
n
0 0
S(nF0 )
1
a n jb n a n an et b n b n
2
SnF f nF
1 2 C
S(nF0 ) a n b n2 n S(f ) 0 0
2 2 n
S1 (f )
A0
f F0 f F0 et S 2 (f )
j B0
f F0 f F0
2 2
D’où les représentations :
cos(t)
1/F0 S1(f)
A0
A0/2
temps
0 fréquence
-F0 0 F0
-A0
sin(t) j S2(f)
1/F0
B0/2
B0
temps F0 fréquence
0
Exemple 3: -F0 0
-B0
-B0/2
Exemple 3:
On considère le signal 𝑆3 (𝑡) qui s'écrit:
Ecrit sous cette forme on voit mieux que 𝑆3 (𝑡) est la somme de 4 signaux sinusoïdaux, dont
on connait pour chacun la fréquence, l'amplitude et la phase à l'origine, soit:
Spectre d'amplitude
𝜔
𝜔1 𝜔2 𝜔3 𝜔4 ⋯
Spectre de phase
𝜔
𝜔2 𝜔3
𝜔1 𝜔4 ⋯
Formule de Bessel-Parseval
𝑓(𝑡) = ∑ 𝐶𝑛 𝑒 𝑗𝑛𝜔0 𝑡
𝑛=−∞
1 𝑇
On va calculer 𝑇 ∫0 𝑓 2 (𝑡)𝑑𝑡
+∞ +∞
1 𝑇 2 1 𝑇
∫ 𝑓 (𝑡)𝑑𝑡 = ∫ ( ∑ 𝐶𝑛 𝑒 𝑗𝑛𝜔0 𝑡 ) ( ∑ 𝐶𝑚 𝑒 𝑗𝑚𝜔0 𝑡 ) 𝑑𝑡
𝑇 0 𝑇 0
𝑛=−∞ 𝑚=−∞
𝑇 +∞ +∞
1
= ∫ ( ∑ ∑ 𝐶𝑛 𝐶𝑚 𝑒 𝑗(𝑛+𝑚)𝜔0 𝑡 ) 𝑑𝑡
𝑇 0
𝑛=−∞ 𝑚=−∞
+∞ +∞ 𝑇 +∞ +∞
1 𝑗(𝑛+𝑚)𝜔0 𝑡
= ( ∑ ∑ 𝐶𝑛 𝐶𝑚 ∫ 𝑒 ) 𝑑𝑡 = ∑ 𝐶𝑛 𝐶−𝑛 = ∑ |𝐶𝑛 |2
𝑇 0
𝑛=−∞ 𝑚=−∞ 𝑛=−∞ 𝑛=−∞
Car :
𝑇
𝑇 𝑒 𝑗(𝑛+𝑚)𝜔0 𝑡 𝑒 𝑗(𝑛+𝑚)2𝜋 −1
∫0 𝑒 𝑗(𝑛+𝑚)𝜔0 𝑡 𝑑𝑡 = [ 𝑗(𝑛+𝑚)𝜔 ] = 𝑗(𝑛+𝑚)𝜔0
=0 𝑠𝑖 𝑛+𝑚 ≠0
0 0
et
𝑇 𝑇
∫ 𝑒 𝑗(𝑛+𝑚)𝜔0 𝑡 𝑑𝑡 = ∫ 𝑑𝑡 = 𝑇 𝑠𝑖 𝑛 + 𝑚 = 0
0 0
d'où le résultat:
+∞ +∞
1 𝑇 2 1
∫ 𝑓 (𝑡)𝑑𝑡 = ∑ |𝐶𝑛 |2 = 𝑎02 + ∑(𝑎𝑛2 + 𝑏𝑛2 )
𝑇 0 2
𝑛=−∞ 𝑛=1
Remarque:
Une translation du signal dans le temps, ne modifie jamais le spectre d'amplitude, mais
modifie le spectre de phase.
APPLICATIONS
A 1 Montrer que la décomposition en série de Fourier des signaux f(t) et g(t) sont données
par :
f(t) g(t)
1 1
t t
-1 -1
T0
T0
∞
4 1
𝑓(𝑡) = ∑ sin[(2𝑝 + 1)𝜔0 𝑡]
𝜋 2𝑝 + 1
𝑝=0
∞
8 (−1)𝑝
𝑔(𝑡) = 2 ∑ sin[(2𝑝 + 1)𝜔0 𝑡]
𝜋 2𝑝 + 1
𝑝=0
h(t) i(t)
a
1
t t
2
2
T 2T 0
∞
𝑎𝜃 𝜃
ℎ(𝑡) = [1 + ∑ 𝑠𝑖𝑛𝑐 (𝑛 ) 𝑐𝑜𝑠(2𝜋𝑛𝐹0 𝑡)]
𝑇 𝑇
𝑛=1
∞
2 4 cos[2𝜋(2𝑝)𝐹0 𝑡]
𝑖(𝑡) = − ∑
𝜋 𝜋 (4𝑝2 + 1)
𝑝=1
a1 0 si n 1
1
2 b1 si n 1
a 2 p
4 p2 1 si n pair et 2
bn 0 si n1
a 2 p 1 0 si n impair
s(t)
1
t
0
-1
T0
T T
1. Donner l’expression du signal s( t ) sur l’intervalle 0 , 0 .
2 2
a) Calculer le coefficient de Fourier a0 . En déduire sa signification.
b) Calculer les coefficients de Fourier an et bn du signal s (t )
c) Donner le développement en série de Fourier de s (t ) .
2. Expliciter le développement en série de Fourier de s( t ) jusqu’à l’harmonique de rang 7.
3. En déduire une représentation du spectre S ( f ) jusqu’à l’harmonique de rang 7 (pour la
représentation il faut préciser les fréquences et les amplitudes).
V(t)
E
-T0/4 t
0 T0/4
-E
Corrigé A5
Le signal V (t ) ci dessus est réel, de plus si on choisi l’origine des temps au milieu de
la figure, le signal sera alors impair et possèdera une symétrie quart d’onde. Par conséquent
tous les coefficients a k sont donc nuls et tous les coefficients b k d’indices pairs aussi.
𝑇 𝜏 𝑇 𝜏
+
2 𝑇 4𝐸 4+2 2𝐸 4 2
𝑏 = ∫ 𝑉(𝑡) sin(𝑛𝜔𝑡) 𝑑𝑡 = ∫ sin(𝑛𝜔𝑡) 𝑑𝑡 = [ cos(𝑛𝜔𝑡)]𝑇 𝜏
𝑇 0 𝑇 𝑇−𝜏 𝑛𝜋 −
4 2 4 2
D’où :
4𝐸 𝜋 (2𝑘 + 1)𝜋𝜏
𝑏2𝑘+1 = sin(2𝑘 + 1) . sin ( )
(2𝑘 + 1)𝜋 2 𝑇
∞
4𝐸 𝜋 (2𝑘 + 1)𝜋𝜏
𝑉(𝑡) = ∑ sin(2𝑘 + 1) . sin ( ) . sin(2𝑘 + 1)𝜔𝑡
(2𝑘 + 1)𝜋 2 𝑇
𝑘=0
4𝐸 3𝜋 3𝜋𝜏
L’harmonique de rang 3 s’écrit : 𝑏3 = sin ( ) . sin ( )
3𝜋 2 𝑇
3𝜋
On a : 𝑠𝑖𝑛 ( )=1 d’où l’harmonique de rang 3 est nul si :
2
3𝜋𝜏 𝜏 1 𝑇
=𝜋 = ou bien 𝜏=
𝑇 𝑇 3 3
𝜏 1 𝜋𝜏 𝜋
Pour 𝑘 = 1 = cette quantité est égale à 𝐸 si : sin ( 𝑇 ) = soit :
𝑇 3 4
𝜏
≅ 0,2875
𝑇
A6
1. En utilisant le développement en série de Fourier du signal
∞
4𝐴 1
𝑢(𝑡) = ∑ sin[(2𝑝 + 1)𝜔0 𝑡]
𝜋 2𝑝 + 1
𝑝=0
TRANSFORMATION DE FOURIER
D EFINITIO N
On peut considérer la transformée des fonctions non périodiques comme une extension
de la décomposition en série de Fourier pour laquelle la période est infinie ( T0 ) .
L’intervalle de fréquence F0 tend vers zéro et le spectre devient alors une fonction continue.
La transformée de Fourier de s(t) , notée S(f) ou F 1S(f) est donnée par :
Ce spectre est une fonction à valeurs complexes, les parties réelles et imaginaires du spectre
s’écrivent :
Une des propriétés essentielles de la transformation de Fourier est son inversibilité. On peut
reconstituer le signal s(t) à partir de son spectre complexe par :
s(t ) TF 1
S(f ) S(f ) exp( j2ft ) df
Pour qu’un signal s(t) ait une transformée de Fourier, fonction de f, il faut et il suffit que :
Les discontinuités de s(t) ainsi que ses maxima et minima soient en nombre fini.
Pour que la transformée de Fourier de s(t) existe et soit réciproque, il suffit que s(t)
appartienne à l’espace L2 ou espace des fonctions de carrée sommable. En d’autre termes,
cela signifie que s(t) ainsi que sa transformée de Fourier sont à énergie finie.
Lorsque nous aurons à calculer la Transformée de Fourier d’un signal physique, nous
n’aurons pas à nous poser le problème de l’existence de cette transformée, qui sera une
fonction continue de f.
s(t )
TF
S(f ) et g(t )
TF
G(f )
Linéarité
T. F.
s (t ) g (t ) S(f ) G (f )
Homothétie
1 f
s(a t )
S
TF
avec a IR
a a
Un étalement de l’échelle des temps conduit à une ‘contraction’ de l’échelle des fréquences et
inversement.
Translation
s(t a)
TF
S(f ) exp j2 fa
Ceci implique que les transformées de Fourier de s(t) et de s(t a) ont même module mais
la transformée de Fourier de s(t a) subit une rotation de phase supplémentaire de 2af .
Ces propriétés s’appliquent aussi aux signaux périodiques, dont les spectres sont obtenus par
un développement en série de Fourier. Ainsi le spectre du signal sinusoïdal s2(t) sin 2F0 t
peut être déduit du spectre du signal cosinusoïdal s1(t) cos 2F0 t par translation :
T 1
Donc S2(f) S1(f) exp j2f 0 exp(j ) f F0 exp(j ) f F0
4 2 2 2
Soit S2(f)
j
f F0 f F0
2
Ce résultat permet de noter que les propriétés appliquées pour les spectres obtenus par
transformées de Fourier sont aussi applicables aux spectres des signaux périodiques.
Cette propriété de modulation est très utilisée dans les systèmes de télécommunication pour
centrer un signal sur une fréquence (porteuse) f p . Cette fréquence centrale est imposée par
les propriétés du canal de communication
Dérivation
d n s(t ) TF
j2f S(f ) j2f S(f )
d s(t ) TF n
et n
dt dt
Propriétés de parité
Ces propriétés de parité ont été vérifiées dans le cas des signaux sinusoïdaux et
cosinusoïdaux.
CAS PARTICULIERS
Fonction porte : Considérons la fonction porte (ou fenêtre, ou projectrice) qui vaut 1
dans l’intervalle , et qui est nulle en dehors. Soit (t) cette fonction, elle a pour
2 2
𝑠𝑖𝑛(𝜋𝑓𝜃)
transformée de Fourier : 𝜃 = 𝜃𝑠𝑖𝑛𝑐(𝜋𝑓𝜃).
𝜋𝑓𝜃
Πθ(t)
T.F.
1
temps fréquence
0
-/2 0 /2 1/ 2/
𝛿(𝑡) ⇌ 1 ∀𝑓
On peut voir l'impulsion de Dirac comme la limite d'une fonction porte, à cet effet,
considérons la fonction porte de largeur 𝜃 et d'amplitude 1/𝜃 (afin que son aire soit unité)
On a vu que:
1
𝜃𝑠𝑖𝑛𝑐(𝜋𝑓𝜃) = 𝑠𝑖𝑛𝑐(𝜋𝑓𝜃)
𝜃
1
Lorsque 𝜃 → 0 𝑎𝑙𝑜𝑟𝑠 𝜃 𝑟𝑒𝑐𝑡(𝑡) → 𝛿(𝑡) 𝑒𝑡 𝑝𝑎𝑟 𝑐𝑜𝑛𝑠é𝑞𝑢𝑒𝑛𝑡 𝑠𝑖𝑛𝑐(𝜋𝑓𝜃) → 1
D’où : (t t 0 )
TF
exp( 2ft 0 )
Peigne de Dirac : Noté T0 (t ) est par définition une suite périodique de distribution de
Dirac, de période T0
T0 t t nT
n
0
1
D’où : T0 (t )
TF
1 T0 (f ) formule de Poisson
T0
δT0(t)
Signal peinge de … …
…
Dirac temps
-3T0 -2T0 -T0 0 T0 2T0 3T0 nT0
T.F.
δ1/T0(f)=δF0(f)
à
1/T0
Spectre du
peinge de Dirac … … …
fréquence
-3F0 -2F0 -1/T0 0 1/T0 2F0 3F00 nF0
Le spectre d’un peigne de Dirac est un peigne de Dirac dans l’espace fréquentiel.
Exponentielle décroissante
0 𝑠𝑖 𝑡 < 0
𝑥(𝑡) = { −𝑎𝑡
𝑒 𝑠𝑖 𝑡 ≥ 0
1 −1 2𝑎
𝑋(𝑓) = + = 2
𝑎 − 𝑗2𝜋𝑓 −(𝑎 + 𝑗2𝜋𝑓) 𝑎 + (2𝜋𝑓)2
Saut unité
Le calcul de TF d'un signal saut unité 𝜖(𝑡) nécessite également quelques précautions, car ce
signal n'est pas intégrable en valeur absolue. mais, on constate que l'on a :
1 = 𝜖(𝑡) + 𝜖(−𝑡)
et désignant la TF de 𝜖(𝑡) par 𝐸(𝑓), il vient:
𝑇𝐹{1} = 𝛿(𝑓) = 𝐸(𝑓) + 𝐸 ∗ (𝑓) = 2𝐸𝑟 (𝑓)
𝛿(𝑓)
De ce résultat, on en déduit que la partie réelle 𝐸𝑟 (𝑓) vaut .
2
Il reste encore à trouver la partie imaginaire de 𝐸(𝑓). Pour ce faire, on peut remarquer que le
saut unité peut également s'écrire sous la forme:
0 𝑠𝑖 𝑡 > 0
𝜖(𝑡) = { lim 𝑒 −𝑎𝑡 𝑠𝑖 𝑡 ≥ 0
𝑎→0
1
dont la transformée est purement imaginaire et vaut 𝑗2𝜋𝑓. Finalement on obtient:
1 1
𝐸(𝑓) = 𝐸𝑟 (𝑓) + 𝑗𝐸𝑖 (𝑓) = 𝛿(𝑓) +
2 𝑗2𝜋𝑓
Phaseur
Pour calculer sa TF, considérons le fait qu'un phaseur de fréquence 𝑓0 peut s'écrire comme
suit:
𝑥(𝑡) = 𝑒 +𝑗2𝜋𝑓0 𝑡 = lim 𝑒 −𝑎|𝑡| . 𝑒 +𝑗2𝜋𝑓0 𝑡
𝑎→0
Utilisant la TF de l'exponentielle symétrique et la propriété de modulation:
2𝑎 0 𝑠𝑖 𝑓 ≠ 𝑓0
𝑋(𝑓) = lim 2 ={
𝑎→0
𝑎2 + (2𝜋(𝑓 − 𝑓0 )) ∞ 𝑠𝑖 𝑓 = 𝑓0
𝑋(𝑓) = 𝛿(𝑓 − 𝑓0 )
PRODUIT DE CONVOLUTION
Filtres et convolution
x(t) y(t)
h(t)
Un système est linaire s'il justifie du principe de superposition la réponse à une somme
pondérée d'excitations est égale à la somme pondérée des réponses aux excitations
individuelles:
∑ 𝛼𝑖 𝑥𝑖 (𝑡) → ∑ 𝛼𝑖 𝑦𝑖 (𝑡)
𝑖 𝑖
Le système est invariant dans le temps si la réponse ne dépend pas de l'instant d'application: si
𝑦(𝑡) est la sortie correspondant à une entrée 𝑥(𝑡), la réponse associée à 𝑥(𝑡 − 𝑡0 ) est
𝑦(𝑡 − 𝑡0 ) appelle réponse réponse impulsionnelle (RI), souvent notée ℎ(𝑡), la réponse du
système à l'application d'une impulsion de Dirac 𝛿(𝑡):
𝛿(𝑡) h(t)
(t) h(t)
Or, le signal 𝑥(𝑡) peut s'écrire comme une somme infinie de composantes 𝑥(𝜏) sur une base
d'impulsions de Dirac:
+∞
𝑥(𝑡) = ∫ 𝑥(𝜏)𝛿(𝑡 − 𝜏)𝑑𝜏
−∞
On en déduit alors que la réponse globale du système s'écrit, par linéarité:
+∞ +∞
𝑦(𝑡) = ∫ 𝑥(𝜏)ℎ(𝑡 − 𝜏)𝑑𝜏 = ∫ 𝑥(𝑡 − 𝜏)ℎ(𝜏)𝑑𝜏 = 𝑥(𝑡) ∗ ℎ(𝑡)
−∞ −∞
Cette relation est appelée convolution entre 𝑥 et ℎ, et l'opération est notée 𝑥(𝑡) ∗ ℎ(𝑡), pour
montrer que le résultat de la convolution est évaluée à l'instant t et que la variable 𝜏 est
simplement une variable muette qui disparait lors de l'intégration. L'intégrale précédente est
appelée intégrale de convolution; elle permet d'associer à toute entrée 𝑥(𝑡) la sortie du
système 𝑦(𝑡), celui-ci est caractérisé par sa réponse impulsionnelle ℎ(𝑡).
THEOREME DE PLANCHEREL
La transformée de Fourier du produit de convolution de deux signaux s1 (t) et s 2 (t) est égale
au produit des transformées de Fourier, soit :
La transformée de Fourier du produit de deux signaux s1 (t) et s 2 (t) est égale au produit de
convolution de leur spectres, soit : TFs1 (t) s 2 (t) S1 (f ) * S 2 (f )
EGALITE DE PARSEVAL
De la propriété de convolution, on déduit la formule de Parseval :
s (t ) dt S(f )
2 2
df
2
Le premier terme de cette égalité est par définition l’énergie du signal, S (f ) s’interprète
comme la distribution de l’énergie le long de l’axe des fréquences. On lui donne ainsi le nom
de densité spectrale d’énergie (d.s.e).
2
Puissance instantanée d’un signal P( t ) x( t ) x * ( t ) x( t )
Puissance moyenne sur une durée T0 :
1 t T0 1 t T0
P( t ,T0 )
T0 t
x( t ) x * ( t ) dt
T0 t
x réel ( t ) dt
2
2
Energie totale d’un signal : E x x( t ) x * ( t ) dt x( t ) dt
Puissance instantanée d’interaction de deux signaux :
Pxy ( t ) x( t ) y * ( t ) et Pyx ( t ) y( t ) x * ( t )
Si x et y sont réel, nous avons : Pxy ( t ) Pyx ( t )
Si x(t) a une transformée de Fourier X( ) , on définit le spectre de puissance d’un signal ou
densité spectrale par :
2
S xx ( ) X ( )
Energie totale :
2
E x S xx ( )d X ( ) d
Corrélation
Une opération mathématique qui, de par sa forme, est très proche de la convolution est
la fonction de corrélation de deux signaux. Cependant, contrairement à la convolution, le but
de la corrélation est de mesurer le degré de ressemblance de ces signaux et d’extraire des
informations qui, dans une large mesure, dépendent de l’application considérée. La
corrélation est utilisée dans les radars, les sonars, les communications numériques, la
détection de signaux noyés dans du bruit, la mesure de temps de transmission, le GPS (Global
Positioning System), etc. Dans chaque cas, on dispose de deux fonctions : le signal de
référence 𝑥(𝑡) et le signal reçu 𝑦(𝑡). Il faut alors trouver une opération mathématique
permettant de comparer ces signaux et d’en mesurer la ressemblance ou corrélation. Ceci se
fait simplement en effectuant l’intégrale du produit des signaux que l’on décale
progressivement l’un par rapport à l’autre.
𝑇
1 +2
𝑐𝑥𝑦 (𝜏) = lim ∫ 𝑥(𝑡). 𝑦(𝑡 + 𝜏)𝑑𝑡
𝑇→∞ 𝑇 −𝑇
2
𝑇
+
1 2
𝑐𝑥𝑥 (𝜏) = lim ∫ 𝑥(𝑡). 𝑥(𝑡 + 𝜏)𝑑𝑡
𝑇→∞ 𝑇 −𝑇
2
Dans le cas d'un décalage nul, on trouve avec l'autocorrélation la puissance du signal 𝑥(𝑡):
𝑇
1 +2 2
𝑐𝑥𝑥 (0) = lim ∫ 𝑥(𝑡)2 𝑑𝑡 = 𝑋𝑒𝑓𝑓 = 𝑃𝑥
𝑇→∞ 𝑇 −𝑇
2
Il est d’autre part évident que si les signaux sont périodiques, l’intégration se fera sur une
période seulement.
Propriétés de l'autocorrélation
On rappellera tout d’abord que la fonction d’autocorrélation consiste à décaler un signal par
rapport à lui-même, puis à intégrer le produit des deux. On montre alors aisément que la
fonction d’autocorrélation possède les propriétés suivantes :
1. Lorsque le décalage temporel est nul (𝜏 = 0), la (FAC) est égale à l'énergie du signal
pour les signaux à énergie finie:
−∞
𝑐𝑥𝑥 (0) = ∫ 𝑥(𝑡)2 𝑑𝑡 = 𝑊𝑥
+∞
Ou, la puissance moyenne pour les signaux à puissance finie:
𝑇
1 +2
𝑐𝑥𝑥 (0) = lim ∫ 𝑥(𝑡)2 𝑑𝑡 = 𝑃𝑥
𝑇→∞ 𝑇 −𝑇
2
2. Comme la correspondance entre les 2 signaux ne peut pas être aussi forte que lorsque
les signaux se superposent exactement cela entraîne que la FAC est maximum pour un
décalage nul. On a donc :
4. La FAC d’un bruit blanc (ainsi appelé par analogie à la lumière blanche constituée de
toutes les fréquences lumineuses) est une impulsion de Dirac. En effet, le bruit blanc étant
formé d’une multitude de fréquences possédant la même puissance, il en résulte un signal
variant si rapidement que sa valeur présente est indépendante des valeurs passées et que sa
valeur est non nulle pour 𝜏 = 0 seulement. On a donc :
5. La FAC d’un signal périodique quelconque est une fonction périodique paire.
Considérons comme exemple le signal 𝑥(𝑡) = 𝐴 𝑠𝑖𝑛(𝜔 𝑡 + 𝛼). On a alors :
𝑇
1 +2
𝑐𝑥𝑥 (𝜏) = ∫ 𝑥(𝑡). 𝑥(𝑡 + 𝜏)𝑑𝑡
𝑇 −𝑇
2
𝑇
2 +
𝐴 2
= ∫ 𝑠𝑖𝑛(𝜔 𝑡 + 𝛼). 𝑠𝑖𝑛(𝜔 (𝑡 + 𝜏) + 𝛼)𝑑𝑡 = 𝑃𝑥
𝑇 −𝑇
2
d'où:
𝐴2
𝑐𝑥𝑥 (𝜏) = cos(𝜔 𝜏)
2
𝐴2
On remarque ainsi que l'amplitude de cette FAC est la puissance du signal 𝑥(𝑡) et que la
2
FAC ne nous donne aucune information sur la phase 𝛼 du signal.
6. Dans le cas d'un signal 𝑥(𝑡) perturbé. Considérant 𝑦(𝑡) = 𝑥(𝑡) + 𝑏(𝑡), on a en effet:
𝑇
1 +2
𝑐𝑦𝑦 (𝜏) = lim ∫ (𝑥(𝑡) + 𝑏(𝑡)). (𝑥(𝑡 + 𝜏) + 𝑏(𝑡 + 𝜏))𝑑𝑡
𝑇→∞ 𝑇 −𝑇
2
𝑇
+
1 2
= lim ∫ (𝑥(𝑡). 𝑥(𝑡 + 𝜏) + 𝑥(𝑡). 𝑏(𝑡 + 𝜏) + 𝑏(𝑡)𝑥(𝑡 + 𝜏) + 𝑏(𝑡)𝑏(𝑡 + 𝜏))𝑑𝑡
𝑇→∞ 𝑇 −𝑇
2
= 𝑐𝑥𝑥 (𝜏) + 𝑐𝑥𝑏 (𝜏) + 𝑐𝑏𝑥 (𝜏) + 𝑐𝑏𝑏 (𝜏)
d'où:
𝑐𝑦𝑦 (𝜏) = 𝑐𝑥𝑥 (𝜏) + 𝑐𝑥𝑏 (𝜏) + 𝑐𝑏𝑥 (𝜏) + 𝑐𝑏𝑏 (𝜏)
Dans le cas où le signal 𝑥(𝑡) et le bruit 𝑏(𝑡) ne sont pas corrélés, on a bien entendu:
𝑐𝑥𝑏 (𝜏) = 𝑐𝑏𝑥 (𝜏) = 0
ce qui donne finalement:
𝑐𝑦𝑦 (𝜏) = 𝑐𝑥𝑥 (𝜏) + 𝑐𝑏𝑏 (𝜏)
De plus, comme généralement la FAC du bruit 𝑐𝑏𝑏 (𝜏) tend rapidement vers 0, on voit que
pour un décalage suffisamment grand, il restera la FAC 𝑐𝑥𝑥 (𝜏) du signal 𝑥(𝑡).
Propriétés de l'intercorrélation
4. Si les deux signaux sont périodiques de même période, la FIC sera également
périodique.
T
1
𝑡 sin(𝜋𝑓𝑇)
t 𝑟𝑒𝑐𝑡 ( ) 𝑇 f
𝑇 𝜋𝑓𝑇
-T/2 0 T/2 0 T-1
= 𝑇𝑠𝑖𝑛𝑐(𝜋𝑓𝑇)
impulsion rectangulaire
1 T
𝑡 𝑇𝑠𝑖𝑛𝑐 2 (𝜋𝑓𝑇)
t 𝑡𝑟𝑖 ( ) f
𝑇 -1
-T 0 T 0 T
impulsion triangulaire
1/a
1
−𝑎𝑡 1
𝑒 𝜖(𝑡) 1/√2𝑎
t f
𝑎 + 𝑗2𝜋𝑓
0 1/a 0 𝑎/2𝜋
impulsion exponentielle
1 2/a
𝑒 −𝑎|𝑡| 2𝑎
t f
𝑎 + (2𝜋𝑓)2
2 1/a
-1/a 0 1/a 0 𝑎/2𝜋
double exponentielle
1
1
2 2 1
0.4 𝑒 −𝜋𝑡 𝑒 −𝜋𝑓
t
0.4
f
-1 0 1
-1 0 1
impulsion gaussienne
1
𝑒 −𝑎𝑡 sin(2𝜋𝑓0 𝑡) 𝜖(𝑡) 2𝜋𝑓0
t f
0 (𝑎 + 𝑗2𝜋𝑓)2 + (2𝜋𝑓0 )2
T -f0 0 f0
sinusoïde amortie
t
𝑒 −𝑎𝑡 cos(2𝜋𝑓0 𝑡) 𝜖(𝑡) 𝑎 + 𝑗2𝜋𝑓 f
0 T -f0 0 f0
(𝑎 + 𝑗2𝜋𝑓)2 + (2𝜋𝑓0 )2
cosinusoïde amortie
APPLICATIONS
A 1 On se propose de déterminer le spectre du signal ( t ) donner par la figure 1.
(t) (t)
A A
t t
-1 0 1 -1/2 0 1/2
Figure 1 Figure 2
f / 2
A 2 On considère le signal s1 ( t ) e t , son spectre est donné par : S1 (f )
2 2
e
1. Déterminer le signal s( t ) produit de convolution de s1 ( t ) avec le peigne de Dirac de
période T0 .
2. En déduire le spectre S(f ) du signal s( t ) .
3. Quelle est la nature du spectre S(f ) .
4. Donner l’allure du spectre S(f ) .
T0
Sachant que :
sin ( f ) sin ( f )
(t )
TF
sin c( f )
f f
T0 (t )
TF
F0 F0 (t ) F0 f nF
n
0
Corrigé A2
On a : TF s 1 ( t ) S 1 ( f ) e
2 2
t
e j 2ft dt e
2 t 2 j 2ft dt
f f
2 2
On peut écrire que : t j 2ft t j
2 2
, d’où :
S1 ( f ) e
t j f / f /
2 2
dt on pose :
t j
f
z
d’où : dz dt dt dz
f / z
S 1 ( f ) e z e
f /
2 2 2 2
d’où : dz e e dz
z f /
2
S1 ( f )
2
or on a le résultat : e 1 e
2) s( t ) s 1 ( t ) T ( t ) e t nT e t nT
2 2 2 2
t t
n n
or : s( t ) ( t t 0 ) s( t t 0 )
2
2 t nT
d’où : s( t ) e
n
f /
TF T t Fe f n Fe
2
Or on a : S1 ( f ) e et
n
Fe f nFe
f / S1 ( f )
TF s( t ) S ( f )
2
e 1/ T ( f )
Te
S1 ( f )
S( f ) 1 / T ( f )
Te
A4
A5
1. Calculer les fonctions d’autocorrélation des fonctions suivantes
exp( at ) pour t 0
f(t)
0 si t 0
A7
Nous voulons détecter la présence d’un signal périodique p( t ) noyé dans un bruit b( t ) , et
non restituer sa forme. Nous ignorons sa période T1. Nous avons donc à manipuler un signal
x( t ) p( t ) b( t ) . On suppose que p( t ) 0 et b( t ) 0 .
1. Calculez Cxx( ) en fonction des différentes fonctions de corrélation entre p et b .
Réécrivez Cxx en supposant p et b indépendants.
2. Calculer la fonction d’autocorrélation pour :
x( t ) A cos( t ) b( t ) avec 2 / T1
Que ce passe t-il si T temps de corrélation était très grand. Conclure
3. Connaissant la période T1 du signal p( t ) . Etudiez la fonction d’intercorrélation de x( t )
avec un autre signal périodique k( t ) de période T1. Conclure sur les termes d’erreur.
Eléments de correction
A4
Cxx( ) x( t ) x * ( t ) dt Cxy( ) x( t ) y * ( t ) dt
fonction d’autocorrélation fonction d’intercorrélation
Pour deux signaux périodique réels x(t) et y(t) de période T, on définit la corrélation de la
manière suivante :
1 T /2
Cxy( ) x( t ) y( t ) dt
T T / 2
1 T /2
Cyx( ) y( t ) x( t ) dt on pose u t du dt
T T / 2
1 T /2 1 T /2
Cyx( ) y ( u ) x ( u ) du x( u ) y( u ) du Cxy( )
T T / 2 T T / 2
2. TF Cxy( ) X ( ) Y( )
Cxy( ) x( t )* y( t )
TFCxx( ) TF x( t )* x( t ) X ( ) X ( ) X ( )
2
TF 1 X ( ) TF 1 X ( ) X * ( ) x( t ) x * ( t ) x( ) x * ( t ) d Cxx( t )
Pour des signaux réelle, la fonction d’autocorrélation est paire, soit la définition pour un
signal x(t) réel :
Cxx( ) x( t ) x * ( t ) dt x( t ) x( t ) dt
TF Cxx( ) X ( ) X ( ) X ( )
2
si x(t) réelle.
Rappel
2
Puissance instantanée d’un signal P( t ) x( t ) x * ( t ) x( t )
Puissance moyenne sur une durée T0 :
1 t T0 1 t T0
P( t ,T0 )
T0 t
x( t ) x * ( t ) dt
T0 t
x réel ( t ) dt
2
2
Energie totale d’un signal : E x x( t ) x * ( t ) dt x( t ) dt
Puissance instantanée d’interaction de deux signaux :
Pxy ( t ) x( t ) y * ( t ) et Pyx ( t ) y( t ) x * ( t )
Si x et y sont réel, nous avons : Pxy ( t ) Pyx ( t )
Si x(t) a une transformée de Fourier X( ) , on définit le spectre de puissance d’un signal ou
densité spectrale par :
2
S xx ( ) X ( )
Energie totale :
2
E x S xx ( )d X ( ) d
Densité spectrale d’interaction de deux signaux :
S xy ( ) X ( ) Y * ( )
0 Cxx( ) Cxx( 0 )
A6
or : X ( n1 ) Y * ( n 2 ) X ( l 1 ) y * ( m 2 ) ( l 1 ) ( m 2 )
l m
On a : ( t t 1 ) ( t t 2 ) ( t 2 t 1 )
( t t 1 ) ( t t 2 ) si t 1 t 2
Pr opriété
( t 2 t 1 ) 0 si t 1 t 2
d’où : X ( n1 ) Y * ( n 2 ) X ( l 1 ) y * ( m 2 ) ( l 1 m 2 )
l m
Ceci montre bien que la densité spectrale d’interaction deux signaux de fréquences
fondamentales 1 et 2 ne peut exister que pour des fréquences k ' telles que :
l 1 m 2 k '
f0
dans ce cas : n f0 m ( nf 0 ) ( mf 0 / ) 0
E CHANTILLONNAGE
I NTRODUCTION
Les signaux numériques peuvent être crées directement par un système numérique (un
processeur, sous toutes ses formes actuelles). On parle alors de synthèse numérique (comme
dans le cas de la synthèse d'images ou de sons numériques). La plupart du temps, cependant,
ils sont obtenus par échantillonnage de signaux analogiques.
L'échantillonnage d'un signal analogique représenté par une fonction 𝑥(𝑡) consiste à
construire, à partir de 𝑥(𝑡), un signal à temps discret 𝑥(𝑛) = 𝑥(𝑛𝑇𝑒 ) obtenu en mesurant la
1
valeur de 𝑥(𝑡) toutes les 𝑇𝑒 = 𝐹 secondes:
𝑒
𝑥(𝑛) = 𝑥(𝑛𝑇𝑒 )
x(t) x(n)
Fe
+∞
𝑥̂(𝑡) = ∑ 𝑥(𝑛𝑇𝑒 ) 𝑛𝑒
𝑛=−∞
Sˆ (f ) Fe
k
S(f ) * f kFe
ou bien Sˆ (f ) Fe
k
S f kFe
S(f)
S(t)
f
t
Echantillonnage T.F.
Sˆ (f )
Sˆ (t )
f
t
Fe 2 Fe 2
THEOREME DE SHANNON
A partir du spectre représenter ci-dessous, nous pouvons faire une première remarque : pour
que la répétition périodique du spectre du signal échantillonnée ne déforme pas le motif
répété, il faut et il suffit que la fréquence de répétition Fe , qui est la fréquence
d’échantillonnage, soit égale ou supérieure à deux fois la fréquence maximale du signal initial
2 f max c’est le théorème de l’échantillonnage ou aussi appelé théorème de Shannon
Fe 2 fmax
Support de cours Mastère I2A 35
enseignant : AMIMI Adel
Echantillonnage Chapitre 5
S(f) Sˆ (f )
f f
fM fM fM fM Fe
Fe
Sˆ (f )
Filtre passe-bas
idéal
f
fM fM
Fe / 2 Fe / 2
Fe
La fonction réalisée par le filtre passe-bas idéal (ou fonction porte), s’écrit Fe (f ) . La
transformée de Fourier inverse de cette fonction est la fonction sin c(Fe t ) , on peut donc
exprimer le spectre de base de l’échantillonné sous la forme suivante :
Sˆ 0 (f ) Sˆ (f ) Fe (f )
sin( Fe t )
sˆ 0 (t ) Fe
k
s(k Te ) t k Te *
Fe t
d’où :
sin Fe (t kTe )
sˆ 0 (t ) Fe
k
s(k Te )
Fe (t kTe )
(1)
Si l’on considère le spectre Sˆ 0 (f ) par rapport au spectre initial S (f ) , on a un spectre isolé qui
est identique à celui du spectre du signal initial à une constante près Fe , soit :
Sˆ (f ) F S(f )
0 e
d’où, en appliquant la transformée de Fourier inverse à cette relation, il vient :
sˆ 0 (t) Fe s(t) (2)
En identifiant les expressions (1) et (2) on a :
sin Fe (t kTe )
s (t )
k
s(k Te )
Fe (t kTe )
Ŝ f
repliement de spectre
f
-fmax Fe/2 Fe
Fe fmax
Le terme de repliement spectral est d’ailleurs tout à fait justifié (plus encore que celui de
recouvrement). En effet, tout se passe comme si la partie de 𝑆(𝑓) inférieure à 𝐹𝑒 /2 se trouvait
additionnée à la partie de ce même 𝑆(𝑓) supérieure à 𝐹𝑒 /2, repliée autour de 𝐹𝑒 /2 et
conjuguée.
Support de cours Mastère I2A 37
enseignant : AMIMI Adel
Echantillonnage Chapitre 5
Exemple
On échantillonne une sinusoïde 𝑠(𝑡) = 𝑐𝑜𝑠(2𝜋𝑓0 𝑡) à la fréquence d’échantillonnage de
10 𝑘𝐻𝑧 Dessinons l’allure des échantillons (c’est-à-dire l’allure de la fonction 𝑠̂ (𝑡)
correspondante) pour des valeurs de 𝑓0 égales à:
10𝐾𝐻𝑧, 5𝐾𝐻𝑧, 6,6𝐾𝐻𝑧, 𝑒𝑡 3,3𝐾𝐻𝑧.
Pour que les graphiques possèdent des axes temporels identiques, choisissons de montrer les
600 premières µs des signaux (Figure ci dessous).
𝑓0 = 10𝑘𝐻𝑧 𝑇0 = 100𝜇𝑠
t(µs)
𝑓𝑎 = 0 𝑇𝑎 → ∞
0
100 200 300 400 500 600
𝑓0 = 6,6𝑘𝐻𝑧 𝑇0 = 150𝜇𝑠
100 200 400 500 t(µs)
0 300 600 𝑓𝑎 = 3,3𝑘𝐻𝑧 𝑇𝑎 = 300𝜇𝑠
𝑓0 = 3,3𝑘𝐻𝑧 𝑇0 = 300𝜇𝑠
100 200 400 500 t(µs)
0 300
600 𝑓𝑎 = 3,3𝑘𝐻𝑧 𝑇𝑎 = 300𝜇𝑠
Les signaux apparents échantillonnés sont représentés en pointillés sur la figure ci-dessus.
On peut alors lire les fréquences apparentes 𝑓𝑎 des signaux échantillonnées.
ECHANTILLONNAGE REEL
L’échantillonnage idéal impliquant des impulsions infiniment courtes n’est
qu’approximativement réalisable. Dans la pratique on utilisera des impulsions de durée
courtes mais finies. Le signal échantillonnée réel sera constitué alors d’une suite d’impulsions
distantes de Te (période d’échantillonnage) et de largeur (durée de l’impulsion). L’amplitude
de ces impulsions sera fonction du procédé d’échantillonnage utilisé :
Echantillonneur suiveur (naturel) : l’amplitude égale à s(t ) pendant la durée (figure a).
Echantillonneur bloqueur (régulier) : l’amplitude constante égale à s(nTe ) (figure b)
Echantillonneur moyenneur: l’amplitude égale à la moyenne de s(t ) sur l’intervalle (figure
c)
Ŝ(t)
Ŝ(t)=s(t)
s(t)
temps
Te Tf
Ŝ(nTe)=s(nTe)
Ŝ(t) Ŝ(t)
Ŝ(nTe)= s(t )
s(t) s(t)
0 temps 0 temps
↔ ↔
Te Tf Te Tf
Sˆ (f ) S(f ) Fe Fe (f ) T.F. (t )
sin f
S(f ) Fe
f kFe
f
sin f
Fe
f
S(f ) f kFe
D’où :
sin f
Sˆ (f ) Fe
f
Sf kFe
Le spectre initial est extrait par un filtre passe-bas de largeur Fe . La relation liant le spectre
de base du signal échantillonné Sˆ 0 (f ) et le signal S (f ) est donnée par :
sin f
Sˆ 0 (f ) Fe S(f )
f
Outre le facteur Fe , le spectre Sˆ 0 (f ) n’est pas identique au spectre initial S (f ) puisque son
amplitude est modulée par la fonction sin c f .
L’échantillonnage régulier introduit donc une déformation par rapport à l’échantillonnage
idéal ou naturel. Cette distorsion reste petite dans le cas où la durée de la porte
d’échantillonnage est faible devant la période Te . Par exemple pour une fréquence
d’échantillonnage de 20𝑘𝐻𝑧 et une durée de l’impulsion d’échantillonnage de 5s (rapport
de 10), la distorsion sur le spectre à la fréquence de 1kHz n’est que de 2%.
ECHANTILLONNEUR MOYENNEUR
s(t) dt
1
Sˆ (kTe )
kTe / 2
En utilisant la fonction porte, la relation précédente peut s’écrire sous la forme suivante :
kTe / 2
t kTe s(t ) dt
1
Sˆ (kTe )
kTe / 2
Sˆ (t )
1
(t) s(t) t kT
e
Ou bien : Sˆ (f ) Fe S(f kFe )
(f kFe )
sin f
Sˆ 0 (f ) Fe S(f )
f
Conclusion :
Il est important de remarquer que les échantillonnages bloqueur et moyenneur seront d’autant
plus proches de l’échantillonnage idéal que la durée de l’impulsion d’échantillonnage sera
faible devant la période du signal correspondant à la fréquence maximale contenue dans le
signal échantillonné.
APPLICATION
A 1 Soit le signal s ( t ) représenté par la figure (a), son spectre S ( ) obtenu par
transformée de Fourier est représenté en figure (b).
s(t) S()
t(ms) (Hz)
0 20 40 60 80 100 0 10 20
sin x
8. Sachant que la fonction est considérée comme nulle après le deuxième passage par
x
zéro, déterminer graphiquement la fréquence maximale max de G() .
Corrigé A3
𝑋0
𝑥1 (𝑡) = 2𝑑 (𝑡) 𝑒𝑡 𝑥2 (𝑡) =
[1 + 𝑐𝑜𝑠(2𝜋𝐹0 𝑡)]
2
𝑑 = 4𝑚𝑠, 𝐹0 = 500𝐻𝑧 ⇒ 𝑇0 = 2𝑚𝑠
1)Représentation graphique de x2(t), x1(t) et x(t)
x1(t)
A0
d=4ms
x(t)
t
A0
-d d
𝐴0 t(ms)
𝑥2 (𝑡) = (1 + cos(2𝜋𝐹0 𝑡))
2
-4 0 4
A0
t
Allures de x2(t), x1(t) et x(t)
2𝑑𝜋𝑓
𝑋1 (𝑓) = 2𝑑𝐴0 sin = 2𝑑𝐴0 sinc(2𝑑𝜋𝑓)
2𝑑𝜋𝑓
𝐴0 𝐴0
𝑋2 (𝑓) = 𝛿(𝑓) + 𝛿(𝑓 ± 𝐹0 )
2 4
𝐴0 𝐴0
𝑋(𝑓) = [ 𝛿(𝑓) + 𝛿(𝑓 ± 𝐹0 )] ∗ 2𝑑𝐴0 sinc(2𝑑𝜋𝑓)
2 4
𝑑
𝑋(𝑓) = 𝐴20 d. sinc(2𝑑𝜋𝑓) + 𝐴20 . [sinc(2𝜋𝑑(𝑓 + 𝐹0 )) + sinc(2𝜋𝑑(𝑓 − 𝐹0 ))]
2
-F0 0 F0
3/2d
1/d 𝟑
1/2 𝒇𝒎𝒂𝒙 = 𝑭𝟎 +
𝟐𝒅
d
|𝑿(𝒇)|
𝒅. 𝑨𝟐𝟎
𝒅 𝟐
.𝑨
𝟐 𝟎
f
-F0 0 F0
3/2d
1/d 𝟑
𝒇𝒎𝒂𝒙 = 𝑭𝟎 +
1/2 𝟐𝒅
d
2𝑑 3
𝑁= = 2𝑑𝐹𝑒 = 2𝑑 [2𝐹0 + ] ⇒ 𝑁 = 4𝑑𝐹0 + 6
𝑇𝑒 𝑑
Application numérique: 𝑁 = 4.4. 10−3 . 500 + 6 ⇒ 𝑁 = 14 é𝑐ℎ𝑎𝑛𝑡𝑖𝑙𝑙𝑜𝑛𝑠
7) D'où une représentation approximative de x (t ) signal échantillonné de x(t ) .
̂(𝒕)
𝒙
A0
t(ms)
-4 0 4
̂(𝒕) 14 échantillons sur l'intervalle [−𝒅, 𝒅]
signal échantillonnée 𝒙
A5
Soit le signal périodique suivant:
1 2𝜋
𝑥(𝑡) = 1 + cos 𝜔0 𝑡 + cos 2𝜔0 𝑡 𝑎𝑣𝑒𝑐 𝜔0 =
2 𝑇0
Corrigé A5
2 1 4
1. Calcul de la transformée de Fourier de x( t ) 1 cos t cos t
T0 2 T0
On a : x( t ) 1
2
1 j 2 t / T0
e 1
e j 2 t / T0 e j 4 t / T0 e j 4 t / T0
4
d’où :
1 1
𝑋(𝜈) = 𝛿(𝜈) + [𝛿(𝜈 − 𝜈0 ) + 𝛿(𝜈 + 𝜈0 )] + [𝛿(𝜈 − 2𝜈0 ) + 𝛿(𝜈 + 2𝜈0 )]
2 4
1
avec 0
T0
d’où le spectre de X( )
X ( )
20 0 0 20
x( t ) x( t ) Pgn ( t ) avec Pgn ( t ) Te ( t mTe ) ( T0 ) t m( T0 )
m m
Pgn ( )
Te T0
m m m
X ( ) X ( ) X ( ) X
Te T0 T0
m
X ( ) X
T0
Il est important de remarquer que la fonction X ( ) est périodique, c’est à dire que
l’échantillonnage a introduit une périodicité dans l’espace des fréquences, ce qui constitue une
caractéristique fondamentale des signaux échantillonnés.
L’opération d’échantillonnage telle qu’elle vient d’être décrite et que l’on désigne par
échantillonnage idéal, peut sembler peu réaliste, dans la mesure où il apparaît difficile dans la
réalité d’atteindre, de manipuler ou de restituer une valeur d’un signal à un instant ponctuel.
Les échantillonneurs réels possèdent un certain temps d’ouverture.
Représentation de X ( )
̂ (𝝂)
𝑿
m=-2 m=-1 Filtre m=0 m=1 m=2
(0-e)
-20 -2e -0 -e e 0 2e 20
0
Représentation du spectre échantillonné 𝑋̂(𝜈).
d’après Shannon : f m 2 0 et e 2 f m 4 0
or e 1 / T0 on est loin de la condition de Shannon
3 0 2 0 0 0 2 30 40 50
0 e
e / 2
b) Condition sur pour la restitution du signal initial
D'après la représentation de 𝑋̂(𝜈) on voit bien qu'on peut extraire le spectre dit de base (centré
en zéro) 𝑋(𝜈) en utilisant l'opération de filtrage, et on a:
1 1
0 e
T0 T0 T0 T0 T0 T0
La distance entre pulse est :
2
il faut que 2 0 e
1 1 T0
e
2 e T0 T0 2 4
T0
pour éviter le phénomène de repliement de spectre il faut que
4
a0 n 2
Cas général , soit x( t ) cos n t
2 1 T0
le spectre de x(t) s ‘écrit :
𝑁
𝑎0 1
𝑋(𝜈) = 𝛿(𝜈) + ∑ [𝛿(𝜈 + 𝑛𝜈0 ) + 𝛿(𝜈 − 𝑛𝜈0 )]
2 2𝑛
𝑛=1
Le spectre du signal échantillonné s’écrit :
𝑁
𝑛
𝑋̂(𝜈) = ∑ 𝑋 (𝜈 − )
𝑇0 + Δ
𝑛=1
distance entre pulse est : 0 e
T0 T0
pour éviter le recouvrement il faut que :
n
n 0 e e
1 1 T0
2 T0 T0 2 T0 2n
2.
Echantillonneur
y(t) z(t)
x(t) X
Oscilloscope
Pgn(t) Filtre passe bas
F( )
Pgn(t) m 1 / 2T0
T0
m m
On a : Z( ) X ( ) F ( )
1 n 1 n
Il faut que m e e m e
2 T0 (T0 ) 2 T0 (T0 )
avec e 1 / T0
T0 m T02
d’où : m T0 ( T0 ) T0 n
T0 m n
rapprochement en fréquence au lieu de 1 / T0 on a entre les pics, donc z(t) est
T0 ( T0 )
une réplique de x(t) mais dilaté dans le temps, d’où :
1 1 2
Z( ) ( )
2 T0 ( T0 ) 4 T0 ( T0 )
d’où :
2 1 2 2
z (t ) 1 cos t cos t
T0 (T0 ) 2 T0 (T0 )
z( t ) x( at ) avec a
T0
Cas où m 1 MHz et 0 5 MHz
T0 0 ,2 s T0 m T02
0 ,05 s 7 ,310 2 s
4 4 T0 m n
Spectre de Z
0 2
fe
T0 ( T0 )
m
2,5
x(t)
2
1,5 z(t)
0,5
-6
0,5 1 1,5 2 *10
période
I NTRODUCTION
Dans la nature les signaux dépendent de manière continue du temps. Dans les systèmes
modernes de traitement du signal, ces signaux sont souvent échantillonnées pour produire des
signaux à temps discret accessibles aux méthodes numériques de traitement. La première
étape consiste à mesurer, à intervalles réguliers, la valeur du signal x(t) que l’on veut
manipuler. La suite des valeurs numériques x(k ) x(kT) ainsi obtenue sera désignée par
signal numérique ou plus simplement par signal. T est appelée la période d’échantillonnage
et Fe 1 T la fréquence d’échantillonnage.
La figure ci-dessous illustre la chaîne d’acquisition d’un signal numérique
Période
T
x(t) d’échantillonnage
Signal
original Mesure Signal numérique
Acquisition
x(n) x(nT)
Il est clair que la fréquence d’échantillonnage doit être suffisamment élevée si l’on ne veut
pas perdre trop d’information sur le signal (condition de Shannon vérifié).
SIGNAUX PARTICULIERS
1 si n0
u(n)
0 si sin on
signe(n) 2 u(n) 1
L’impulsion de Dirac
1 si n 0
Propriétés de la fonction de Dirac : n
0 sin on
Peigne de Dirac
C’est une suite infinies de fonctions de Dirac régulièrement espacées. Si T0 est l’intervalle
entre deux Dirac successifs, T0 est la période du peigne.
T n
0 n kT 0
k
D EFINITIO N
La transformée de Fourier Discrète (TFD) est la transformation faisant passer du signal
temporel :
x(k ) 0k N
au signal fréquentiel :
X(m) 0mN
N 1
2 j k m
X(m) X m x(k) exp
k 0
N
Si les N échantillons ont été prélevés avec une fréquence d’échantillonnage Fe , la durée du
signal échantillonnée, sur laquelle a été calculée la transformée de Fourier discrète, est donnée
par :
N
N Te
Fe
En conséquence, le spectre de ce signal échantillonnée, composé de N termes, est calculé sur
un domaine fréquentiel 0, Fe avec une précision ou distance fréquentiel entre points égale
à:
1 F 1
f
e
NTe N
De même que pour la transformée de Fourier d’un signal continu, on peut définir une
transformation inverse qui s’écrit :
N 1
j2 m k
TFD 1 X m s k
1
S m exp
N m 0 N
N 1
km
Xm x
k 0
k exp j 2
N
pour m 0,1, , N 1
Les opérations à effectuer pour obtenir ces N valeurs de la transformée de Fourier discrète
dans le cas de N échantillons du signal initial sont :
N N N2 multiplication complexes
N N 1 additions complexes
Etant donné que la durée d’exécution d’une addition est négligeable devant la durée d’une
multiplication, le coût de calcul de la TFD va donc essentiellement dépendre du temps de
réalisation d’une multiplication.
N 2N
N 2 log 2 N
2 log 2 N
km
WNmk exp j 2
N
Cette fonction a les propriétés suivantes :
2k m km
WN2mk exp j 2 exp j 2 WNmk2
N N 2
km
Et pour m N 2 : WNmk N 2 exp j 2 exp j WN
mk
N
Pour calculer les N échantillons de la DFT, X 0 , X1 , X m , , X N1 on utilise l’expression de
N 1
base : X m x
k 0
k WNmk pour m 0,1, , N 1
N 2 1 N 2 1
Xm xi 0
2i W m 2i
N x
i 0
2 i 1 WNm 2i 1
Ou bien :
N 21 N 21
Xm xi 0
2i Wmi
N2 W m
N x
i 0
2 i 1 WNm 2i
Ce résultat montre que les échantillons X m de la DFT d’ordre N s’exprime sous forme de
deux DFT d’ordre N 2 :
X m X1N 2 m WNm X 2 N 2 m
Avec X1N 2 m transformée d’ordre N 2 effectuée sur les échantillons d’ordre pair et X2 N 2 m
transformée d’ordre N 2 effectuée sur les échantillons d’ordre impair. Ainsi nous avons donc
à calculer 2 transformées d’ordre N 2 et N 2 multiplications complexes pour terminer le
calcul. Si l’on considère l’opérateur papillon, représenté ci-dessous, le calcul d’une DFT
d’ordre N conduit à faire le calcul de deux DFT d’ordre N 2 et de terminer un calcul en
utilisant un opérateur papillon avec le coefficient WNm .
a A=a+ WNm b
Pour illustrer ce principe nous allons considérer la cas où N 8 . Pour calculer la TFD nous
disposons de 8 échantillons temporels avec k 0, 7 et nous allons calculerles 8
échantillons fréquentiels X m avec m 0, 7. L’expression, utilisée pour calculer les X m , en
fonction des est la suivante :
x km
Xm k W8mk avec W8mk exp j
k 0 4
Seuls les 8 premiers valeurs de W8mk sont différentes puisque cette fonction est identique
modulo 8, soit :
km
Avec les 4 valeurs de la fonction W4mk exp j
2
Ensuite les échantillons de TFD complète sont obtenus à l’aide du calcul « papillon » avec les
coefficients W8mk
Pour 0 m 3 X m X1m W8m X2 m
Pour 4 m 7 X m X1m 4 W8m 4 X2 m 4
Les coefficients des expressions, donnant X1m et X1m , étant très simples( 1 ou j), la méthode
de découpage peut se limiter à cette étape et conserver ainsi comme premier calcul des TFD
d’ordre 4, d’où la représentation schématique du calcul de la TFR.
W80
x1 X20
W81 X4=X10-W80 X20
x3 TFD X21 W82 X5=X11-W81 X21
x5 ordre 4 X22 W83
x7 X6=X12-W82 X22
X23
X7=X13-W83 X23
TECHNIQUE DE MODULATION
I NTRODUCTION
Transmettre l'information a toujours été une problématique majeure, les en- jeux en
sont multiples: économiques, stratégiques, culturels... Les "traiteurs de signaux" ont ainsi
développé des techniques appropriées de plus en plus performantes. Pour être transmise,
l'information doit être formalisée, écrite ou codée. Nous nous intéresserons à l'information
codée sous forme d.une fonction (monovariable pour simpli.er) ou d.une séquence numérique
indexée par un seul indice. Les exemples pratiques actuels sont nombreux. On peut citer, la
transmission du son par voie hertzienne, par fibre optique, la transmission du signal vidéo ou
encore de données numériques sur la toile. Il faut dans tous les cas envisager la transmission
par un canal commun (le même medium) de plusieurs signaux simultanément (téléphonie
cellulaire par exemple, différentes chaines de télévision). Le canal commun, le medium, est
variable: .l conducteur de l'électricité, ondes hertziennes (la lumière en fait partie), ondes
sonores. Il faut disposer de procédés permettant d'inscrire l'information sur le canal au niveau
de l'émetteur et ensuite, au niveau du récepteur d'extraire cette in- formation. L'inscription du
signal fait en général appel à un procédé appelé modulation, l'extraction, dans ce cas passe par
une démodulation. Les premiers procédés de modulation développés sont la modulation
d'amplitude et ses variantes (bande latérale unique, avec et sans porteuse) puis les techniques
de modulation de fréquence et de phase sont apparues. Très récemment on a introduit les
modulations très large bande qui ont révolutionné le multiplexage des signaux.
TYPES DE TRANSMISSION
Le spectre du signal que l’on désire transmettre doit être compris dans la bande passante
du support de la voie de transmission si l’on veut avoir une réception correcte sans
déformation par le support.
Si le support de la voie de transmission a une très large bande passante par rapport au
signal à transmettre, il est évident que l’utilisation de la voie de transmission n’est pas
optimisée.
A partir de ces deux remarques on distingue deux techniques de transmission de signaux :
Transmission en bande de base : les signaux sont transmis tels qu’ils sortent de la source,
c’est à dire dans leur bande de fréquence originale. Cette technique est utilisée chaque fois
que le milieu de transmission convient au sens des domaines fréquentiels et que les conditions
économiques permettent de consacrer un support physique à chaque communication.
Transmission par modulation : cette opération consiste à transposer un signal en un autre
contenant sensiblement la même information, mais avec une modification en fréquence du
signal.
Le mode de transmission par modulation présente deux avantages essentiels :
Vp A cos t f p 2
N.B. : la fréquence de la porteuse f p est en général très supérieure à la plus haute fréquence
f m du signal à transmettre (Le modulant)
Il est possible dans certains cas d’associer deux types de modulation (par exemple la
modulation d’amplitude et de phase).
MODULATION D’AMPLITUDE
La modulation d’amplitude est le procédé le plus ancien, il consiste à faire varier linéairement
l’amplitude du signal à moduler (généralement appelé porteuse) en fonction du signal
modulant.
La modulation sert à transmettre un signal m (t ) (source) à l’aide d’un autre signal Vp (t )
(porteuse) d’une fréquence plus élevée. Il est évident que tous les postes émetteurs de radio
utilisent un plage de fréquence audibles (compris entre 20 Hz et 20 kHz) pour nous faire
entendre leurs programmes. Donc si tous les émetteurs envoyaient directement ces
fréquences, nous n’aurions que du bruit à la réception. En attribuant à chacun une porteuse
différente, à la réception nous choisissons le programme voulu en sélectionnant sa porteuse
(définie par sa fréquence ou par sa longueur d’onde ). Il suffit alors de démoduler le signal
pour avoir accès à l’information d’origine.
C
C 300 106 m / s vitesse de la lumière F : fréquence
F
La modulation est également utilisée pour des liaisons numériques (ordinateurs, fax) sur des
lignes analogiques (la porteuse étant un signal analogique. On parle souvent de modem
(modulateur-démodulateur)
0.5 0.5
0 0
-0.5 -0.5
temps (ms)
-1 -1
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Amplitude k=1/4
1.5
A(1+k)
1
A(1-k)
0.5
-0.5
-A(1-k)
-1 temps (ms)
-A(1+k)
-1.5
0 0.5 1 1.5 2
Si on observe le signal modulé pendant une durée de plusieurs périodes de l’onde porteuse, on
voit varier l’amplitude instantanée de cette onde en fonction du signal m (t ) . Dans le cas où
l’amplitude maximale du signal m (t ) est égale à 1 l’amplitude positive de l’onde porteuse
varie de A (1 k ) à A(1 k ) et l’amplitude négative varie entre A (1 k ) et A(1 k ) . On
parlera d’enveloppe du signal modulé.
Soit :
Ak
cos ( ) t cos ( ) t
VAM (t ) A cos t
2
Le spectre de fréquence du signal modulé est un graphe nous présentant l’amplitude de
chaque composante du signal. En effet, tout signal périodique est décomposable en une
somme de fonctions sinusoïdales, le signal modulé est lui même une somme de signaux
sinusoïdaux.
Amplitude
Amplitude
Porteuse
A A
BLI BLS
k A/2 k A/2
Fréquence Fréquence
Le spectre se compose donc de trois raies : (raie de l’onde porteuse), (raie latérale
inférieure) et (raie latérale supérieure). La largeur spectrale occupée par le spectre est
de 2 .
En pratique, le signal à moduler balaye une certaine plage de fréquences, l’allure du spectre
de fréquence est donnée par la figure ci-dessus.
L’énergie délivrée par l’émetteur est répartie par les trois composantes du spectre : la porteuse
et les deux bandes latérales. Il y a donc gaspillage de puissance puisque l’information utile
n’est contenue que dans les bandes latérales et encombrement de l’espace puisque les deux
bandes contiennent la même information.
La première solution, consiste à supprimer la porteuse ce qui permet d’économiser de
l’énergie. Cette solution est appelée modulation sans porteuse.
Cas général :
Cette décomposition est supposée limitée aux N 1 premiers termes, soit pour
i N , ai 0 . Donc nous avons un spectre borné qui peut être représenté de façon continue
en supposant les raies très proches, c’est à dire la différence entre les i très petite en
supposant ki k ai , l’expression du signal modulé est donnée par :
N
VAM t A 1
ki 0
i cos( i t ) cos t
Cette représentation conduit à une densité spectrale se présentant sous la forme d’une raie
centrale de fréquence identique au cas précédent et de deux bandes latérales s’étendant de
à N (bande latérale supérieure) et de N à (bande latérale inférieure. La
largeur spectrale est donc de 2 N . Ainsi si l’on désire transporter par un même canal
plusieurs informations de type basse fréquence (BF), l’écart minimal entre les porteuses doit
être de 2 N .
Amplitude
BLI BLS
k A/2
Fréquence
- +
VAM(f)
M(f)
2Bm
f f
-Bm 0 Bm -fp 0 fp
Amplitude
Filtre
passe-bas
BLI BLS
k A/2
Fréquence
-N +N
VAM(f)
M(f)
f f
-Bm 0 Bm -fp 0 fp
La démodulation d'amplitude
Il existe deux méthodes principales pour effectuer la démodulation d'un signal modulé en
amplitude, une méthode non-linéaire faisant appel à un détecteur d'enveloppe et la détection
synchrone qui utilise un circuit multiplieur.
Détecteur d'enveloppe
On utilise un circuit redresseur non-linéaire, en général une simple diode, qui permet
d'extraire la partie positive du signal modulé (voir figure 3.8), on appelle ce circuit un
détecteur. Un filtre passe-bas éliminera la composante haute fréquence et permettra d'extraire
l'enveloppe du signal modulé (voir un exemple de schéma symbolique à la figure 3.10). Si le
taux de modulation est inférieur ou égal à un, cette enveloppe est le signal modulant. Si le
signal est surmodulé, une distorsion sera alors observée (voir figure 3.9) car c'est alors la
valeur absolue du signal modulant qui est extraite.
Détection synchrone
Il faut disposer dans le récepteur d'un signal synchronisé sur la porteuse: 𝑒𝑝 (𝑡) = 𝑠𝑖𝑛 𝜔𝑝 𝑡, ce
signal est multiplié par le signal modulé reçu
Un simple filtre passe-bas élimine la composante à la pulsation 2𝜔𝑝 et ne laisse passer que la
composante continue qui fournit directement, à un offset et à un facteur de gain près, le signal
modulant 𝑠(𝑡) (voir le schéma symbolique à la figure 3.11).
1 + 𝑚. 𝑠(𝑡)
2
ou encore
Vp(t) : Porteuse
APPLICATION
On souhaite transmettre un signal modulant m(t ) cos 0 t en utilisant la technique de
2
modulation d’amplitude avec une porteuse V p (t ) cos 4 f p t et une composante continue
U DC 2V .
Avec : 0 2 f m
1. Déterminer l’expression du signal modulé VAM (t) .
2. Quelles sont les fréquences présentes dans le signal VAM (t) .
3. Quelle est la nature du spectre du signal modulé ? Justifier.
4. On désigne par M (f ) le spectre de m (t ) et par VAM (f ) spectre du signal modulé,
montrer que VAM (f ) peut se mettre sous la forme suivante :
V AM ( f ) 2 V p ( f ) M f 2 f p M f 2 f p
1
2
VAM(t) Y(t)
X Filtrage VD_AM(t)
Vp(t)
M1(f) M2(f)
1 1
f(kHz) f(kHz)
0 50 0 100
M3(f) M4(f)
1 1
f(kHz) f(kHz)
0 150 0 50 200
m2(t) X
x(t)
Figure 1 +
m4(t) X
cos 2 6 105 t
Support de cours Mastère I2A 63
enseignant : AMIMI Adel
Modulation Chapitre 7
A3
fc=20 kHz
Uinf
1 kHz
UT
UAM (t) Ufiltré
±1,5V
UDC
spectre de U filtré ( f ) .
de cette modulation.
L’intérêt d’une telle approche est de s’appuyer sur un ensemble de fonctions de base
possédant des caractéristiques intéressantes connues (fonction ±(n) et l’exponentiel complexe
par exemple).
⋮
𝑥(−1) = ⋯ , +0. 𝑥(−2), 𝟏. 𝒙(−𝟏), 0. 𝑥(0), 0. 𝑥(1), 0. 𝑥(2) + ⋯
𝑥(0) = ⋯ , +0. 𝑥(−2), 0. 𝑥(−1), 𝟏. 𝒙(𝟎), 0. 𝑥(1), 0. 𝑥(2) + ⋯
𝑥(1) = ⋯ , +0. 𝑥(−2), 0. 𝑥(−1), 0. 𝑥(0), 𝟏. 𝒙(𝟏), 0. 𝑥(2) + ⋯
⋮
Le signal 𝑥(𝑛) s'écrit alors:
𝑥(𝑛) = ∑ 𝑥(𝑘)𝛿(𝑛 − 𝑘)
𝑘=−∞
Soit maintenant un système linéaire (SL) transformant un signal d'entrée 𝑥(𝑛) en un signal de
sortie 𝑦(𝑛):
𝑦(𝑛) = 𝑇[𝑥(𝑛)]
+∞ +∞
+∞
En plus d'être linéaire, si le système est invariant, ℎ𝑘 (𝑛) ne dépend plus de 𝑘, donc
ℎ(𝑛) = 𝑇[𝛿(𝑛)]
Pour un système linéaire invariant (SLI), on obtient alors la relation suivante entre le signal
d'entrée et de sortie:
+∞
Exemple de convolution
Soit la réponse impulsionnelle ℎ(𝑛) d'un système linéaire invariant telle que:
𝑎𝑛 𝑠𝑖 𝑛 ≥ 0
ℎ(𝑛) = {
0 𝑠𝑖 𝑛 < 0
ou encore:
ℎ(𝑛) = 𝑎𝑛 𝑢(𝑛)
Ce signal est représenté sur la figure (1.a)
On trouvera sur la figure (1.a) la réponse impulsionnelle ℎ(𝑛) et sur la figure (1.b) une
représentation du signal de sortie 𝑦(𝑛)
1 1
𝑭𝒊𝒈𝒖𝒓𝒆 (𝟏. 𝒂)
-10 0 10 20 30 -10 0 10 20
𝑖𝑛𝑑𝑖𝑐𝑒 𝑡𝑒𝑚𝑝𝑜𝑟𝑒𝑙 𝑛 𝑖𝑛𝑑𝑖𝑐𝑒 𝑡𝑒𝑚𝑝𝑜𝑟𝑒𝑙 𝑛
𝑭𝒊𝒈𝒖𝒓𝒆 (𝟏. 𝒃)
-10 0 10 20 30
𝑖𝑛𝑑𝑖𝑐𝑒 𝑡𝑒𝑚𝑝𝑜𝑟𝑒𝑙 𝑛
1. Pour 𝒏 < 0
ℎ(𝑛 − 𝑘) et 𝑥(𝑛) n'ont aucun échantillon non nuls en commun donc 𝑦(𝑛) = 0 pour
𝑛 < 0.
2. Pour 0 ≤ 𝒏 < 𝑵
On a un recouvrement d'échantillons non nuls pour 0 ≤ 𝒌 < 𝑛, donc pour 0 ≤ 𝒏 < 𝑵
𝑛
𝑛−𝑘
1 − 𝑎 −(𝑛+1)
𝑛
𝑦(𝑛) = ∑ 𝑎 =𝑎
1 − 𝑎−1
𝑘=0
3. Pour 𝒏 ≥ 𝑵
On a 𝑛 recouvrements d'échantillons non nuls pour 0 ≤ 𝒌 < 𝑁 donc pour 𝒏 ≥ 𝑵, on a
𝑁−1
1 − 𝑎−𝑁
𝑦(𝑛) = ∑ 𝑎𝑛−𝑘 = 𝑎𝑛
1 − 𝑎−1
𝑘=0
Un système est stable si à une entrée bornée correspond une sortie bornée. Soit h(n) la
réponse impulsionnelle d’un système linéaire invariant, la condition de stabilité d’un tel
système s’écrit :
+∞
∑ |ℎ(𝑛)| < ∞
𝑛=−∞
Causalité
𝑁 𝑀
Un système régit par une équation aux différences finies du type précédent est linéaire,
invariant et causal.
Si 𝑵 ≥ 𝟏 :
un échantillon de sortie au temps 𝑛, 𝑦(𝑛) dépend des 𝑵 précédents échantillons de
sortie 𝑦(𝑛 − 1) ⋯ 𝑦(𝑛 − 𝑁),
Support de cours Mastère I2A 68
enseignant : AMIMI Adel
Signaux et Systèmes Discrets Chapitre 8
un tel système est dit récursif,
la réponse impulsionnelle est infinie (RII), ou IIR en anglais (Infinite Impulse
Response).
Si 𝑵 = 𝟎 :
la sortie y(n) dépend seulement de l’entrée courante x(n) et de ses M échantillons
précédents,
le système est dit non-récursif,
la réponse impulsionnelle est finie (RIF), ou FIR en anglais (Finite Impulse
Response).
La réponse impulsionnelle d’un système RIF est donnée par :
ℎ(𝑛) = ∑ 𝑏𝑘 𝛿(𝑛 − 𝑘)
𝑘=0
Représentation fréquentielle
Au cours du paragraphe précédent, nous avons vu que les systèmes linéaires invariants
ont des propriétés, notamment le principe de superposition, qui conduisent à des solutions
analytiques simples. Si on applique une sinusoïde à l’entrée d’un système LI la sortie est elle
aussi sinusoïdale et de même pulsation. Les amplitudes et phases dépendent par contre des
caractéristiques du système. Il est donc possible d’analyser le comportement d’un système
linéaire invariant par l’observation de l’évolution des paramètres d’une série de sinusoïdes.
C’est cette propriété qui rend si intéressante l’utilisation de la transformée de Fourier pour
l’étude des systèmes LI. Soit l’entrée 𝑥(𝑛) = 𝑒 𝑗𝜔𝑛𝑇 = 𝑒 𝑗Ω𝑛𝑇 pour −∞ < 𝑛 < +∞ d’un
système linéaire invariant de réponse impulsionnelle ℎ(𝑘). La sortie peut alors s’écrire :
∞ ∞
𝑗Ω(𝑛−𝑘) 𝑗Ω𝑛
𝑦(𝑛) = ∑ ℎ(𝑘)𝑒 ⟹ 𝑦(𝑛) = 𝑒 ∑ ℎ(𝑘)𝑒 −𝑗Ω𝑘
𝑘=−∞ 𝑘=−∞
en posant:
∞
𝑗Ω𝑛
𝐻(𝑒 ) = ∑ ℎ(𝑘)𝑒 −𝑗Ω𝑘
𝑘=−∞
𝑗Ω𝑛 )]
𝐻(𝑒 𝑗Ω𝑛 ) = |𝐻(𝑒 𝑗Ω𝑛 )|𝑒 𝑗arg[𝐻(𝑒
La définition de la réponse fréquentielle d’un système linéaire invariant montre qu’il s’agit
d’une fonction périodique de période 2𝜋. Cela veut dire qu’à deux entrées identiques mais à
une pulsation double le système répond d’une manière identique. Puisque 𝐻(𝑒 𝑗Ω𝑛 ) est une
fonction périodique, elle peut être représentée par une série de Fourier. En fait l’équation de
définition fait apparaître 𝐻(𝑒 𝑗Ω𝑛 ) comme une série de Fourier où les coefficients sont ℎ(𝑘).
Transformation en Z
La transformée en Z directe d’un signal à temps discret x(n) est définie par :
+∞
La transformée en Z établit une correspondance entre l’espace des signaux à temps discret et
un espace de fonctions définies sur un sous-ensemble du plan complexe. On définit le plan en
𝑧 comme étant le plan complexe. La série des puissances introduite dans l’équation de
définition précédente ne converge que pour un sous-ensemble du plan complexe. Ce sous-
ensemble est appelé région de convergence ou domaine de convergence. Une région de
convergence correspond à l’ensemble des valeurs de 𝑧 telles que 𝑋(𝑧) soit définie et à valeurs
finies. Spécifier le domaine de convergence de la transformée est tout aussi important que la
transformée elle-même.
Exemples de transformée:
On a bien :
+∞
𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛 = 𝑧 0 = 1, ∀ 𝑧 ∈ ℂ
𝑛=−∞
Pour un signal à durée finie, la région de convergence correspond au plan complexe ℂ avec
l'exclusion possible de 𝑧 = 0 ou 𝑧 = ∞.
On a:
+∞ +∞
−𝑛
𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 = ∑ 𝑎𝑛 𝑧 −𝑛
𝑛=−∞ 𝑛=0
+∞
1
= ∑(𝑎𝑧 −1 )𝑛 =
1 − 𝑎𝑧 −1
𝑛=0
La série précédente converge si et seulement si |𝑎𝑧 −1 | < 1, c'est-à-dire ssi |𝑎| < |𝑧|. La
figure ci-dessous représente la région de convergence dans le plan complexe. Si 𝑎 = 1, on
obtient le cas particulier de l'échelon unité. La transformée en 𝑧 de l'échelon est donc:
1
𝑈(𝑧) = , |𝑧| > 1
1 − 𝑧 −1
Im
Domaine de convergence
a Ré
0
1
Figure 2 : Domaine de convergence, 𝑋(𝑧) = 1−𝑎𝑧 −1
Support de cours Mastère I2A 72
enseignant : AMIMI Adel
Signaux et Systèmes Discrets Chapitre 8
Propriétés de la transformée en z
Linéarité:
Soient deux signaux à temps discret 𝑥1 (𝑛) et 𝑥2 (𝑛) ayant pour transformées en 𝑧 respectives
𝑋1 (𝑧) et 𝑋2 (𝑧). Soit le signal 𝑥(𝑛) = 𝑎𝑥1 (𝑛) + 𝑏𝑥2 (𝑛).
La définition de transformée en 𝑧 conduit directement à la relation suivante:
1 1 1 1 1 − cos(𝜔0 )𝑧 −1
𝑋(𝑧) = ( ) + ( ) =
2 1 − 𝑒 𝑗𝜔0 𝑧 −1 2 1 − 𝑒 −𝑗𝜔0 𝑧 −1 1 − 2cos(𝜔0 )𝑧 −1 + 𝑧 −2
Décalage temporel
Soit un signal 𝑥(𝑛) de transformée en 𝑍, 𝑋(𝑧). Soit 𝑘, un indice temporel quelconque et
𝑥′(𝑛) = 𝑥(𝑛 − 𝑘), on obtient simplement à partir de la définition de la transformée:
𝑋′(𝑧) = 𝑧 −𝑘 𝑋(𝑧)
Facteur d'échelle en z
Soit un signal 𝑥(𝑛) de transformée en 𝑍, 𝑋(𝑧) avec 𝑟1 < |𝑧| < 𝑟2 pour région de
convergence. Soit 𝑥 ′ (𝑛) = 𝑎𝑛 𝑥(𝑛), on a alors:
𝑧
𝑋 ′ (𝑧) = 𝑋 ( )
𝑎
avec |𝑎|𝑟1 < |𝑧| < |𝑎|𝑟2 pour région de convergence.
Soit 𝑥(𝑛) avec 𝑋(𝑧) pour transformée et 𝑟1 < |𝑧| < 𝑟2 pour région de convergence. Soit
𝑥 ′ (𝑛) = 𝑥(−𝑛), on a alors:
Soit 𝑥(𝑛) avec 𝑋(𝑧) pour transformée. Soit 𝑥 ′ (𝑛) = 𝑛𝑥(𝑛) on a alors:
𝑑
𝑋 ′ (𝑧) = −𝑧 𝑋(𝑧)
𝑑𝑧
La région de convergence reste inchangée.
+∞
′ (𝑧)
𝑑 𝑑
𝑋 = −𝑧 𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛
𝑑𝑧 𝑑𝑧
𝑛=−∞
+∞ +∞
Convolution
Soient 𝑥1 (𝑛)et 𝑥2 (𝑛) avec pour transformées en Z respectives 𝑋1 (𝑧) et 𝑋2 (𝑧). Soit 𝑥(𝑛) =
𝑥1 (𝑛) ∗ 𝑥2 (𝑛), on a alors:
𝑋(𝑧) = 𝑋1 (𝑧). 𝑋2 (𝑧)
Démonstration:
+∞
𝑋(𝑧) = ∑ 𝑥(𝑛)𝑧 −𝑛
𝑛=−∞
+∞ +∞
= ∑ [ ∑ 𝑥1 (𝑘)𝑥2 (𝑛 − 𝑘)] 𝑧 −𝑛
𝑛=−∞ 𝑘=−∞
+∞ +∞
= ∑ 𝑥1 (𝑘) [ ∑ 𝑥2 (𝑛 − 𝑘) 𝑧 −𝑛 ]
𝑘=−∞ 𝑛=−∞
+∞
= ( ∑ 𝑥1 (𝑘) 𝑧 −𝑘 ) 𝑋2 (𝑧)
𝑘=−∞
Pour calculer la convolution de deux signaux, il peut être intéressant de multiplier les
transformées respectives de deux signaux convolués et de rechercher la transformées en Z
inverse de la transformée résultante.
Soit 𝑦(𝑛) la sortie d'un système linéaire invariant de réponse impulsionnelle ℎ(𝑛) soumis à
l'entrée 𝑥(𝑛), on a alors:
Une convolution dans l'espace à temps discret lui correspond une convolution dans l'espace
complexe z et vice versa.
Transformées en Z rationnelles
Cette classe de fonction correspond aux systèmes linéaires invariants décrits par une équation
aux différences finies.
𝑁(𝑧) 𝑏0 + 𝑏1 𝑧 −1 + ⋯ + 𝑏𝑀 𝑧 −𝑀 ∑𝑀
𝑘=0 𝑏𝑘 𝑧
−𝑘
𝐻(𝑧) = = =
𝐷(𝑧) 𝑎0 + 𝑎1 𝑧 −1 + ⋯ + 𝑎𝑁 𝑧 −𝑁 ∑𝑁
𝑘=0 𝑎𝑘 𝑧
−𝑘
𝑏0 𝑧 −𝑀 (𝑧 − 𝑧1 ) ⋯ (𝑧 − 𝑧𝑀 ) 𝑧 −𝑀 ∏𝑀
𝑘=1(𝑧 − 𝑧𝑘 )
𝐻(𝑧) = −𝑁
= 𝛼 −𝑁 𝑁
𝑎0 𝑧 (𝑧 − 𝑝1 ) ⋯ (𝑧 − 𝑝𝑁 ) 𝑧 ∏𝑘=1(𝑧 − 𝑝𝑘 )
Il vient alors:
𝐻(𝑧) possède 𝑀 zéros finis en 𝑧1 ⋯ 𝑧𝑀
𝐻(𝑧) possède 𝑁 pôles finis en 𝑝1 ⋯ 𝑝𝑁
Si 𝑁 > 𝑀, 𝐻(𝑧) possède 𝑁 − 𝑀 zéros en 𝑧 = 0
Si 𝑁 < 𝑀, 𝐻(𝑧) possède 𝑀 − 𝑁 pôles en 𝑧 = 0
Il peut aussi y avoir des pôles ou zéros en 𝑧 = ∞ selon que 𝐻(𝑧) = 0 ou 𝐻(𝑧) = ∞
comportement du système (ou signal) tandis que le facteur 𝛼 n'intervient que sur l'amplitude
des signaux. 𝐻(𝑧) peut donc être représenté sous la forme d'un graphique modélisant la
position des pôles et des zéros dans le plan complexe. Par définition, la région de convergence
de 𝐻(𝑧) exclue tous les pôles de cette fonction.
𝑌(𝑧)
𝐻(𝑧) =
𝑋(𝑧)
On a vu que si 𝑥(𝑛) = 𝛿(𝑛), on obtient directement 𝑦(𝑛) = ℎ(𝑛); ce qui devient dans le plan
en 𝑍, 𝑋(𝑧) = 1 donc 𝐻(𝑧) = 𝑌(𝑧)
Si on applique cette approche au système linéaires invariants décrits par une équation aux
différences finies, le système est décrit par la relation suivante:
𝑀 𝑁
𝑌(𝑧) ∑𝑀
𝑘=0 𝑏𝑘 𝑧
−𝑘 ∑𝑀
𝑘=0 𝑏𝑘 𝑧
−𝑘
𝐻(𝑧) = = = (1.1)
𝑋(𝑧) 1 + ∑𝑁
𝑘=1 𝑎𝑘 𝑧
−𝑘 ∑𝑁
𝑘=0 𝑎𝑘 𝑧
−𝑘
L’équation (1.1) met en évidence qu’un système linéaire invariant décrit par une équation aux
différences finies a une fonction de transfert dont la transformée en 𝑍 est une fonction
Support de cours Mastère I2A 76
enseignant : AMIMI Adel
Signaux et Systèmes Discrets Chapitre 8
rationnelle. Ceci montre l’intérêt de l’étude des transformées en 𝑍 s’écrivant sous la forme de
polynômes rationnels.
Systèmes tout zéros
Un système tout zéros est un système dont la transformée en 𝑍 s’exprime sous la forme de
l’équation (1.1) avec 𝑁 = 0, c’est-à-dire pour lequel 𝑎1 = 𝑎2 = ⋯ = 𝑎𝑁 = 0. La fonction de
transfert (1.1) devient alors:
𝑀 𝑀
1
𝐻(𝑧) = ∑ 𝑏𝑘 𝑧 −𝑘 = 𝑀 ∑ 𝑏𝑘 𝑧 𝑀−𝑘
𝑧
𝑘=0 𝑘=0
Le polynôme numérateur possède 𝑀 racines. La réponse impulsionnelle de ce système est de
type finies (RIF).
𝑏0 𝑏0 𝑧 𝑁
𝐻(𝑧) = = 𝑀
1 + ∑𝑁
𝑘=1 𝑎𝑘 𝑧
−𝑘 ∑𝑘=0 𝑎𝑘 𝑧 𝑁−𝑘
Transformée en Z inverse
A partir d'une liste de transformées en Z de signaux élémentaires connus, il peut être efficace
de retrouver des signaux temporels à partir de transformées dérivées des opérateurs et
propriétés décrits précédemment. Cependant, lorsque la transformée ne peut facilement
s'écrire comme la combinaison de transformées élémentaires, il reste les techniques générales
de transformation inverse:
L'intégration sur un contour fermé.
Le développement en puissance de 𝑧 et de 𝑧 −1
Le développement en fractions élémentaires.
S'il est possible d'écrire 𝑋(𝑧) comme une série de puissances en 𝑧 −1 , l'unicité de la
transformation directe conduit à prendre les coefficients de la série pour le signal temporel.
Si 𝑋(𝑧) = ∑+∞
𝑛=−∞ 𝐶𝑛 𝑧
−𝑛
𝑎𝑙𝑜𝑟𝑠 𝑥(𝑛) = 𝐶𝑛
On cherche par exemple la réponse impulsionnelle d'un système décrit par l'équation aux
différences finies suivante:
𝐻(𝑧) = ∑ 𝑧 −3𝑘 = 1 + 𝑧 −3 + 𝑧 −6 + ⋯
𝑘=0
On obtient donc:
∞
Il s'agit ici d'un cas simple d'utilisation des séries géométriques. En général, le développement
de 𝑋(𝑧) en puissance de 𝑧 −1 est un calcul assez long, difficile et fastidieux.
Ce mode de représentation est le plus usuel. Il permet de lier l’entrée et la sortie dans le plan 𝑧
par 𝑌 (𝑧) = 𝐻(𝑧)𝑋(𝑧). On posera dans la suite
𝑁(𝑧) ∑𝑁
𝑖=0 𝑎𝑖 𝑧
−𝑖
𝐻(𝑧) = =
𝐷(𝑧) 1 + ∑𝑁
𝑖=1 𝑏𝑖 𝑧
−𝑖
où 𝑁(𝑧) est le polynôme du numérateur de la fonction de transfert, tandis que 𝐷(𝑧) est son
dénominateur. 𝑁 est ici l’ordre du filtre. Dans le cas où 𝐻(𝑧) possède des pôles, on parlera de
filtres RII (pour Réponse Impulsionnelle Infinie). Si 𝑁(𝑧) = 1, on parlera de filtre tous-pôles.
Dans le cas où 𝐷(𝑧) = 1, le filtre ne possède que des zéros. Cette famille de filtre correspond
au cas des filtres RIF (pour Réponse Impulsionnelle Finie). Celle ci n’a pas d’équivalent en
filtrage analogique, et nous verrons que ses propriétés en font une fonction très utilisée en
traitement numérique du signal.
L’équation précédente peut également être représentée en mettant en avant les pôles et les
zéros.
∏𝑁
𝑖=1(𝑧 − 𝑧𝑖 )
𝐻(𝑧) = 𝑏0 𝑁
∏𝑖=1(𝑧 − 𝑝𝑖 )
où pi sont les pôles et zi sont les zéros de H(z). On rappelle ici que la stabilité du filtre sera
déterminé par l’appartenance des pôles au cercle unité (i.e.|𝑝𝑖 | < 1), et que des zéros
appartenant au cercle unité caractériseront un filtre à minimum de phase. La figure 3 montre
plusieurs versions de représentations de H(z). La forme directe (figure 3.a) peut être
décomposée en produit ou en somme de fonctions de transfert d’ordre inférieur, généralement
d’ordre 2. L’équation 2.1 et la figure 3.b représentent la forme parallèle, tandis que l’équation
2.2 et la figure 3.c représentent la forme cascade.
H1(z)
X(z) Y(z)
H1(z) H2(z) ⋯ HM(z)
𝑀 𝑀 −2
𝑏0 + 𝑏1 𝑧 −1 + 𝑏2 𝑧
𝐻(𝑧) = ∑ 𝐻𝑖 (𝑧) = ∑ (2.1)
1 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2
𝑖=1 𝑖=1
𝑀 𝑀 −2
𝑏0 + 𝑏1 𝑧 −1 + 𝑏2 𝑧
𝐻(𝑧) = ∏ 𝐻𝑖 (𝑧) = ∏ (2.2)
1 + 𝑎1 𝑧 −1 + 𝑎2 𝑧 −2
𝑖=1 𝑖=1
𝑌(𝑧) = 𝐻(𝑧)𝑋(𝑧)
Il s'agit de caractériser 𝑦(𝑛). On suppose que 𝐻(𝑧) peut s'écrire sous la forme d'une fraction
de polynômes en z, c'est à dire:
𝑁(𝑧)
𝐻(𝑧) =
𝐷(𝑧)
Causalité et Stabilité
On a vu que pour qu'un système linéaire invariant soit stable il suffit que sa réponse
impulsionnelle vérifie:
+∞
∑ |ℎ(𝑛)| < ∞
𝑛=−∞
𝑗2𝜋𝑓
𝑒 𝑗2𝜋𝑓
𝐻(𝑒 )=
1
𝑒 𝑗2𝜋𝑓 + 2
la double figure 4 représente sur sa partie gauche la position des pôles et des zéros de la
fonction de transfert (un pôle est indiqué par le symbole ×, et un zéro par le symbole 𝒐) et sur
sa partie droite la réponse fréquentielle du système : module et phase pour 0 ≤ Ω = 2𝜋𝑓 ≤ 𝜋
L’évolution du module de la réponse fréquentielle nous montre qu’il-y-a atténuation des
contributions dues au basses fréquences par rapport aux hautes fréquences. Le comportement
de ce système est donc celui d’un filtre passe-haut.
partie 2
1.8
Imaginaire 1.6
1 1.4
1.2
0.8
0 0.3
0 × 0.1 0.2 0.4 0.5
0.7
-1 0.6
0.4
partie réel 0.3
o zéros 0.2
x pôles 0.1
0
0 0.1 0.2 0.3 0.4 0.5
1
Figure 4: Réponse fréquentielle, 𝑋(𝑧) = 1+0.5𝑧 −1
𝑥(𝑛) 𝑋(𝑧)
𝛿(𝑛) 1
𝛿(𝑛 − 𝑘) 𝑧 −𝑘
𝑢(𝑛) 𝑧
𝑧−1
𝑎𝑛 𝑧
𝑧−𝑎
Série d'exercices
1. Donner les expressions de l’équation aux différences finies ainsi que la fonction de
transfert en Z.
2. Tracer la réponse impulsionnelle ℎ(𝑛) du filtre.
3. Calculer la réponse fréquentielle 𝐻(𝑒 𝑗Ω ) du filtre. Déterminer son module et sa phase. On
note que :
Ω +Ω2
−𝑗( 1 ) Ω2 − Ω1
𝑒 −𝑗Ω1 + 𝑒 −𝑗Ω2 = 2 × 𝑒 2 × cos ( )
2
𝑓
On désigne par 𝛺 = 2𝜋𝑓𝑇𝑒 = 2𝜋 𝐹 pulsation réduite.
𝑒
𝜋
4. Donner les valeurs du module en Ω = 0, 2 , 𝜋, 2𝜋.
Puisque seul le terme mis en facteur est complexe, le module et la phase du filtre viennent
facilement:
|𝐻(𝑒 𝑗𝜔 )| = 1 − 0.6 cos(𝜔) + 0.2cos(3𝜔)
𝐴𝑟𝑔 (𝐻(𝑒 𝑗𝜔 )) = −3𝜔
On constate qu’il s’agit d’un filtre de type passe-haut ; notons de plus que ce filtre est à phase
linéaire.
1 𝑠𝑖 𝑛 = 0, 1
𝑥(𝑛) = {
0 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠
Exercice 3
On considère un système discret décrit par l'équation de récurrence suivante:
0 𝑠𝑖 𝑛 < 0
𝑈(𝑛) = {
1 𝑠𝑖 𝑛 ≥ 0
Déterminer et représenter la réponse indicielle {𝑦𝑛 } du système dans le cas où il est stable
(𝑏 = 0,5 𝑒𝑡 𝑏 = −0,5)
6. Déterminer la fonction de transfert 𝐻(𝑗). Déduire le module H ( j ) et la phase ( ) .
7. Déduire les allures de H ( j ) et de ( ) pour 𝑏 = 0,5 𝑒𝑡 𝑏 = −0,5. Discuter le nature
du système dans chaque cas (𝑏 = 0,5 𝑒𝑡 𝑏 = −0,5).
Exercice 4
2. Donner l'équation de récurrence du SLI inverse (celui qui produirait 𝑥(𝑛) en sortie si on
lui présentait 𝑦(𝑛) en entrée) et proposer une structure.
3. Soit le système défini par la relation:
PROBLEME
Soit 𝑥 (𝑡 ) le signal analogique entrant dans le CAN et 𝑥(𝑛) le signal numérique sortant du
CAN et entrant dans le système numérique supposé linéaire et invariant dans le temps.
PARTIE II
A présent le système numérique est caractérisé par une réponse impulsionnelle numérique qui
s'écrit:
1
ℎ(𝑛) = 𝑒 −𝑛 𝑇𝑒/𝜏
𝜏
𝜏
1) Représentez ℎ(𝑛) dans le cas où 𝜏 = 1𝑚𝑠 𝑒𝑡 𝑇𝑒 = 4
2) Que peut-on dire de la réponse impulsionnelle du système numérique (quand 𝑛 → ∞).
En déduire la nature du système.
3) Déterminez 𝐻(𝑧) la transformée en 𝑍 du signal ℎ(𝑛).
4) Déterminez l’expression de la sortie 𝑌(𝑧) en fonction de 𝑋(𝑧). En déduire la relation de
récurrence du système 𝑦(𝑛).
5) Déterminez la fonction de transfert fréquentielle 𝐻(𝑗𝜔) du système numérique.
6) Calculez le module |𝐻(𝑗𝜔)| de la fonction de transfert en régime sinusoïdal du système
numérique.
7) En déduire l'allure de |𝐻(𝑓)| dans le domaine utile. Quel est le type de filtrage réalisé
sur ce domaine.
PROBLEME :
Soit 𝑥 (𝑡 ) le signal analogique entrant dans le CAN et 𝑥(𝑛) le signal numérique sortant du
CAN et entrant dans le système numérique supposé linéaire et invariant dans le temps.
𝜔1 +𝜔2
𝜔2 −𝜔1
𝑒 −𝑗𝜔1 + 𝑒 −𝑗𝜔2 = 2 × 𝑒 −𝑗( )
On donne: 2 × 𝑐𝑜𝑠 ( )
2
Corrigé Exercice 4
𝑌(𝑧) 1 + 2 𝑧 −1 𝑧2 + 2 𝑧
𝐻(𝑧) = = = 2
𝑋(𝑧) 1 − 𝑧 −1 − 4𝑧 −2 𝑧 −𝑧−4
Stabilité:
1±√17
Les pôle de 𝐻(𝑧) sont les racines de l'équation 𝑧 2 − 𝑧 − 4 = 0 soit 𝑧1 , 𝑧2 = 2
1 ± √17
𝑧1 , 𝑧2 = | |>1 ⟹ 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑖𝑛𝑠𝑡𝑎𝑏𝑙𝑒
2
La structure du système est donnée par:
𝑥(𝑛) 𝑦(𝑛)
1 +
Z-1 Z-1
2 + 1
Z-1
+ 4
𝑥(𝑛) 𝑦(𝑛)
+
Z-1 Z-1
-1 + -2
Z-1
-4 +
1
𝐻(𝑧) =
1 − 𝛼 𝑧 −10
H(z) n'admet pas de zéro
Les pôles s'écrivent:
1
𝑧 −10 = ⟹ 𝑧 −10 = 𝛼
𝛼
10 2𝜋
si 𝑧 = 𝑟𝑒 𝑗𝜃 ⟹ 𝑟 10 𝑒 𝑗10𝜃 = 𝛼 ⟹ 𝑟 = √𝛼 𝑒𝑡 𝜃 = 𝑘 10
𝑠𝑖 𝛼 < 1
partie
Imaginaire
1
× × pôles
× ×
× ×
0
× ×
× ×
-1
×
-1 -1/2 0 1/2 1
partie réel
𝑠𝑖 𝛼 > 1 ⟹ 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑖𝑛𝑠𝑡𝑎𝑏𝑙𝑒
𝑠𝑖 𝛼 < 1
exemple pour 𝛼 = 0,6
10 1
𝑀𝑎𝑥 = = 2.5 ⟹ 7.96𝑑𝐵
1−𝛼
0 1
𝑚𝑖𝑛 = = 0.652 ⟹ −4.082𝑑𝐵
1+𝛼
-10
0 0.5 1
2𝜋
La réponse en fréquence est maximale lorsque 𝜃 = 𝑘 10 et est minimale lorsque le
dénominateur est maximum, soit lorsque 𝑒 𝑗 10 𝜃 = −1
𝑁−1
2𝜋
𝑋(𝑘) = ∑ 𝑥(𝑛)𝑒 −𝑗 𝑛𝑘 𝑁
𝑘=0
où 𝑁 = 8 dans notre cas; 𝑘 est entier et vraie de 0 à 7.
Nous avons donc:
1 o : zéro
-1
-1 -0.5 0 0.5 1
partie réel
Support de cours Mastère I2A 90
enseignant : AMIMI Adel
Signaux et Systèmes Discrets Chapitre 8
1
𝑥(1)
2𝜋 2𝜋
𝑥(0) 𝑋(1) = 𝑥(0) + 𝑥(1)𝑒 −𝑗 8 + 𝑥(7)𝑒 −𝑗7 8
0
= 1 + √2
𝑥(7)
-1
-1 -0.5 0 0.5 1
1 𝑥(1)
2𝜋 2𝜋
𝑥(0) 𝑋(2) = 𝑥(0) + 𝑥(1)𝑒 −𝑗 2 8 + 𝑥(7)𝑒 −𝑗7×2 8 =1
0
-1 𝑥(7)
-1 -0.5 0 0.5 1
1
𝑥(1)
2𝜋 2𝜋
𝑥(0) 𝑋(3) = 𝑥(0) + 𝑥(1)𝑒 −𝑗3 8 + 𝑥(7)𝑒 −𝑗3×7 8
0
= 1 − √2
-1 𝑥(7)
-1 -0.5 0 0.5 1
𝑥(1) 2𝜋 2𝜋
𝑥(0) 𝑋(4) = 𝑥(0) + 𝑥(1)𝑒 −𝑗 4 8 + 𝑥(7)𝑒 −𝑗4×7 8
0
𝑥(7) = −1
-1
-1 -0.5 0 0.5 1
FORMULAIRE MATHEMATIQUE
𝑐𝑜𝑠 2 𝑥 + 𝑠𝑖𝑛2 𝑥 = 1 𝑡𝑔(𝑥) = sin(𝑥)⁄cos(𝑥)
cos(𝑎 + 𝑏) = cos 𝑎 cos 𝑏 − sin 𝑎 sin 𝑏 sin(𝑎 + 𝑏) = sin 𝑎 cos 𝑏 + sin 𝑏 cos 𝑎
cos(𝑎 − 𝑏) = cos 𝑎 cos 𝑏 + sin 𝑎 sin 𝑏 sin(𝑎 − 𝑏) = sin 𝑎 cos 𝑏 − sin 𝑏 cos 𝑎
cos(2𝑎) = 𝑐𝑜𝑠 2 𝑥 − 𝑠𝑖𝑛2 𝑥 = 2𝑐𝑜𝑠 2 𝑥 − 1 sin(2𝑎) = 2 sin 𝑎 cos 𝑎
cos(2𝑎) = 1 − 2 𝑠𝑖𝑛2 𝑥 (cos 𝑎 + 𝑗𝑠𝑖𝑛 𝑎)𝑛 = cos 𝑛𝑎 + 𝑗𝑠𝑖𝑛 𝑛𝑎
𝑒 𝑗𝜔0 𝑡 = cos(𝜔0 𝑡) + 𝑗 sin(𝜔0 𝑡) 𝑒 −𝑗𝜔0 𝑡 = cos(𝜔0 𝑡) − 𝑗 sin(𝜔0 𝑡)
𝑒 𝑗𝜔0 𝑡 + 𝑒 −𝑗𝜔0 𝑡 𝑒 𝑗𝜔0 𝑡 − 𝑒 −𝑗𝜔0 𝑡
cos(𝜔0 𝑡) = sin(𝜔0 𝑡) =
2 2𝑗
+∞